基于神经网络的风力发电机变桨轴承故障诊断方法及装置

    公开(公告)号:CN114235415A

    公开(公告)日:2022-03-25

    申请号:CN202210183631.6

    申请日:2022-02-28

    Applicant: 浙江大学

    Abstract: 本发明公开了基于神经网络的风力发电机变桨轴承故障诊断方法及装置,方法包括:测量桨叶不同方位角以及传感器不同点位的信号强度,确定桨叶最佳测量方位角以及传感器点位布置方案,将桨叶固定在最佳方位角采集变桨振动数据,将采集到的振动数据进一步处理成数据集,构建神经网络模型,使用采集到的数据集训练网络,并将训练后的网络部署至PLC中对风机进行实时动态监测;装置包括振动传感器、数据采集卡及可编辑逻辑控制器(PLC)。本发明将神经网络算法应用于风力发电机变桨轴承的故障诊断中,利用历史振动数据训练网络,再利用训练好的网络进行故障诊断,实现了变桨轴承健康状况快速、实时且准确的监测。

    基于重要性采样代理模型的复杂装备时变可靠性分析方法

    公开(公告)号:CN114117873A

    公开(公告)日:2022-03-01

    申请号:CN202210084396.7

    申请日:2022-01-25

    Applicant: 浙江大学

    Abstract: 本发明公开一种基于重要性采样代理模型的复杂装备时变可靠性分析方法,该方法采用相关性函数进行样本分割,利用留一法交叉验证剔除无效样本。结合权重学习函数对剩余候选样本点进行评估,选出新的采样点对瞬时响应克里金模型进行迭代更新,运用蒙特卡洛模拟预测失效概率。该方法高效地构建目标复杂装备的瞬时响应克里金模型,能高效的计算出复杂装备的时变失效概率。该方法可用于计算复杂装备在时变不确定性载荷作用下的失效概率。

    一种发电机定子端固定结构动态特性的稳健均衡设计方法

    公开(公告)号:CN111274656B

    公开(公告)日:2021-11-30

    申请号:CN202010063081.5

    申请日:2020-01-19

    Applicant: 浙江大学

    Abstract: 本发明公开了一种发电机定子端固定结构动态特性的稳健均衡设计方法,该方法包括以下步骤:建立发电机定子端固定结构动态特性的稳健均衡设计模型;采用拉丁超立方采样法对设计变量和不确定参数进行采样,通过协同仿真技术获取样本点,建立预测目标和约束函数中定子端固定结构各动态特性指标值的Kriging模型;利用基于区间角重合度系数和整体性能稳健均衡指数的双层嵌套遗传算法进行迭代寻优,求得定子端固定结构动态特性的最优设计方案。本发明引入区间角重合度系数,可根据不同工况下定子端固定结构需满足的稳健性要求,灵活便捷地获得使各动态特性指标稳健均衡的发电机定子端固定结构设计方案。

    基于曲折闪电打击与疲劳损伤的风机叶片优化设计方法

    公开(公告)号:CN110781618B

    公开(公告)日:2021-04-06

    申请号:CN201910853643.3

    申请日:2019-09-10

    Applicant: 浙江大学

    Abstract: 本发明公开一种基于曲折闪电打击与疲劳损伤的风机复合叶片优化设计方法,该方法对于风力发电机复合材料叶片进行了真实闪电打击的静电学分析与疲劳分析保证其设计可靠性,并结合叶片的成本进行最优化设计。本发明创新性地提出了参数化曲折闪电步进导闪模型来模拟自然界真实的闪电现象,并提出了闪电打击导致的介质击穿失效与非比例多轴疲劳失效的计算公式,优化计算后可以得到复合材料中各层材料的最佳厚度,在保证整体成本不会过高的情况下,有效地提升风力发电机复合材料叶片的闪电安全系数与叶片预期寿命。

    一种发电机定子端固定结构动态特性的稳健均衡设计方法

    公开(公告)号:CN111274656A

    公开(公告)日:2020-06-12

    申请号:CN202010063081.5

    申请日:2020-01-19

    Applicant: 浙江大学

    Abstract: 本发明公开了一种发电机定子端固定结构动态特性的稳健均衡设计方法,该方法包括以下步骤:建立发电机定子端固定结构动态特性的稳健均衡设计模型;采用拉丁超立方采样法对设计变量和不确定参数进行采样,通过协同仿真技术获取样本点,建立预测目标和约束函数中定子端固定结构各动态特性指标值的Kriging模型;利用基于区间角重合度系数和整体性能稳健均衡指数的双层嵌套遗传算法进行迭代寻优,求得定子端固定结构动态特性的最优设计方案。本发明引入区间角重合度系数,可根据不同工况下定子端固定结构需满足的稳健性要求,灵活便捷地获得使各动态特性指标稳健均衡的发电机定子端固定结构设计方案。

    基于无人机与深度学习的风机表面缺陷在线检测量化方法

    公开(公告)号:CN118196041A

    公开(公告)日:2024-06-14

    申请号:CN202410331439.6

    申请日:2024-03-22

    Applicant: 浙江大学

    Abstract: 本发明公开了基于无人机与深度学习的风机表面缺陷在线检测量化方法,通过引入移窗自注意力机制改善网络存在的感受野固定问题,并设计基于特征金字塔以及特征融合模块的轻量级图像分割模块,对其网络结构做进一步改进,实现对风机表面图像中的缺陷特征进行检测和分割多任务,并利用凸包拟合和细化算法对输出的语义特征图进行骨架提取,实现缺陷长度信息和面积信息的获取。利用相机成像原理完成缺陷实际长度计算,最后通过阈值分割实现缺陷损伤评估。搭建无人机与服务端的数据通信链路,将无人机采集画面进行实时传输,在服务端端利用训练好的模型实现高自动化、低成本、快速准确的风机表面目标特征识别与损伤评估。

    基于虚实协同学习策略的机器人数字孪生抓取方法及装置

    公开(公告)号:CN117392663A

    公开(公告)日:2024-01-12

    申请号:CN202311261258.2

    申请日:2023-09-27

    Applicant: 浙江大学

    Abstract: 本发明公开了基于虚实协同学习策略的机器人数字孪生抓取方法及装置,将基于计算单元的离散拓扑搜索空间松弛化至连续,并建立基于梯度的神经网络单层优化框架对抓取检测神经网络的结构参数和权重系数同时优化,得到具有最优参数的抓取检测网络;搭建机器人抓取虚拟场景,根据虚拟抓取结果生成虚拟数据集对抓取网络权重系数进一步优化;构建基于一致性约束的领域自适应迁移网络,将虚拟数据集变换成伪实数据集,并进一步微调抓取检测神经网络权重系数;将抓取检测神经网络部署至实际场景中,实现机器人快速准确抓取。本发明可快速稳定地获得机器人抓取检测最优网络结构,并弥补虚拟和真实场景之间差距,节省成本的同时提升了机器人实际抓取性能。

    基于区域划分自适应采样的复杂装备可靠性优化设计方法

    公开(公告)号:CN116644603B

    公开(公告)日:2024-01-09

    申请号:CN202310672357.3

    申请日:2023-06-08

    Abstract: 本发明公开了基于区域划分自适应采样的复杂装备可靠性优化设计方法,该方法高效地构建了装备优化目标和约束的代理模型,并基于顺序优化和可靠性评估方法进行装备可靠性分析和优化设计。本发明创新性地提出了一种考虑外界不确定性的复杂装备可靠性优化设计方法,所提方法集成了区域划分技术、重要性采样技术,对目标函数和约束函数的重要性区域进行识别,挖掘样本点贡献度信息,加速代理模型精度收敛速率。同时结合局部建模策略及活跃约束判断准则,快速在最优解附近构建局部精确代理模型,进一步应用顺序优化与可靠性评估方法实现可靠性优化设计。该方法可用于搜寻复杂装备在外界不确定性载荷作用下的最优设计。

Patent Agency Ranking