-
公开(公告)号：CN111723658B
公开(公告)日：2022-06-10
申请号：CN202010401002.7
申请日：2020-05-13
申请人： 江苏方天电力技术有限公司 , 国网江苏省电力有限公司 , 华中科技大学
摘要： 本发明公开了一种基于卷积神经网络的旋转机械故障征兆识别方法，包括以下步骤：（1）采集旋转机械的轴心对的振动信号；（2）对采集到的轴心对的振动信号进行傅里叶变换，获得振动信号的频域信息矩阵；对采集到的轴心对的两个振动信号进行组合，获得振动信号的时域信息矩阵；（3）按照预先训练过的卷积神经网络模型的输入形式，对频域信息矩阵和时域信息矩阵进行预处理，得到振动综合信息矩阵；（4）将振动综合信息矩阵输入到所述卷积神经网络模型，所述卷积神经网络模型对接收到的振动综合信息矩阵进行诊断分析，得到旋转机械的故障征兆结果。采用本发明的方法，可以得到旋转机械的故障征兆，辅助实现旋转机械故障的实时智能诊断。
-
公开(公告)号：CN112082720A
公开(公告)日：2020-12-15
申请号：CN202010919626.8
申请日：2020-09-04
申请人： 江苏方天电力技术有限公司 , 国网江苏省电力有限公司 , 华中科技大学
IPC分类号： G01M7/02
摘要： 本发明公开了一种固定转速旋转机械振动故障早期预警值确定方法，利用正常振动原始数据，通过傅里叶变换得到系列振动分量（幅值、相位），将各振动分量的振动幅值和相位结合成矢量，通过矩运算来自动确定安全区域。因此，该方法能够将振动监测变成各倍频和特征频率下矢量的概念，从而更加全面的监测设备状态，为设备预测性维修提供可靠依据。
-
公开(公告)号：CN111723658A
公开(公告)日：2020-09-29
申请号：CN202010401002.7
申请日：2020-05-13
申请人： 江苏方天电力技术有限公司 , 国网江苏省电力有限公司 , 华中科技大学
摘要： 本发明公开了一种基于卷积神经网络的旋转机械故障征兆识别方法，包括以下步骤：（1）采集旋转机械的轴心对的振动信号；（2）对采集到的轴心对的振动信号进行傅里叶变换，获得振动信号的频域信息矩阵；对采集到的轴心对的两个振动信号进行组合，获得振动信号的时域信息矩阵；（3）按照预先训练过的卷积神经网络模型的输入形式，对频域信息矩阵和时域信息矩阵进行预处理，得到振动综合信息矩阵；（4）将振动综合信息矩阵输入到所述卷积神经网络模型，所述卷积神经网络模型对接收到的振动综合信息矩阵进行诊断分析，得到旋转机械的故障征兆结果。采用本发明的方法，可以得到旋转机械的故障征兆，辅助实现旋转机械故障的实时智能诊断。
-
公开(公告)号：CN106778723A
公开(公告)日：2017-05-31
申请号：CN201611065764.4
申请日：2016-11-28
申请人： 华中科技大学
CPC分类号： G06K9/2054 , G06T7/0004 , G06T2207/30164
摘要： 本发明公开了一种复杂背景环境中的风力机叶片表面图像提取方法，其包括如下步骤：(1)在风力机每个叶片的迎风面处分别设置方形黑白格标记图，粘贴的位置为平面且与叶片迎风面平行，进而利用标记图的姿态代替叶片姿态；(2)利用摄像头对风力机运行图像进行采集，并将采集到的图像实时传输至工控机中；(3)对摄像头采集到的图像信息进行图像处理以获得叶片表面图像，并根据叶片上的标记图获得风力机叶片信息。本发明可实现对野外环境中运行风力机叶片图像的提取，简化了分析处理过程、加快了分析速度。
-
公开(公告)号：CN105736252A
公开(公告)日：2016-07-06
申请号：CN201610073742.6
申请日：2016-02-02
申请人： 华中科技大学
IPC分类号： F03D17/00
摘要： 本发明公开了一种用于风电机组运行巡检技术领域的风电机组便携式点检记录仪。本发明主要由CPU控制模块、电源模块、存储模块、通信模块、输入输出模块、模数A/D转换模块、数据采集模块和点检信息管理模块组成。本发明除了温度、振动等传统数据采集分析功能外，增加了图像采集、音频采集等功能，可实现点检信息的全部数字化，同时具有有线与无线通信功能；该设备还具有维修指导功能，可存储风电机组的包括电路图、技术参数和服务手册等技术资料，并可实时接受风电场控制中心的指导，方便点检人员解决某些紧急问题，实现点检与维修的智能化和一体化。
-
公开(公告)号：CN104504200B
公开(公告)日：2018-04-24
申请号：CN201410808646.2
申请日：2014-12-23
申请人： 华中科技大学
摘要： 本发明公开了一种用于旋转机械在线振动监测的趋势曲线图显示方法，包括以下步骤：1)选择数据时间段及振动指标；2)读取数据库中的基础监测数据；3)选定绘图策略：将基础监测数据按点集密度绘图或按统计策略绘图；4)分坐标系绘制趋势曲线图。本发明通过选择数据时间段及振动指标，获取基础监测数据，选定绘图策略，并按照绘图策略处理数据，将处理所得分区域绘制趋势曲线图。本发明在趋势曲线图生成过程中，增加了数据处理，包括数据筛选和运算，使趋势曲线图更加直观、明确；再显示过程中分区域显示，便于进行数据对比。
-
公开(公告)号：CN105894133B
公开(公告)日：2017-04-26
申请号：CN201610312605.3
申请日：2016-05-12
申请人： 华中科技大学
IPC分类号： G06F19/00
CPC分类号： Y04S10/54
摘要： 本发明公开了一种风电机组部件维修及备品备件需求预测方法。本发明公开的方法包括获取部件可靠度函数、设置部件维修参数、确定检测维修措施、部件运行寿命计算和备品备件需求预测五大步骤。其中，设置部件维修参数采用周期性预防维修方式，并考虑随机故障的影响；维修措施包括更换维修、不完全维修和最小维修，并以部件可靠度作为维修决策阈值。本发明提供的维修方法可以真实的反映部件实际运行维修情况，并可根据风电场情况作出应对调整，具有较强的可操作性和灵活性；本发明还可预测风电场备品备件需求，从而对风电场的实际运行和资源管理提供指导。
-
公开(公告)号：CN103982378B
公开(公告)日：2017-01-11
申请号：CN201410171787.8
申请日：2014-04-25
申请人： 广东电网公司电力科学研究院 , 华中科技大学
IPC分类号： F03D80/40
CPC分类号： Y02E10/722
摘要： 本发明公开了基于机器视觉图像对电力系统风力发电机叶片表面结冰故障进行诊断的方法，包括如下步骤：步骤一、划分风力发电机叶片，获得叶片基元；步骤二、对风力发电机叶片基元进行拍照，并对背景进行剔除；步骤三、对步骤二获得的叶片基元结果图像进行二次划分成图像基元，并对基元结果图像进行特征提取；步骤四、对故障诊断所用的支持向量机进行训练；步骤五、使用训练好的支持向量机对风力发电机叶片基元的表面故障种类进行诊断；步骤六、对所有的叶片基元均进行步骤二、三、五的操作，直至完成整片叶片的表面结冰故障诊断。该方法诊断精度高。
-
公开(公告)号：CN105894133A
公开(公告)日：2016-08-24
申请号：CN201610312605.3
申请日：2016-05-12
申请人： 华中科技大学
CPC分类号： Y04S10/54 , G06Q10/04 , G06Q10/06375 , G06Q50/06
摘要： 本发明公开了一种风电机组部件维修及备品备件需求预测方法。本发明公开的方法包括获取部件可靠度函数、设置部件维修参数、确定检测维修措施、部件运行寿命计算和备品备件需求预测五大步骤。其中，设置部件维修参数采用周期性预防维修方式，并考虑随机故障的影响；维修措施包括更换维修、不完全维修和最小维修，并以部件可靠度作为维修决策阈值。本发明提供的维修方法可以真实的反映部件实际运行维修情况，并可根据风电场情况作出应对调整，具有较强的可操作性和灵活性；本发明还可预测风电场备品备件需求，从而对风电场的实际运行和资源管理提供指导。
-
公开(公告)号：CN104504200A
公开(公告)日：2015-04-08
申请号：CN201410808646.2
申请日：2014-12-23
申请人： 华中科技大学
摘要： 本发明公开了一种用于旋转机械在线振动监测的趋势曲线图显示方法，包括以下步骤：1)选择数据时间段及振动指标；2)读取数据库中的基础监测数据；3)选定绘图策略：将基础监测数据按点集密度绘图或按统计策略绘图；4)分坐标系绘制趋势曲线图。本发明通过选择数据时间段及振动指标，获取基础监测数据，选定绘图策略，并按照绘图策略处理数据，将处理所得分区域绘制趋势曲线图。本发明在趋势曲线图生成过程中，增加了数据处理，包括数据筛选和运算，使趋势曲线图更加直观、明确；再显示过程中分区域显示，便于进行数据对比。
-
-
-
-
-
-
-
-
-
搜索结果
20 条记录 (耗时 0.103 秒)
