当采用振动监测诊断方法,振动监测系统显示上述某个频率以及这个频率的倍数频率幅值异常,说明产生该频率的零件处于故障状态。图3-2中显示某风力发电机组齿轮箱轴承内圈频率BPFI以及BPFI的倍数频率幅值超过正常值,接近上限,说...[继续阅读]

    本章主要介绍了风电机组故障的分类,分析了风力发电机组主要部件故障类型及维护方法,提出了基于振动特性分析的故障诊断方法,给出了故障诊断的标准和实例分析。...[继续阅读]

    风力发电机制动系统中的闸瓦、制动油缸摩擦衬垫是风电设备的重要部件,在运行过程中一旦发生故障,则会造成巨大损失。本章结合国内外的研究现状,通过对风力发电机制动器闸瓦等关键部件工作状态的监测,利用模糊神经网络工具...[继续阅读]

    闸瓦摩擦系数的大小与闸瓦温升、滑速和比压三个因素有关,其中温升影响最大。由于风力发电机在负载状态下高速运转,在制动过程中闸瓦温度会急剧上升,影响了摩擦系数,而摩擦系数的改变又会对制动系统性能产生很大的影响。因...[继续阅读]

    4.3.1衬垫摩擦系数性能的评判指标制动闸衬垫是风力发电机的关键部件,必须对其进行严格的质量控制。近年来,国内有关衬垫摩擦系数的理论及试验研究均有所开展,并已推出许多新型衬垫材料及产品。这对提高摩擦风力发电机的技术...[继续阅读]

    综合诊断的基本方法有以下几种:基于概率的综合诊断;基于Bayes的综合诊断;基于证据理论的综合诊断;基于知识的模糊综合诊断。基于Bayes理论的综合诊断方法适合于先验信息比较充分的场合,不同来源和不同时期的基于概率的综合故...[继续阅读]

    本章主要对制动系统关键部件常见故障的机理进行了研究,提出了基于模糊神经网络的故障诊断方法,其研究内容有以下三个方面:(1)开展了闸瓦温升和闸瓦摩擦系数对制动安全影响机理的研究,提出了基于神经网络的闸瓦摩擦系数综合...[继续阅读]

    从智能诊断技术的发展来看,单一的诊断理论与诊断技术都不能很好地解决实际问题[91],在风力发电机诊断方面也不例外。本章重点研究风力发电机故障智能诊断系统的组成与建立。根据风力发电机运行故障参数多、诊断复杂的特点...[继续阅读]

    为了提高诊断速度和系统的自适应性、自学习能力,风力发电机的故障知识需要采用模糊神经网络方法表示[52]。模糊逻辑主要模仿人脑的逻辑思维,具有较强的结构性知识表达能力;神经网络模仿人脑神经元的功能,具有强大的自学习能...[继续阅读]

    故障树模型是一个基于研究对象结构、功能特征的行为模型,它是一种定性的因果模型,是一种体现故障传播关系的有向图。它从诊断对象最不希望发生的事件为顶事件,按照对象的结构和功能关系逐层展开,直到不可分事件(底事件)为...[继续阅读]