检索结果-维普期刊中文期刊服务平台

基于卷积神经网络的风电机组气动不平衡故障诊断方法研究: 1; 作者杨旺春梁雪孙传宗《太阳能学报》北大核心 2025年第3期531-537,共7页; 为解决风电机组中风轮气动不平衡的诊断问题,降低风电机组的运维成本,提出一种基于一维卷积神经网络的风轮不平衡识别方法。融合变分模态分解和相关峭度计算实现风轮气动不平衡的感知。并提出基于一维卷积神经网络的气动不平衡识别方法... 展开更多; 关键词风电机组机器学习故障诊断风轮不平衡卷积神经网络; 在线阅读下载PDF 职称材料

风轮不平衡载荷下超大型风电机组叶片颤振极限研究被引量：4: 2; 作者田德李贝 +3 位作者吴晓璇孟慧雯王浩东苏怡《太阳能学报》 EI CAS CSCD 北大核心 2024年第2期198-205,共8页; 以IEA Wind 15 MW参考风电机组为研究对象,基于非线性时域气弹耦合分析工具,研究风剪切、偏航入流、质量不平衡3种不平衡载荷单一或共同作用时,超大型风电机组叶片的颤振极限。结果表明,单一不平衡载荷作用时,风剪切和±15°以... 展开更多; 关键词风电机组叶片颤振稳定性气动弹性风轮不平衡载荷; 在线阅读下载PDF 职称材料

实度对低风速风电机组风轮气动性能影响研究被引量：3: 3; 作者郭珊珊韩巧丽 +2 位作者王一博李明刘丹《太阳能学报》 EI CAS CSCD 北大核心 2022年第8期373-381,共9页; 为提高低风速地区的风能利用率,研究风轮实度对低风速风电机组气动性能的影响。考虑影响风轮实度因素(叶片数量、弦长及安装角),设计2组不同弦长叶片与可调安装角轮毂。安装角改变时不仅会引起实度变化,还会使叶尖速比发生改变。通过车... 展开更多; 关键词风电机组气动 CFD 风轮实度低风速; 在线阅读下载PDF 职称材料

风轮不平衡的风电机组机械振动信号频域特性分析被引量：8: 4; 作者秦思远李峥峰《可再生能源》 CAS CSCD 北大核心 2022年第9期1202-1208,共7页; 风轮的平衡性直接影响到风电机组的安全运行和发电效率。为分析风轮不平衡对风电机组振动的影响,文章在GH Bladed中搭建了3 MW风电机组模型,仿真得到了正常和不平衡工况下的机舱振动加速度信号,并引入快速傅里叶变换和小波分解的方法将... 展开更多; 关键词风电机组风轮不平衡信号处理频域分析故障诊断; 在线阅读下载PDF 职称材料

基于支持向量机的风轮不平衡故障诊断方法研究被引量：1: 5; 作者曹沂风《太阳能学报》 EI CAS CSCD 北大核心 2024年第8期613-620,共8页; 针对风电机组风轮不平衡的识别与检测问题,提出一种基于多核融合支持向量机的风轮不平衡识别方法。首先,分析风轮不平衡的影响,提出一种基于变分模态分解(VMD)的信号分解与重构方法;其次,提出基于模糊熵的风轮不平衡特征提取方法,以高... 展开更多; 关键词风电机组状态监测机器学习风轮不平衡模糊熵支持向量机; 在线阅读下载PDF 职称材料

基于载荷数据的风电机组偏航系统故障诊断模型: 6; 作者马磊刘玉山 +4 位作者黄虎高俊云褚俊龙王灵梅贾成真《机电工程》 2025年第9期1689-1697,共9页; 针对山西某风电场机组偏航系统因载荷水平过高导致故障频发的工程问题,提出了一种基于载荷数据的风电机组偏航系统故障诊断方法。首先,建立了风电机组偏航系统载荷数学模型,得到了偏航系统承受的主要载荷;然后,应用GH Bladed软件搭建了... 展开更多; 关键词风电机组风轮气动不平衡偏航系统载荷特性数据监测故障分类识别偏航扭转力矩; 在线阅读下载PDF 职称材料

基于训练干扰卷积神经网络的风轮不平衡识别方法研究: 7; 作者陈明阳邢作霞 +2 位作者郭珊珊徐健刘洋《太阳能学报》 2025年第9期162-170,共9页; 针对对风工况下的风轮不平衡的识别问题,提出一种融合专家系统和卷积神经网络的风轮不平衡识别方法。首先,基于对风轮不平衡的响应分析,提出一种风轮不平衡检测的专家系统。甄别风轮不平衡的状态,隔离风轮不平衡类型,定位风轮不平衡叶... 展开更多; 关键词风电机组卷积神经网络专家系统故障诊断风轮不平衡; 在线阅读下载PDF 职称材料

题名基于卷积神经网络的风电机组气动不平衡故障诊断方法研究: 1; 作者杨旺春梁雪孙传宗; 机构国电电力广西风电开发有限公司辽宁中科经创智慧能源有限公司沈阳工业大学机械工程学院; 出处《太阳能学报》北大核心 2025年第3期531-537,共7页; 基金辽宁省科技厅博士启动基金(2019-BS-182) 航空发动机双转子系统非线性动力学建模及振动机理研究。; 文摘为解决风电机组中风轮气动不平衡的诊断问题,降低风电机组的运维成本,提出一种基于一维卷积神经网络的风轮不平衡识别方法。融合变分模态分解和相关峭度计算实现风轮气动不平衡的感知。并提出基于一维卷积神经网络的气动不平衡识别方法,以机舱的振动加速度作为输入,识别气动不平衡的具体程度。在不同湍流强度和噪声环境下进行交叉验证,识别结果的准确率在95%以上,证明该方法可应用于风轮不平衡的诊断中,提升风电机组运行的安全性。; 关键词风电机组机器学习故障诊断风轮不平衡卷积神经网络; Keywords wind turbines machine learning fault diagnosis rotor imbalance convolutional neural network; 分类号 TK81 [动力工程及工程热物理—流体机械及工程]; 在线阅读下载PDF 职称材料

题名风轮不平衡载荷下超大型风电机组叶片颤振极限研究被引量：4: 2; 作者田德李贝吴晓璇孟慧雯王浩东苏怡; 机构新能源电力系统全国重点实验室(华北电力大学); 出处《太阳能学报》 EI CAS CSCD 北大核心 2024年第2期198-205,共8页; 基金国家重点研发计划课题(2018YFB1501304)。; 文摘以IEA Wind 15 MW参考风电机组为研究对象,基于非线性时域气弹耦合分析工具,研究风剪切、偏航入流、质量不平衡3种不平衡载荷单一或共同作用时,超大型风电机组叶片的颤振极限。结果表明,单一不平衡载荷作用时,风剪切和±15°以内的偏航角会增大临界颤振速度,而质量不平衡会降低临界颤振速度,且质量偏重时颤振速度下降更加明显。3种不平衡载荷共同作用时,临界颤振速度的最大值和最小值都出现在剪切系数为0.3时;最大值总是在偏航角为非负值时取得,最小值在偏航角为-20°时取得;质量不平衡对临界颤振速度的影响与其单一作用时的规律一致。因此,在进行气弹稳定性分析时,应考虑多种风轮不平衡载荷共同作用,尤其是叶片质量偏重和偏航角度为-20°时这种最不利的情况。; 关键词风电机组叶片颤振稳定性气动弹性风轮不平衡载荷; Keywords wind turbine blades flutter stability aeroelasticity rotor imbalance loads; 分类号 TK83 [动力工程及工程热物理—流体机械及工程]; 在线阅读下载PDF 职称材料

题名实度对低风速风电机组风轮气动性能影响研究被引量：3: 3; 作者郭珊珊韩巧丽王一博李明刘丹; 机构内蒙古农业大学机电工程学院内蒙古农业大学能源与交通工程学院; 出处《太阳能学报》 EI CAS CSCD 北大核心 2022年第8期373-381,共9页; 基金内蒙古自治区应用技术研究与开发(2020GG0314)。; 文摘为提高低风速地区的风能利用率,研究风轮实度对低风速风电机组气动性能的影响。考虑影响风轮实度因素(叶片数量、弦长及安装角),设计2组不同弦长叶片与可调安装角轮毂。安装角改变时不仅会引起实度变化,还会使叶尖速比发生改变。通过车载试验验证安装角不同时对风轮气动性能的影响主要与叶尖速比相关。根据不同风轮表面压力分布数值模拟结果得出:相同风速下,弦长由叶根到叶尖逐渐增大的叶片更易启动。相同条件下,试验机组输出功率与数值模拟机组输出功率最大相差5.37%,说明数值模拟结果可信。随着风轮实度的增加,风速5 m/s时,其风能利用系数呈增大趋势,风速8 m/s时,其风能利用系数呈减小趋势,两趋势相交时实度为25.38%,得出该实度下风轮气动性能较优,即可得到适合低风速地区的风轮实度。; 关键词风电机组气动 CFD 风轮实度低风速; Keywords wind turbines aerodynamics computational fluid dynamics rotor solidity low wind speed; 分类号 TK83 [动力工程及工程热物理—流体机械及工程]; 在线阅读下载PDF 职称材料

题名风轮不平衡的风电机组机械振动信号频域特性分析被引量：8: 4; 作者秦思远李峥峰; 机构中广核新能源控股有限公司; 出处《可再生能源》 CAS CSCD 北大核心 2022年第9期1202-1208,共7页; 文摘风轮的平衡性直接影响到风电机组的安全运行和发电效率。为分析风轮不平衡对风电机组振动的影响,文章在GH Bladed中搭建了3 MW风电机组模型,仿真得到了正常和不平衡工况下的机舱振动加速度信号,并引入快速傅里叶变换和小波分解的方法将原始信号转换为频域信号和频域细节信号,并对比其频域特性。对比结果显示,不平衡工况下机舱振动加速度在风轮1倍转频处的幅值明显增大,细节信号的幅值和波动程度也有所增加,而气动不平衡的影响较质量不平衡更为严重。分析结果表明,机舱振动加速度信号可作为风轮不平衡故障的判别依据。; 关键词风电机组风轮不平衡信号处理频域分析故障诊断; Keywords wind turbine rotor imbalance signal processing frequency-domain analysis fault diagnosis; 分类号 TK81 [动力工程及工程热物理—流体机械及工程]; 在线阅读下载PDF 职称材料

题名基于支持向量机的风轮不平衡故障诊断方法研究被引量：1: 5; 作者曹沂风; 机构华北电力大学国际教育学院; 出处《太阳能学报》 EI CAS CSCD 北大核心 2024年第8期613-620,共8页; 文摘针对风电机组风轮不平衡的识别与检测问题,提出一种基于多核融合支持向量机的风轮不平衡识别方法。首先,分析风轮不平衡的影响,提出一种基于变分模态分解(VMD)的信号分解与重构方法;其次,提出基于模糊熵的风轮不平衡特征提取方法,以高斯核函数作为模糊函数,该方法具有较好的噪声鲁棒性和较低的数据长度依赖性;再次,提出基于多核融合支持向量机的风轮不平衡识别方法,融合不同特征和尺度的核函数组成核函数库,并选取最优核函数;最后,在不同湍流强度的仿真中建立交叉验证数据库对该方法进行验证,识别准确率在98%以上,证明该方法能有效识别风轮不平衡。; 关键词风电机组状态监测机器学习风轮不平衡模糊熵支持向量机; Keywords wind turbines condition monitoring machine learning rotor imbalance fuzzy entropy support vector machine; 分类号 TK81 [动力工程及工程热物理—流体机械及工程]; 在线阅读下载PDF 职称材料

题名基于载荷数据的风电机组偏航系统故障诊断模型: 6; 作者马磊刘玉山黄虎高俊云褚俊龙王灵梅贾成真; 机构山西大学自动化与软件学院; 出处《机电工程》 2025年第9期1689-1697,共9页; 基金山西省重点研发计划项目(202202060301004) 山西省基础研究计划联合项目(TZLH20230818008)。; 文摘针对山西某风电场机组偏航系统因载荷水平过高导致故障频发的工程问题,提出了一种基于载荷数据的风电机组偏航系统故障诊断方法。首先,建立了风电机组偏航系统载荷数学模型,得到了偏航系统承受的主要载荷;然后,应用GH Bladed软件搭建了目标风电机组的仿真模型,并根据实际工况条件对机组进行了模拟,通过仿真研究了该机组不同运行状态下的偏航载荷特性;然后,利用自主开发的风电机组偏航载荷监测系统,获得了机组实际运行过程中偏航载荷等相关数据;最后,对比分析了相同工况下机组偏航载荷数据与机理仿真模型的结果,并得出了机组偏航系统故障的原因,通过现场检查对诊断结果进行了验证。研究结果表明:在相同的边界条件下,机组运行过程中偏航扭转力矩在频域上叶轮转频处峰值达到504 dB,远高于仿真结果;偏航俯仰弯矩时域波幅达到3568 kNm,与仿真结果相比显著增大,与仿真模型风轮气动不平衡响应一致,由此确定了风轮气动不平衡是造成该风机偏航系统故障的原因。该研究可为解决风电机组偏航系统故障问题提供参考。; 关键词风电机组风轮气动不平衡偏航系统载荷特性数据监测故障分类识别偏航扭转力矩; Keywords aerodynamic imbalance of wind turbine yaw system load characteristics data monitoring fault classification and identification yaw torsional moment; 分类号 TH17 [机械工程] TM315 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名基于训练干扰卷积神经网络的风轮不平衡识别方法研究: 7; 作者陈明阳邢作霞郭珊珊徐健刘洋; 机构沈阳工业大学电气工程学院; 出处《太阳能学报》 2025年第9期162-170,共9页; 文摘针对对风工况下的风轮不平衡的识别问题,提出一种融合专家系统和卷积神经网络的风轮不平衡识别方法。首先,基于对风轮不平衡的响应分析,提出一种风轮不平衡检测的专家系统。甄别风轮不平衡的状态,隔离风轮不平衡类型,定位风轮不平衡叶片。其次,针对风况变化对识别准确率的影响,提出一种基于多层训练干扰卷积神经网络的风轮不平衡识别方法,融合变概率的Dropout方法和极小的Mini-batch两种训练干扰策略进行训练,模拟风况变化的不确定性。最后,建立交叉验证数据集,对所提出方法进行验证与测试,对风轮不平衡识别的平均准确率达到98%以上,证明了该方法的有效性。; 关键词风电机组卷积神经网络专家系统故障诊断风轮不平衡; Keywords wind turbines convolutional neural networks expert systems fault diagnosis rotor imbalance; 分类号 TM614 [电气工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于卷积神经网络的风电机组气动不平衡故障诊断方法研究	杨旺春梁雪孙传宗	《太阳能学报》北大核心	2025	0	在线阅读下载PDF 职称材料
2	风轮不平衡载荷下超大型风电机组叶片颤振极限研究	田德李贝吴晓璇孟慧雯王浩东苏怡	《太阳能学报》 EI CAS CSCD 北大核心	2024	4	在线阅读下载PDF 职称材料
3	实度对低风速风电机组风轮气动性能影响研究	郭珊珊韩巧丽王一博李明刘丹	《太阳能学报》 EI CAS CSCD 北大核心	2022	3	在线阅读下载PDF 职称材料
4	风轮不平衡的风电机组机械振动信号频域特性分析	秦思远李峥峰	《可再生能源》 CAS CSCD 北大核心	2022	8	在线阅读下载PDF 职称材料
5	基于支持向量机的风轮不平衡故障诊断方法研究	曹沂风	《太阳能学报》 EI CAS CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
6	基于载荷数据的风电机组偏航系统故障诊断模型	马磊刘玉山黄虎高俊云褚俊龙王灵梅贾成真	《机电工程》	2025		在线阅读下载PDF 职称材料
7	基于训练干扰卷积神经网络的风轮不平衡识别方法研究	陈明阳邢作霞郭珊珊徐健刘洋	《太阳能学报》	2025		在线阅读下载PDF 职称材料