排序方式: 共有15条查询结果,搜索用时 15 毫秒
1.
当滚动轴承出现早期故障时,其故障特征信号微弱,且环境噪声较大,因此其早期故障特征一般难以提取。针对上述问题,提出基于LMD与MCKD的滚动轴承早期故障诊断方法。为了克服局部均值分解(LMD)在早期故障诊断中易受噪声影响的不足,该方法对其包含故障信号大部分能量的前4个乘积函数(product function,PF)分量进行最大相关峭度解卷积(MCKD),突出轴承信号中淹没在噪声信号中的周期脉冲成分,最后再对其进行包络解调,便可得到轴承故障特征频率,进而对滚动轴承早期微弱故障进行诊断。实验信号验证了该方法的有效性。 相似文献
2.
风电机组齿轮箱作为传动系统重要组成部分,其运行状态关乎整个风电机组的健康运行。由于齿轮箱振动信号具有非线性、非平稳等特性,传统时频分析方法分解故障信号和提取故障特征的能力有限。因此,文章提出将深度学习应用于齿轮箱故障诊断中,通过构建一维卷积神经网络模型对齿轮箱不同状态下的特征向量进行高效提取、重构。同时,将模糊理论应用于分类器,构建一个模糊多分类器(FMC)对故障进行识别,提出了以平均隶属度作为故障等级判断标准。实验结果表明,文章所提方法在确保齿轮箱故障诊断高准确率的同时,提升了故障分类的精度。 相似文献
4.
文章提出了一种基于BP神经网络的双馈式风力发电机(DFIG)相间短路故障诊断方法,利用Park变换对DFIG进行建模,并对发生在DFIG定转子侧的相间短路故障进行了仿真,确定了在故障状态下,将DFIG定转子侧的电流量和电压量作为典型故障数据的可行性。在此基础上,通过典型故障数据对BP神经网络的训练,使新的诊断方法在DFIG发生相间短路故障时,能精确地对DFIG的相间短路故障类型进行判断。最后,利用MATLAB对神经网络进行编程设计和仿真分析,验证了该方法的可行性,为DFIG的相间短路故障诊断方法提供参考。 相似文献
5.
针对风电机组故障信号的非平稳性以及故障与征兆的非线性映射导致的故障识别困难问题,提出了改进型的节点重构小波包频带能量谱与PNN(概率神经网络)的联合故障诊断新方法。文章深入分析了传统小波包频带错乱的问题,借助傅里叶变换与傅里叶逆变换改进了小波包,消除了小波包频带错乱的缺陷。首次采用改进型小波包提取故障信号特征量作为PNN的输入,然后利用PNN快速准确的非线性映射能力进行故障诊断。最后,采用风力发电机故障试验台的故障轴承的实际数据对所提方法进行验证,结果表明,所提方法可行且有效。 相似文献
6.
为了在已投产的风光耦合发电站中实现制氢、储氢及燃料电池的最佳容量配比以及系统内部跟踪日前发电计划的优化调度,采用快速非支配排序遗传算法(NSGA-Ⅱ)实现了对容量配比多目标优化问题的求解,构建了考虑运氢量的风光氢发电系统内部跟踪日前发电计划的优化调度算法。首先,建立了各子系统的等效数学模型,提出了结合系统收益和全寿命周期年均值成本的经济性指标,以系统弃风弃光率、功率缺额率和经济性为目标得出制氢、燃料电池功率和储氢容量;其次,利用优化后的容量作为日前优化调度的约束条件,采用加权系数法建立了以日累计跟踪计划误差最小和储氢压力波动最小的单目标数学优化模型,利用Yalmip求解器对模型进行了求解;最后在Matlab中对所建立的模型进行了仿真和验证,得到了系统的最优容量配比,实现了系统内部跟踪日前发电计划的优化调度。 相似文献
7.
8.
9.
为了平抑风电波动并且保证储能荷电状态(SOC)跟踪给定目标值,针对风储协调优化控制,给出了一种风储多时间尺度的柔性控制策略。首先,采用正态分布的方法分析了风储的容量配比。其次,采用带死区的滑动平均值滤波算法对风电场分钟级运行数据进行平滑,利用模型预测控制(MPC)原理,结合风电场超短期风功率预测数据,实现了储能小时级充放电功率的滚动优化。最后,在Matlab中搭建了钒液流电池模型和柔性控制策略模型,采用风电场的实际运行数据对模型进行了仿真验证。仿真结果表明,风储柔性控制策略是正确和有效的,在降低风电波动的同时又能保证储能SOC不偏离目标值。 相似文献
10.
针对循环流化床(CFB)锅炉复杂特性下建模困难的情况,借助神经网络良好的非线性映射能力,利用山西某电厂300MW循环流化床机组的运行数据,研究了锅炉燃烧过程的主要参数关系,建立了给煤对主汽压力以及一、二次风对床温参数的非线性动态辨识模型。仿真结果显示预测与实际值误差较小,说明所建立的模型能反映研究对象的实际运行状况,预测模型可以作为下一步预测控制的基础。 相似文献