公开(公告)号：CN115750228A

公开(公告)日：2023-03-07

申请号：CN202211369319.2

申请日：2022-10-28

Applicant: 燕山大学

Inventor： 江国乾 ,  白佳荣 ,  苏楠 ,  武鑫 ,  谢平 ,  李小俚

IPC: F03D17/00 ,  F03D7/02 ,  F03D7/04

Abstract: 本发明提出一种风电机组变桨系统故障预警方法，属于风电机组故障预警领域，首先，从风电场的数据采集与监测控制(SCADA)系统中选取与变桨系统相关的特征数据；然后，针对SCADA数据中存在的离群点，利用线性回归模型对数据进行清洗。最后，针对风电机组变桨系统的对称结构特点，设计了能够充分提取具有对称特征变量的变桨结构编码网络，通过分组卷积特征学习模块实现对变桨特征变量的分组编码学习，进一步利用特征注意力机制自动提取重要的特征信息。本发明所设计的变桨结构编码网络融合了变桨系统的结构信息，能够更加有效的挖掘不同特征变量内在的关联特征，具有早期故障预警能力强、预警误报率低的特点。

公开(公告)号：CN115165347A

公开(公告)日：2022-10-11

申请号：CN202210876226.2

申请日：2022-07-25

Applicant: 燕山大学

Inventor： 何群 ,  赵汝春 ,  江国乾 ,  谢平 ,  陈慧轩 ,  苏楠 ,  王景

IPC: G01M13/021 ,  G01M13/028 ,  G06F17/13 ,  G06F17/15 ,  G06F17/18 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于微分数据增强的信息交互融合齿轮箱故障诊断方法，属于风电齿轮箱故障诊断技术领域，包括：采集风电齿轮箱中传感器的原始数据；对原始数据分别进行一阶微分和二阶微分操作，得到含有原始数据互补信息的一阶微分和二阶微分数据；将一阶微分数据、二阶微分数据和原始数据在卷积网络进行特征提取后并行输入到信息交互融合模块进行特征交互融合；将获得的多个特征向量在通道维度拼接并通过故障分类模块得到最终诊断结果。本发明使用多种模态数据作为原始数据输入，有效地解决了风电齿轮箱数据采集成本高、特征提取困难等问题，提供了一种原始数据信息增强的途径与信息交互融合方法，极大的提高了风电齿轮箱故障检测的准确性和可靠性。