基于大数据分析的风机叶片结冰故障诊断

为了实现风力发电机叶片结冰故障诊断,及时进行风机叶片除冰,消除隐患。提出了基于大数据分析的人工智能算法识别风机叶片结冰的方法。首先,用结冰机理研究和数据探索的方法对风机运行数据进行分析,初步提取了24个特征量;然后,采用遗传算法对24个特征量、滑动窗口宽度和支持向量机参数进行联合优化,并据此建立叶片结冰故障诊断模型。诊断结果表明,用该模型诊断叶片结冰故障的准确率为86.2%,比采用SCADA采集所有数据或初步提取的24个特征量作为模型输入的准确率有大幅度的提高;并且,将该模型用于另一个#2风机时,故障诊断准确率也达到了78.5%,证明了该方法的有效性,并具有较好的泛化能力,为识别风机叶片结冰故障提供了新思路。     

基于BP与SA-GA的飞机发动机风扇叶片清洗参数优化

针对目前飞机发动机风扇叶片清洗存在工人劳动强度大等问题,提出采用超声波清洗代替人工清洗,进而对风扇叶片清洗参数进行优化。通过飞机发动机风扇叶片清洗效果影响因素分析建立BP神经网络模型;对模型进行训练和测试;采用模拟退火算法与改进遗传算法相结合的方式进行全局寻优。对比优化分析得到的清洗优化参数进行清洗实验,使用图像检测方式,提出一种飞机发动机风扇叶片清洁度计算算法。实验数据充分表明,采用混合算法优化后清洁度能够达到92%以上,有效提高了清洗效果,为飞机发动机风扇片叶的自动化清洗提供了指导。     

基于光纤传感的旋转叶片振动检测技术研究

论述的涡轮机高速旋转叶片振动监测系统采用了基于反射式光纤工作原理的新型光纤束式叶尖定时传感器,能够高效地收集叶尖定时信号,配合后续的光电转换、数据采集、数据分析,实现了高速旋转叶片的实时振动检测。整套系统在现场高速模拟转子的实时监测试验中工作性能良好,得到的结果与同时进行监测的应变计试验结果基本一致,分析的异步振动阶次和频率也基本符合,这将有利于进一步改进和完善整套系统,使之能达到发动机在线监测的要求。     

叶尖定时旋转叶片振动测量新技术

设计了一套基于叶尖定时传感的旋转叶片振动测量系统.系统主要由光电传感系统、振动信号采集与预处理系统、叶片振动数据处理系统3部分组成.叶尖定时传感器采用单根光纤发射、多光纤接收的Y型结构,并用高性能专用集成芯片完成弱光信号的放大检测,使传感器信噪比大于500,信号带宽大于50 MHz.设计了基于PCI总线,并融合CPLD和DSP技术的高速叶尖定时信号实时采集与处理板卡;建立了同步共振条件下叶片振动的数据处理模型,实现了叶片振动的实时监测.     

基于LabVIEW的风电机组齿轮箱健康状态监测系统设计

齿轮箱是风力发电机组的主要组成部分之一,也是故障的高发区,积极开展风电齿轮箱故障诊断具有重要意义.基于LabVIEW开发环境和NI CompactDAQ平台开发的风机齿轮箱健康状态监测系统,通过友好的图形化用户界面及图形编程语言控制运行,可以高效地实现对温度、转速、振动信号的采集、图形显示、存储、分析及数据回放等功能,具有良好的扩展性.同时,系统通过采取多种时频域方法对振动信号进行对比分析,可以快速、准确地确定故障的类型.实验结果表明,系统能够稳定、可靠地工作,是进行风机齿轮箱监测的有效工具.     

A hybrid data-fusion system using modal data and probabilistic neural network for damage detection

This paper addresses a novel hybrid data-fusion system for damage detection by integrating the data fusion technique, probabilistic neural network (PNN) models and measured modal data. The hybrid system proposed consists of three models, i.e. a feature-level fusion model, a decision-level fusion model and a single PNN classifier model without data fusion. Underlying this system is the idea that we can choose any of these models for damage detection under different circumstances, i.e. the feature-level model is preferable to other models when enormous data are made available through multi-sensors, whereas the confidence level for each of multi-sensors must be determined (as a prerequisite) before the adoption of the decision-level model, and lastly, the single model is applicable only when data collected is somehow limited as in the cases when few sensors have been installed or are known to be functioning properly. The hybrid system is suitable for damage detection and identification of a complex structure, especially when a huge volume of measured data, often with uncertainties, are involved, such as the data available from a large-scale structural health monitoring system. The numerical simulations conducted by applying the proposed system to detect both single- and multi-damage patterns of a 7-storey steel frame show that the hybrid data-fusion system cannot only reliably identify damage with different noise levels, but also have excellent anti-noise capability and robustness.     

基于轻量型YOLOv5的风机桨叶检测与空间定位

应用无人机对风力发电机进行自主巡检时,需对其桨叶叶尖进行精准定位,同时因机载计算板的计算能力有限,常规目标检测算法检测效率低下。为此提出了一种基于轻量型YOLOv5的风机桨叶检测与空间定位方法,首先对YOLOv5目标检测算法进行轻量化改进,将ShuffleNetv2作为特征提取主干网络;然后利用该算法对风机全景图像中的风机轮毂和桨叶进行检测,以得到轮毂和桨叶叶尖的像素坐标;最后利用无人机位姿信息和空间平面的几何关系,对风机桨叶进行精准定位。实验表明,所改进的目标检测算法以1.536×10⁶的参数量在大疆MANIFOLD2-C上的检测速度提升47%,可达29.4 f/s,所设计的定位方法可对风机桨叶叶尖进行精准定位,水平和高度定位误差均为±5 cm,三维整体定位误差为±10 cm。     

船用透平末级长叶片振动性能研究

针对某船用新型末级长叶片,为了获得共振转速和对应动频率,对叶片转子试验组件在高速动平衡试验台上进行动频试验,叶片振动信号经感应元件拾取后由遥测发射机和接收机传输至信号分析系统,获得多个通道下的叶片振动信息.试验数据表明,末级叶片靠近额度工作转速附近的"三重点"共振转速为一阶模态家族节径数k=7和k=8的共振转速均能避开运行工况,对应的动频率与数值分析结果对比可知:节径数k=7、k=8时的动频值相差不超过5%;数值计算和试验分析均证明叶片在工作转速内是安全可靠的.     

Computation of unsteady viscous flow and aeroacoustic noise of cross flow fans

Time-accurate viscous flow solutions are sought for the prediction of unsteady flow characteristics and associated aeroacoustic blade tonal noise of a cross flow fan. The two-dimensional incompressible Navier-Stokes equations in a moving coordinate are time-accurately solved by an unstructured finite-volume method on triangular meshes, and a sliding mesh technique is utilized at the interface between the domain rotating with blades and the stationary one for allowing the unsteady interactions. An accuracy assessment of the present method is made by comparing the fan performances with experimental data for a rotational speed at 1000 rpm and the Reynolds number 5300 based on blade tip speed and chord length. With the computed unsteady viscous flow solutions, sound pressure is predicted using Curle’s equation and narrow-band noise characteristics of three impellers with a uniform and two random pitch (type-A and -B) blades are compared by their sound pressure level spectra. Also, the frequency modulations of the blade passing frequency noise by random pitch fans are discussed.     

Decision-level fusion based on wavelet decomposition for induction motor fault diagnosis using transient current signal

In this paper, we propose and implement a decision-level fusion model by combining the information of multi-level wavelet decomposition for fault diagnosis of induction motor using transient stator current signal. Firstly, the start-up transient current signals are collected from different faulty motors. Then signal preprocessing is conducted containing smoothing and subtracting to reduce the influence of line frequency in transient current signals. Next, we employ discrete wavelet transform technique to decompose the preprocessed signals into different frequency ranges of products, and then features are extracted from decomposed detail components. Finally, two decision-level fusion strategies, Bayesian belief fusion and multi-agent fusion, are employed. That is, fault features are classified using several classifiers and generated decisions are fused using a specific fusion algorithm. The proposed approach is evaluated by an experiment of fault diagnosis for induction motors. Experiment results show that excellent diagnosis performance can be obtained.     

基于压缩采集与CNN的风电机轴承故障诊断

针对传统风电机轴承故障检测存在的采样数据量大、故障特征依赖主观选取的问题,提出了风电机轴承故障的信号压缩采集、自动提取特征及故障诊断的方法,解决了风电机轴承振动信号特征提取计算复杂、受先验知识影响较大的问题。首先基于梯度加速法(NAG)和QR分解理论对随机高斯观测矩阵进行优化,实现风电机轴承振动信号压缩采集;然后将压缩采集得到的数据作为卷积神经网络(CNN)的输入,利用卷积池化层提取压缩采集数据中的故障特征;最后,将得到的故障特征通过softmax分类器进行分类。仿真实验表明:该方法能够自动提取风电机轴承的故障特征,在保证较高故障诊断准确率的同时,缩短了网络训练时间。     

冷却塔风机叶片运行状态监测技术研究

在阐述冷却塔风机运行状态监测技术现状以及对风机叶片断裂原因进行分析的基础上,提出一种新型非接触式冷却塔风机叶片运行状态监测方法--叶尖计时监测法,并将叶尖计时监测法与单片机技术相结合,研制出一种非接触式冷却塔风机叶片运行状态监控系统,实现在叶片发生断裂、变形时监控系统控制风机停机并报警,从而预防叶片事故的发生。生产实践证明,此监测方法明显提高了风机运行状态监测的可靠性,能有效地避免叶片故障的发生,具有良好的推广应用价值。     

跨模LDA融合的多模态数据主题分析方法

随着互联网的高速发展,社会大众可以通过网络对医疗事件以及医患关系自由地发表个人意见和观点言论,这对于引导公众正确的价值导向有着重大研究意义.然而,仅考虑单模态数据的主题分析算法不能精准地把握整个舆情事件的真相,存在主题提取不准确、个人情感先入为主等问题.提出一种基于LDA的多模态数据主题分析算法MD＿LDA(multimodal data topic analysis based on LDA).通过对各模态主题分析结果进行决策级融合来计算多模态的主题分析结果,进而解决传统方法对多模态数据考虑不全面的缺陷.实验结果表明,针对多模态舆情事件,在主题词的提取效果上,所提出的MD＿LDA算法优于单一模态数据进行主题分析的算法.而相对于传统的关键词提取算法TF＿IDF与TextRank和MD＿LDA算法的准确率以及主题词提取效率均有所提高,验证了结合多模态数据进行主题分析的MD＿LDA算法的有效性.     

融合多模态数据的人体动作识别方法研究

基于多模态融合的人体动作识别技术被广泛研究与应用,其中基于特征级或决策级的融合是在单一级别阶段下进行的,无法将真正的语义信息从数据映射到分类器。提出一种多级多模态融合的人体动作识别方法,使其更适应实际的应用场景。在输入端将深度数据转换为深度运动投影图,并将惯性数据转换成信号图像,通过局部三值模式分别对深度运动图和信号图像进行处理,使每个输入模态进一步转化为多模态。将所有的模态通过卷积神经网络训练进行提取特征,并把提取到的特征通过判别相关分析进行特征级融合。利用判别相关分析最大限度地提高两个特征集中对应特征的相关性,同时消除每个特征集中不同类之间的特征相关性,将融合后的特征作为多类支持向量机的输入进行人体动作识别。在UTD-MHAD和UTD Kinect V2 MHAD两个多模态数据集上的实验结果表明,多级多模态融合框架在两个数据集上的识别精度分别达到99.8%和99.9%,具有较高的识别准确率。     

Dynamic Routing-based Multimodal Neural Network for Multi-sensory Fault Diagnosis of Induction Motor

Induction motor is the main drive power in modern manufacturing, and timely fault diagnosis of induction motor is of significance to production safety, part quality and maintenance cost control. Data fusion-based diagnosis is attractive for effective utilization of multi-source monitoring information of motors with the development of industrial internet of things. A new multi-sensory fusion model is proposed, named dynamic routing-based multimodal neural network (DRMNN), following the paradigm of multimodal deep learning (MDL). Specifically, the fusion of vibration and stator current signals are investigated. A multimodal feature extraction scheme is designed for dimensionality reduction and invariant features capturing based on multi-source information. Since it is necessary to determine the importance of each modality, a dynamic routing algorithm is introduced in the decision layer to adaptively assign proper weights to different modalities. The effectiveness and robustness of developed DRMNN is demonstrated in the experimental studies performed on a motor test rig. In comparison with similar neural networks without data fusion and other state-of-art fusion techniques, the proposed DRMNN yields better performance.     

基于数据融合的遥感图象处理技术

简要地回顾了数据融合技术产生，发展的必然性，以及学者们提出的几种相关定义；尽可能详细地分析了数据融合的框架结构。包括像素层，特征层和决策层三层数据融合，并重点分析了各个数据融合层中的融合方法，以及这些方法在遥感图象处理中的应用，由于数据融合与遥感图象分类，目标检测，变化检测，目标识别的密切相关性，还对数据融合与这些应用的结合作了一定的分析。最后给出了结论和展望。     

涡轮气冷叶片传热分析数据提取技术研究

涡轮气冷叶片传热管网计算是涡轮气冷叶片传热设计的重要环节,针对涡轮气冷 叶片传热设计需求,提出了涡轮气冷叶片模型传热分析数据提取的方法,具体包括计算单元划 分、流路自动判断、网络图生成和传热数据提取等算法。结合涡轮气冷叶片结构特点,使用UG Open API 工具开发了传热分析数据提取系统,实现了涡轮气冷叶片传热分析数据的提取、管理 和输出功能,以用于后续的分析计算,提高了传热设计管网计算的自动化水平,并通过实例验 证了所提出方法的可行性。     

基于大数据的风电设备远程故障监测与诊断系统研究

大数据、云计算等新一代信息技术的快速发展,推动风电设备状态监测技术进步。文章通过风电设备远程监测与故障诊断平台建设实践,从系统功能、平台建设、故障分析等层面,论述了如何基于大数据实现对风机故障预诊断,提升风力发电机组监控与管理水平。通过对机组运行状态的实时在线监测,利用系统内智能数据报警策略准确筛选机组异常,借助于人工智能分析诊断系统和远程专家的综合分析评价,滚动预测故障未来的发展趋势,帮助用户优化风机维护检修工作,减少停机损失,降低维护成本,提高风机利用率。在集控中心预检测平台建立大数据存储、处理、分析、诊断服务器,收集风场各项数据后与专业厂家存储的数据资源整合,建立各种类型风机故障模型,集控中心培训诊断分析师可通过对比找出故障曲线特点和规律,对实时数据经诊断分析后提出整改措施,提前预防风机故障的扩大,开发相关监视及报警系统,联合风机传统监控系统提高监控中心的设备管理能力。     

基于D-S证据融合的风力发电机组的故障预测

针对风力发电机组在机械和电气方面的故障,提出一种基于电气特征向量和振动特征向量的D-S证据融合方法。在2种信号的特征空间下分别构造2个经过参数优化的支持向量机,经过D-S融合之后给出最终的预测故障种类。相对于传统发电机故障诊断中分别针对机械故障和电气故障安装振动传感器和电流传感器,通过频谱特征来区分不同故障,证据融合方法能将电流信号用于机械故障的诊断,也能将振动信号用于电气故障的诊断。通过大量实测数据分析验证,本文提出的融合模型相比于只用单一信号构造的故障分类器具有更高的分类准确率。     

基于改进TCN模型的野外运动目标分类

野外运动目标信号的背景噪声复杂,利用单模态声音信号进行野外目标分类识别率低且鲁棒性差。针对该问题,提出一种基于声震多模态融合的网络模型。借鉴DenseNet网络密集连接的思想改进时域卷积网络,从而对四通道声音信号和单通道震动信号进行深层次的特征提取,并将两种信号相互融合得到最终的目标分类结果。同时,使用带权重的损失函数解决因数据不均衡导致的泛化性能差的问题。实验结果表明,融合网络的识别准确率达到92.92%,较单模态输入网络提高了6.63%~9.46%,且该网络具有较强的鲁棒性。