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%。

基于振动法的螺旋桨桨叶折断故障诊断研究

为了诊断螺旋桨桨叶折断故障,建立了基于数值模拟故障信号采集系统的振动法故障诊断模型。首先,应用计算流体力学方法预报螺旋桨桨叶不同位置折断故障时的水动力性能;其次,利用有限元方法计算轴系回旋振动的响应,获得不同桨叶折断故障的数值模拟信号;最后,处理轴系回旋振动信号,分析振动的时域波形图和频谱图的特征,获得振动法诊断的故障征兆进行诊断。该方法可为船舶螺旋桨桨叶的状态监测和故障诊断的试验研究和实船应用提供参考和指导作用。

JDC三叶可调螺距螺旋桨系列

为改善船舶推进和海洋工程动力定位的性能,我们对可调螺距螺旋桨进行了多方面研究。已完成了盘面比为0.35、0.50和0.65的JDC三叶可调螺距螺旋桨系列的试验研究。获得了JDC系列全部试验结果。敞水试验数据按盘面比、初始螺距比、进速系数,转角、进速系数,初始螺距比及其相应的转角、进速系数三种组合进行多元回归分析,给出敞水曲线及其相应的多项式的系数和幂。水动力转叶力矩试验数据在不同盘面比时,按初始螺距比、转角、进速系数进行多元回归,给出水动力转叶力矩系数曲线及相应的多项式的系数和幂,离心力转叶力矩系数的计算值,在不同盘面比时按设计螺距比、转角进行多元回归,给出离心力转叶力矩系数曲线及其相应的多项式的系数和幂。最后给出各盘面比的B^(1/2)_p-δ图谱,供设计使用。

风电机组变桨轴承的磨损预警方法研究

针对风电机组变桨轴承磨损情况严重、经济损失大等问题,提出了一种基于数据采集与监视控制(SCADA)数据的风电机组变桨轴承磨损预警的建模方法。以变桨电机电流、桨距角、风速、功率等风机运行参数为基础,利用滑动窗口统计的方法构造了新的特征变量,将特征变量和标签数据导入随机森林算法,进行了模型的训练和验证;然后,建立了一种监测变桨轴承磨损的预警模型;最后,以某风场20台机组历史数据为输入,以机组故障记录为输出标记,在设定了合理的预警规则基础上,建立了变桨轴承的预警模型,并对此进行了实测验证。测试结果表明:该变桨轴承磨损预警模型能提前5 d~30 d发出预警信息,预警准确率平均能达到87.9%;试运行结果表明:该模型具有成本低、效率高、解释性强的特点,在提高机组的安全运行时长,以及降低机组的运维成本方面具有重要意义。

基于TF-IDF 模型的风机变桨电机温升故障预警方法

随着风能发电规模的不断扩大,风机变桨电机温升故障频发。传统风机变桨电机温升故障预警方法由于故障预警限值计算能力较差,导致在故障预警时及时性较差且无法确定故障位置。针对上述问题,设计基于TF-IDF模型的风机变桨电机温升故障预警方法。使用历史数据库以及小数缩放技术,完成风机变桨电机温度趋势监测。对数据进行预处理,使用TF-IDF模型捕捉故障数据并提取特征值。采用风速-温度曲线结合区间温度划分结果设定风机变桨电机温升故障预警限值。至此,基于TF-IDF模型的风机变桨电机温升故障预警方法设计完成。构建实验环节,选定电机退化情况以及故障位置确定能力作为对比指标。通过与传统方法对比可知,此方法在电机退化情况以及故障位置确定能力实验中所得结果优于传统方法。综上可知,此方法的故障预警能力优于传统方法。