基于BP_Adaboost神经网络的船舶桨叶故障预警模型

为了提高船舶桨叶故障识别率,构建了一种基于BP_Adaboost神经网络的船舶桨叶故障预警模型。该模型首先采用数字水听器采集二进制船舶桨叶静水噪声信号,并利用MATLAB编程将二进制信号转换成WAV音频信号,通过梅尔频率倒谱系数法(Mel-Frequency Cepstral Coefficient,MFCC)提取特征值,得到36维桨叶静水噪声信号,最后运用BP_Adaboost神经网络进行分类识别预警。实验结果表明,基于BP_Adaboost神经网络的船舶桨叶故障预警模型能够高效分类预警船舶桨叶故障,与BP神经网络识别率对比,分类识别预警率高达96%。

水轮发电机组桨叶故障原因分析及处理

针对某水电站机组桨叶故障导致机组有功波动及振动异常的情况,从故障的表象开始,通过研判和探索,采用现场检查和试验等方式,准确定位到故障点,为机组桨叶故障原因的分析提供了思路和借鉴。

风力发电机组紧急变桨测试典型故障检查及处理方法探讨

介绍了变桨距风力发电机组的特性,变桨距风力发电机组工作原理,根据一起故障事件引入对电控变桨距系统的优化改进。