一种基于盲源分离和流形学习的风电机组轴承故障特征提取方法

提出一种基于盲源分离(blind source separation,BSS)和流形学习算法的风电机组轴承故障特征提取方法,首先对采集的振动信号利用独立成分分析(independent component analysis,ICA)进行盲源分离,计算各源信号的峭度和负熵,然后对源信号进行包络分析并提取上、下包络线矩阵的奇异值,将峭度、负熵和奇异值组成高维特征向量,最后利用拉普拉斯特征映射流形学习算法(Laplacian eigenmaps,LE)挖掘出高维数据中包含有效信息且具有内在规律性的低维特征。该方法充分利用并有效结合ICA在信号处理和LE在挖掘特征信息方面的优势,实现风电机组轴承故障特征的提取。算例结果表明该方法可有效提取轴承故障特征。     

基于最大信噪比的风电机组主轴承的故障特征提取

针对风电机组结构复杂、滚动轴承早期故障特征信号往往易受正常信号和现场噪声的干扰而不易识别以及信噪比低的问题,在原有盲源分离方法的基础上提出一种新的故障特征提取方法,该方法首先对原始振动信号进行包络解调分析和小波去噪,有效抑制信号的高频干扰,再采用基于最大信噪比的盲源分离方法对得到的小波包络解调信号进行分离,最后对分离后的信号进行频谱变换,从频谱图上可以清晰地观察出轴承的故障特征频率。实例分析表明,使用此方法对实测的风机主轴承故障振动信号进行分析能够有效提取出轴承的故障特征,有助于实现轴承的在线故障诊断。     

基于多重分形去趋势波动分析的风力机轴承故障诊断

风力机传动轴轴承振动信号具有典型的非平稳和非线性特征,传统状态监测及故障诊断方法难以同时满足故障程度识别及部位诊断的需求。为此,针对定速轴承故障数据及变速的风力机轴承故障数据,采用多重分形去趋势波动分析方法,分析轴承在正常和不同故障状态下振动信号的多重分形特征,采用3种多重分形谱参数以表征振动信号的分形特征,结果表明:多重分形去趋势波动分析方法对于定速轴承和变速轴承均能进行有效的故障状态识别;轴承振动信号具有典型的多重分形特性,且较之正常状态,故障状态下多重分形特性更为明显,多重分形谱函数峰值对应的奇异指数更小,且当轴承处于内环故障时最小时,说明该参数可有效判断轴承运行状态及故障位置。因此,通过多重分形去趋势波动方法可获取故障特征参数,为风力机轴承故障诊断提供理论基础和实现途径。     

基于PCA-UPF的风力机轴承剩余寿命预测方法

为解决风力机轴承退化指标提取困难与剩余寿命预测精度低的问题,提出一种基于主成分分析(PCA)和无迹粒子滤波(UPF)的预测方法。该方法主要包括退化指标提取和寿命预测2个步骤。在退化指标提取部分,通过PCA对轴承实时振动信号的多域原始特征集进行融合,得到能够反映轴承衰退趋势的退化指标。在剩余寿命预测部分,通过对轴承历史数据的拟合分析构建退化模型,再利用UPF算法对模型参数进行更新,实现对轴承退化状态的跟踪和预测。使用实际风力机轴承监测数据对所提方法进行验证,结果表明该方法相比于传统的粒子滤波PF方法,能有效降低粒子退化程度,从而显著提高轴承剩余寿命预测精度,为大型风电机组的健康管理和可靠性评估提供参考依据。     

基于连续平均谱负熵改进经验小波变换的风力机齿轮箱故障诊断

针对经验小波变换（Empirical Wavelet Transform,EWT）对强噪声环境下风力机齿轮箱轴承轻微故障特征提取不足的问题,利用滑移窗口提取子带的连续平均谱负熵（Continuous Average Spectral Negentropy,CASN）对EWT算法进行改进。通过CASN-EWT方法分解风力机齿轮箱轴承故障信号,采用峭度准则对所得分量进行筛选并重构,再开展包络分析,准确提取出故障特征。结果表明：CASN-EWT方法在保留EWT算法自适应性和有效避免模态混叠效应与端点效应优点的同时,能够极大提高EWT分解算法对噪声影响的鲁棒性,有利于准确提取故障特征频率,实现故障精确识别。     

基于EEMD峭度-相关系数准则的多特征量风电机组轴承故障诊断

针对风力发电机组轴承故障振动信号具有高噪声、非线性、非平稳的特性,提出了一种集成经验模态分解与峭度-相关系数准则和多特征量提取的风电机组轴承故障程度的诊断方法。利用集成经验模态将振动信号分解成若干个本征模态分量,采用峭度和相关系数准则选取一组包含信息量最丰富的分量,对该组分量从时域指标、自回归模型参数矩阵的奇异值和能量熵3个角度的变化中提取和构造多特征量矩阵,输入支持向量机建立故障程度不同的多分类预测模型,优化核参数和惩罚参数取得轴承故障程度最佳预测精度。通过实验室数据验证了该方法是一种可行的风电机组轴承故障诊断方法,可实现对风电机组轴承故障早期处于的轻度、中度和重度等3种相对故障程度的准确分类和识别。     

基于AEWT-KELM的风电机组轴承故障诊断策略

针对风力发电机组轴承故障振动信号传递路径复杂多变,且故障信号易受到背景噪声的严重干扰,传统方法对故障特征难以准确提取的问题,提出一种自适应经验小波变换（AEWT）与奇异值分解（SVD）的特征提取方法,并结合核极限学习机（KELM）实现风电机组轴承的故障诊断,该方法同时考虑轴承不同故障类型及不同损伤等级的情况。其中,自适应EWT为两阶段调整过程：基于尺度空间法固有模态函数（IMF）分解-确保EWT分解的有效性、基于相关系数最大的敏感分量提取-实现相关特征最大化和冗余信息的消除。通过相关实验结果可明显发现,所提AEWT的分解效果优于EMD、EEMD、CEEMDAN、LMD等方法。对提取敏感分量利用SVD计算奇异值,构建故障特征向量;最后将特征向量作为KELM的输入,建立KELM轴承状态识别模型。通过西储大学平台轴承振动信号和实际风场采集的轴承振动信号对算法进行验证,结果表明,相比SVM、ELM、KNN等识别模型,该方法能有效识别出不同故障类型及不同损伤等级下的轴承故障,整体识别率达99%。     

基于时频谱图和粗糙集的柴油机故障图像纹理特征自动提取

将图像纹理特征提取技术引入到柴油机连杆轴承磨损故障诊断中,首先采用连续小波变换对柴油机连杆轴承振动信号进行时频分析,为了减少循环波动的影响,将三个工作循环信号的时频分布平均为一个工作循环信号的时频图;然后将不同磨损工况的时频分布图转化为灰度图像,提取基于灰度共生矩阵四个角度的图像纹理特征参数;最后利用变精度粗糙集理论提取与故障程度强相关的特征参数。诊断实例表明:灰度共生矩阵能够反映柴油机连杆轴承不同磨损工况,变精度粗糙集可以从中提取出与故障程度强相关的五个关键参数用于分辨连杆轴承的四种磨损工况,小波时频图像特征提取和变精度粗糙集相结合能实现连杆轴承故障特征的自动提取。     

基于形态学分形和极限学习机的风电机组轴承故障诊断

风力发电机组滚动轴承工况往往比较恶劣,其故障振动加速度信号具有非平稳、非线性的特性,而传统的时频域方法提取故障特征时存在不准确、适应性差等问题,针对此提出一种基于局部均值分解(LMD)和形态学分形维数的特征提取算法,并结合极限学习机(ELM)完成风电机组轴承故障诊断。该方法同时考虑滚动轴承在不同损伤程度以及不同故障类型下的情况,首先将原始振动信号进行LMD自适应分解为一系列不同频率的乘积分量(PF);接着计算所有分量与原信号的相关性系数,选择相关系数值最大的前3个PF分量作为敏感变量;并利用形态学覆盖估计所选PF分量的分形维数,构建故障特征向量组;之后将其作为ELM的输入,将轴承状态作为输出,建立ELM轴承状态识别模型。最后使用西储大学平台轴承数据和实际风场采集故障数据对算法进行验证,结果表明,该方法能够有效识别轴承不同损伤程度以及不同故障,整体识别率达到99%以上。     

小波神经理论在风力机齿轮箱故障诊断系统中的应用

风力机齿轮箱振动信号是一种时频特性复杂的非平稳信号,常规的时域和频域分析方法难以有效的分析齿轮箱故障及提取故障特征。提出一种基于小波分析和神经网络的风力机齿轮箱故障诊断方法,该方法采用小波时频分析技术对风力发电机故障振动信号进行消噪滤波,通过小波包分解系数求取频带能量,根据各个频带能量的变化提取故障特征,为实现智能诊断提供故障特征值。应用BP神经网络进行故障识别,并采用LabVIEW和matlab软件予以实现。结果表明,该方法能有效提高风力发电机组齿轮箱故障诊断的准确性。     

风力发电在渭河堤防工程的开发展望

渭河横贯关中腹地,风力资源丰富,风能是一种环保的可再生能源。渭河堤防全线贯通,为开发利用河道风力优势提供了方便。发挥渭河流域河道堤防潜能,建立风力发电场,将风能转化为电能,可提升河道的经济能效,美化沿岸环境,促进周边城市的旅游发展和经济发展。     

Studies on the effect of temperature of the electrolytes on the rate of production of hydrogen

In this technical note, the electrolysis of a synthetic alkaline electrolyte was carried out at different temperatures varying between 10°C and 80°C and the effect of temperature on the rate of hydrogen production was studied. It was found that at a higher temperature of the electrolyte the rate of production of hydrogen was higher. However, the rise in the efficiency of the production of hydrogen was not significant at higher temperatures.     

凝汽器有缺陷对循环水系统经济运行方式的影响

以热力系统变工况为基础建立了凝汽器真空的变化对机组运行经济性影响的数学模型，研究了凝汽器存在缺陷对开式循环水系统优化结果的影响。对具有两台循环水泵的300MW凝汽机组计算表明，凝汽器存在缺陷导致其传热系数降低时，双泵运行比单泵运行更经济的临界负荷也随之降低。这一结论对指导循环水系统的经济运行具有一定的理论和实际意义。     

“U”型井开发煤层气适应性研究

国内外煤层气研究成果和生产实践证明,需要不同类型的钻井开发煤阶、含气量、含水量等关键参数相异的煤层,以实现煤层气产能最大化。作为一个新的钻井类型,研究"U"型井适合钻探的煤层类型对于提高其产能,实现中国煤层气产业化至关重要。为此,选取沁水、鄂尔多斯盆地等中、高煤阶盆地,根据其地质资料及煤层气生产资料,从煤阶、煤层厚度、煤割理与钻进方向关系、含水量、煤层倾角等方面阐述了"U"型井钻井适应性,认为低煤阶煤层因硬度、密度低,采用"U"型井钻探容易引起坍塌;"U"型井采用两井连通、地质导向、远距离穿针等新技术,而厚煤层在有效使用这些技术的同时,更容易实现在煤层中钻进;"U"型井具有水平井和直井两个井口,可以更有效排出高含水煤层中的承压水,同时也可利用煤层坡度,将直井设置在煤层下倾方向,利用重力排水采气;"U"型井中的水平井具有方向性,垂直于面割理方向钻进可以获得较大产能。以上研究成果表明:"U"型井可以有效开发割理发育、具一定倾角、高含水的中高煤阶厚储层。该研究成果为"U"型井高效开采煤层气指明了方向。     

粗糙度对压气机叶栅性能影响研究

受工作环境的影响,空气中的杂质进入到压气机内部,这些杂质冲击压气机部件表面造成壁面粗糙度增加,严重时会造成叶片损伤,严重影响压气机的安全稳定运行。为了分析粗糙度造成压气机性能衰退的气动原因,首先需要研究粗糙度对叶栅性能的影响。选择某双弧形压气机叶栅作为研究对象,首次使用一种多控制点叶型型线变化的方法模拟二维粗糙叶片表面,从而实现粗糙叶片的物理模型体现。数值模拟计算过程中避开了传统的、经验式的壁面函数方程,提高了数值模拟对于粗糙表面的计算精度。研究了不同粗糙度以及不同粗糙位置条件下叶栅各方面的损失变化。研究结果表明：当叶栅表面完全粗糙时,尾迹损失值较光滑叶栅升高33%;叶背前缘20%位置的粗糙度对叶栅性能影响最大。     

叶顶间隙对离心式压气机效率的影响研究

针对涡轮增压器压气机的叶顶间隙进行数值模拟计算,探究其对压气机效率损失的影响。研究结果表明:在均匀叶顶间隙下,随着叶顶间隙的增大,压气机的效率随之降低;在恒定转速下,随着压气机稳定流量的增加,叶顶间隙变化引起的效率衰减量逐渐增加;在恒定流量下,随着压气机转速的增加,叶顶间隙的变化引起的效率损失逐渐减小;在变叶顶间隙下,叶轮出口叶顶间隙的减小可以使压气机效率得到明显的改善。     

可再生能源电厂并网对地区电网的影响

生物质能发电、风电、水电等可再生能源机组的并网将改变地区原有的电力系统的特性.文章从地区电网的动态稳定性、供电可靠性、调度运行、网供负荷预测、电能质量等方面就可再生能源电厂并网对地区电网的影响进行了分析,对如何消除不利影响,实现电网安全、稳定、经济地运行,提出了一些对策.     

上风向山头对风电机组的安全性影响研究

  目的  由于生态保护和风场边界等条件的限制,有些机位点的主风向方向存在明显山头障碍物遮挡,影响了机组的发电量和安全性能,文章旨在研究减小山头对机组影响的方法。  方法  基于STAR-CCM+软件平台对主风向上有山头遮挡的机位点附近地形进行了数值模拟,分析了扇区管理、提高轮毂高度、地形修整等方法对机组的安全影响。  结果  结果表明:扇区管理、提高轮毂高度和地形修整都能改善风机的安全性。但在该项目中,采用双平台的地形修整的方法对改善风机安全性更加有效。  结论  分析结果可为如何降低来风方向的山头对风机的影响提供方法参考。     

管束模块位置对凝汽器性能影响的研究

采用数值模拟方法研究了某双管束模块凝汽器壳侧的蒸汽流动、传热情况,定量分析、比较了不同管束模块布置位置对于凝汽器性能的影响。结果表明将管束模块对称地布置于凝汽器中心位置时,凝汽器性能并非最佳,将管束模块往壳壁方向稍做偏移可能会获得较低的凝汽器压力。论文工作为凝汽器的工程设计提供有益的思路和参考。