一种风电机组轴承健康劣化趋势预测方法

以风电机组轴承为研究对象,利用SCADA监测有关参数,计算这些参数与轴承温度的相关系数,对其归一化后得到各参数的影响权重,然后基于温度特征量构建轴承健康劣化度模型。应用改进的集合经验模态分解(EEMD)将具有非平稳性特性的劣化趋势分解为一系列相对平稳的分量,采用时间序列神经网络模型分别预测各类分量,叠加所有预测分量得到最终预测结果。结果表明:本文方法的预测精度较高,提高了与实际劣化度曲线的吻合程度。

风电机组轴承健康劣化趋势建模与仿真

以风电机组轴承为研究对象,利用SCADA(Supervisory Control And Data Acquisition)监测参数,应用最小二乘曲面拟合算法,建立轴承温度健康状态劣化趋势模型。改进并应用EEMD(Ensemble Empirical Mode Decomposition)方法,分解具有非平稳性特性的轴承劣化趋势为一系列相对平稳的分量,利用时间序列神经网络分别对各分量单独预测,叠加所有分量的预测值作为最终的预测结果。经过仿真测试,该方法能够以更高的精度预测风电机组轴承健康状态劣化趋势。

不同形貌普鲁士蓝纳米粒子的合成及光热性能

制备了立方体、直角立方体、球形、棒状、中空状、核壳状、梭形、多面体等8种不同形貌的普鲁士蓝纳米粒子,利用扫描电子显微镜、透射电子显微镜、紫外-可见分光光度计等对纳米粒子进行了表征,考察了普鲁士蓝纳米粒子光热性能的影响因素.结果表明,普鲁士蓝纳米粒子的形貌与光热性能之间联系密切,粒子形貌不同,光热性能不同;当外部实验条件一定时,纳米粒子的形貌、大小、吸收横截面积、尖锐化程度及密实程度等对其光热性能有很大的影响;当纳米粒子形貌一定时,外部因素如激光器的选择、激光功率密度及纳米粒子的浓度等直接影响普鲁士蓝纳米粒子的光热性能;在相同浓度下,激光功率密度越大,纳米粒子的升温效果越明显,光热性能越好;而激光功率密度不变时,纳米粒子浓度越大,其光热转换效率越高.

某燃料电池动力系统支架随机振动寿命分析

近年来燃料电池以其零排放,受到人们的关注。车用燃料电池动力系统支架与车架固定在一起,系统支架承载着整个燃料电池的静、动载荷,其结构性能决定着燃料电池系统在车载条件下的稳定性。本文应用Workbench分析了某燃料电池系统支架的随机振动,分析表明该燃料电池系统支架可以通过耐久性随机振动试验。通过基于高斯分布和Miner线性累计损伤定律的三区间法评估其损伤满足车载耐久性。