基于MIC-LSTM的风电机组温度信号融合与预测方法

为解决风电机组齿轮箱工作状态监测问题,提出一种基于LSTM神经网络的齿轮箱油温预测方法。通过MIC相关性分析,筛选出与目标参数相关性高的参数输入模型;采用滑动平均窗口法预处理得到时间序列,运用LSTM神经网络建立齿轮箱油槽温度预测模型,选取均方根误差、平均绝对百分比误差、决定系数3个指标评价结果精度;基于中华山风电场监测数据进行了试验,并对比了隐藏层数目、隐藏层记忆单元数目及训练次数对试验结果的影响。将此方法与SVM模型方法进行了对比,结果为MIC-LSTM方法在预测精度上更加可靠。结果表明,此方法可实现风电机组齿轮箱的油温预测。

风电塔筒螺栓超声应力检测工程应用

针对中华山项目组16号机位风电组塔筒基础下端段高强度螺栓,采取不拆卸状态下轴向紧固力检测,首先根据超声波应力检测原理,建立函数模型关系,针对同材质的高强度42CrMo螺栓进行声弹系数标定实验,通过测量空载和加载状态的横纵波声时值得到声弹性系数,基于实验得到的声弹性数据,在现场运用超声波螺栓应力检测仪进行现场试验,记录试验结果。实验表明该检测方法能够有效、快速、且准确地测算出螺栓紧固轴向力,且更加易于操作。

风机齿轮箱单对直齿轮裂纹状态下动力学建模与响应研究

针对风电机组传动系统所处的重载、高速工况,以一对直齿轮为研究对象,建立了该齿轮副在齿轮裂纹生长的不同阶段的时变啮合刚度模型,并进一步建立了具有扭转和横向振动的六自由度动力学模型。通过计算齿轮裂纹不同生长阶段下系统的振动响应,实现了齿轮裂纹程度与动态响应之间的定性匹配,得到了齿轮裂纹故障对系统传动性能的影响,能够为齿轮副的设计和故障诊断提供一定的理论指导。