-
公开(公告)号：CN112649761B
公开(公告)日：2022-05-24
申请号：CN202011356376.8
申请日：2020-11-26
Applicant: 华北电力大学(保定)
IPC: G01R31/62
Abstract: 本发明公开了一种基于瓦斯继电器流速和压强的变压器重瓦斯动作整定方法，包括：采集油路管道的流速值、压强值和重瓦斯信号；施加不同程度的外部激励源至油路管道上，产生不同的涌动油流；基于实时采集的流速值、压强值和重瓦斯信号，分别生成不同涌动油流下的流速曲线图、压强曲线图和重瓦斯动作曲线图；基于流速曲线图、压强曲线图和重瓦斯动作曲线图，确定重瓦斯动作的流速整定值和压强整定值；基于流速整定值、压强整定值、以及实时采集的流速值和压强值，判定变压器的故障等级。本发明结合变压器故障时油压、油流变化，能够为瓦斯继电器瓦斯报警信号的辅助决策提供依据，并提高电力变压器运行的安全可靠性。
-
公开(公告)号：CN112362348A
公开(公告)日：2021-02-12
申请号：CN202011163807.9
申请日：2020-10-27
Applicant: 华北电力大学(保定)
IPC: G01M13/045
Abstract: 本发明公开了一种带式输送机托辊轴承故障声学监测方法，具体步骤如下，在带式输送机两端固定第一声学传感器和第二声学传感器，所述第一声学传感器和所述第二声学传感器通过数据采集装置与分析计算机相连接，设定数据采样和数据分析周期；通过分析计算机设定触发阀值，数据采集装置同步采集所述第一声学传感器和所述第二声学传感器的信号并输送至分析计算机中，分析计算机将上述数据进行故障判定，触发数据分析，数据分析采用改进的Kurtogram分析，通过步骤3的分析结构计算故障位置。本发明采用上述结构的一种带式输送机托辊轴承故障声学监测方法，实现对托辊轴承实时动态检测，并有效的捕捉故障声源位置。
-
公开(公告)号：CN107505135B
公开(公告)日：2020-05-01
申请号：CN201710695127.3
申请日：2017-08-15
Applicant: 河北建设集团卓诚路桥工程有限公司 , 华北电力大学(保定) , 广东电网有限责任公司电力科学研究院
IPC: G01M13/045
Abstract: 本发明公开一种滚动轴承复合故障提取方法及系统。首先采用加速度传感器获取轴承故障振动信号，以变分模态分解作为振动信号升维和降噪的处理方法，得到K个IMF，以快速谱峭度图共振频带作为有效IMF(SIMFi)的筛选准则，对SIMFi进行快速谱峭度频谱滤波，通过比较包络谱与轴承故障理论计算结果，诊断出原始信号中所包含的故障类型。本发明可准确有效的诊断出复合故障组合形式，避免漏诊误诊，对机械设备运行状况的精确评估有重要价值。
-
公开(公告)号：CN104268705B
公开(公告)日：2018-02-27
申请号：CN201410521062.7
申请日：2014-09-30
Applicant: 国家电网公司 , 国网黑龙江省电力有限公司 , 华北电力大学(保定)
IPC: G06F17/30
Abstract: 一种电力物资配送中心选址方法，所述方法包括以下步骤：A、将目标区域划分为子区域；B、在各子区域内将配送中心设定在不同物流节点处，确定所述子区域内供应商和所述不同位置的配送中心到需求点的加权距离和；C、将各子区域内所述加权距离和最小处对应的配送中心位置确定为所述子区域的配送中心位置。通过采用本发明的电力物资配送中心选址方法，能够考虑供应商库存管理模式和联合库存管理模式的特点，基于虚拟库存技术和时间满意度确定合适的电力物资配送中心的选址，由此满足复杂的电力配送系统要求，优化资源，提高服务质量。
-
公开(公告)号：CN105221353B
公开(公告)日：2017-11-10
申请号：CN201510760679.9
申请日：2015-11-10
Applicant: 华北电力大学(保定)
IPC: F03D17/00
Abstract: 本发明提供了一种双馈风力发电机组的叶轮气动不对称故障的诊断方法，包括：在时间段t内同步采集叶轮的转速、双馈风力发电机的转子和定子的单相电流、有功功率；选取叶轮的转速平稳的时间段t1，并计算叶轮的转速平均值nw；判断转速平均值nw是否小于叶轮的额定转速nN；如果是，则计算叶轮的一倍转频fw；将时间段t1内转子的单相电流和/或定子的单相电流进行希尔伯特包络解调，并确定包络解调频谱图中是否存在故障频率nfw；如果存在，则计算时间段t1内双馈风力发电机组的有功功率的平均值P；如果有功功率的平均值P小于有功功率基值P1，则判定双馈风力发电机组存在叶轮气动不对称故障。本发明提高了诊断的准确性。
-
Patent Agency Ranking
公开(公告)号：CN102262215A
公开(公告)日：2011-11-30
申请号：CN201110111023.6
申请日：2011-04-29
Applicant: 华北电力大学(保定)
IPC: G01R31/34
Abstract: 一种大型发电机定转子气隙偏心故障检测方法，用于正确诊断发电机的各种气隙偏心故障并判断故障的严重程度。其技术方案是：它首先利用振动速度传感器采集定子垂向振动速度信号和转子水平振动速度信号，再将这两种信号滤波去噪后采用FFT算法变换为频谱信号，然后将变换后的频谱信号中的不同频率分量与定转子正常振动数据样本中的对应频率分量相比较，从而判断发电机是否存在定转子气隙偏心故障。本发明根据定子垂向振动速度信号和转子水平振动速度信号来诊断大型发电机内部气隙偏心故障，简单易行而且可弥补以转子振动特性为主的传统诊断技术的不足，为发电机的维护和维修提供重要的参考资料。
-
公开(公告)号：CN101375776A
公开(公告)日：2009-03-04
申请号：CN200810079542.7
申请日：2008-10-10
Applicant: 华北电力大学(保定)
Abstract: 一种智能公共淋浴系统，属控制技术领域，用于解决淋浴设施的调节及计费问题。其技术方案是：它由喷头、电磁阀、光电阀门以及计量与控制电路组成，所述电磁阀和光电阀门安装于喷头的供水管路中，所述光电阀门输出的流量信号接计量与控制电路的信号输入端，所述电磁阀的控制线圈接计量与控制电路的控制信号输出端。本发明操作方便、出水量可随意调节、并能根据不同的出水量实施精确、公平计费。
-
公开(公告)号：CN118911937A
公开(公告)日：2024-11-08
申请号：CN202410986818.9
申请日：2024-07-23
Applicant: 华北电力大学(保定)
Abstract: 本发明属于风电机组故障诊断技术领域，公开了一种基于转频波动特性的风电机组叶轮不平衡诊断方法，包括以下步骤：基于局部峰值搜索算法获取风电机组齿轮箱振动信号的时频脊线和叶轮瞬时转频曲线；对提取的叶轮瞬时转频曲线进行角域重采样，获得角域上的叶轮瞬时转频；运用最小二乘法原理对角域瞬时转频曲线进行多项式拟合去除趋势项，获得叶轮瞬时转频的波动项；对角域叶轮瞬时转频波动项进行傅里叶变换，获得频谱分析，提取并分析信号中频率成分，实现风电机组叶轮质量不平衡故障诊断。本发明采用上述一种基于转频波动特性的风电机组叶轮不平衡诊断方法，实现对风电机组叶轮不平衡故障的准确诊断，提升风电机组的运行可靠性和安全性。
-
公开(公告)号：CN116304868A
公开(公告)日：2023-06-23
申请号：CN202310203930.6
申请日：2023-03-06
Applicant: 华北电力大学(保定)
IPC: G06F18/241 , G06F18/21 , G06F18/214 , G06F18/15 , G06N3/0464 , G06N3/082 , G01M13/04
Abstract: 本发明公开了一种基于MFCNN模型的滚动轴承多故障诊断模型及方法，包括基于CNN模型改进的MFCNN模型，所述MFCNN模型包括依次设置的信号输入层、第一卷积层、第一批量归一化层、第一平均池化层、第二卷积层、第二批量归一化层、第二平均池化层、第三卷积层、第三批量归一化层、第三平均池化层、全局平均池化层和输出层。本发明采用上述基于MFCNN模型的滚动轴承多故障诊断模型及方法，通过对传统神经网络(CNN)的改进，能够大幅度提高轴承多故障分类时诊断结果的准确率。
-
公开(公告)号：CN116223955A
公开(公告)日：2023-06-06
申请号：CN202310227896.6
申请日：2023-03-10
Applicant: 华北电力大学(保定)
IPC: G01R31/00 , G06F18/214 , G06F18/2411 , G01R31/62 , G01H17/00
Abstract: 本发明公开了一种基于HPO‑SVM的电力变压器典型故障声纹诊断方法，包括以下步骤：S1，采集声纹数据输入分析计算机中；S2，对采集到的声纹信号进行CEEMDAN分解，然后进行包络谱峭度计算并筛选；S3，利用HPO算法对SVM中核函数的惩罚因子C与核函数参数g进行参数寻优，将最优位置的C与g值赋给SVM；S4，输入故障数据训练集到SVM中构建故障模型；S5，输入故障测试集检验HPO‑SVM算法对电力变压器声纹信号的诊断与分类能力。本发明采用上述一种基于HPO‑SVM的电力变压器典型故障声纹诊断方法，能够解决在处理存在故障特征重合的电力变压器声纹信号中存在分类结果混叠、收敛速度慢与分类效果差的问题。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.035 seconds)
