风力机轴承实时剩余寿命预测新方法

由于传统退化指标对周期性故障冲击缺乏敏感性和鲁棒性,无法实现风力机轴承退化过程的适时跟踪以及剩余寿命的准确预测,提出了基于包络谐噪比(envelope harmonic-to-noise ratio,简称EHNR)和无迹粒子滤波(unscented particle filter,简称UPF)相结合的风力机轴承实时剩余寿命预测方法。首先,通过计算振动信号的EHNR监测轴承的早期退化点,并提取EHNR的趋势特征作为退化指标;其次,以轴承历史数据构建退化模型,利用UPF算法更新模型参数,实现对轴承退化状态的跟踪和预测;最后,使用实际风力机轴承监测数据对所提方法进行验证。结果表明,该方法能适时启动寿命预测机制,有效解决传统粒子滤波算法的粒子退化问题。与常用的支持向量回归模型(support vector regression,简称SVR)、反向传播神经网络(back propagation neural network,简称BPNN)的预测方法相比,具有较高的预测精度,为大型风力机组的健康管理和可靠性评估提供参考依据。     

DEA方法在项目厂址选择中的应用

厂址选择是项目建设的重要环节。通过建立方案评价模型,将数据包络分析(DEA)方法应用于项目厂址选择。引入天然气净化厂厂址选择实例,拟定投入、产出因素,利用Matlab对模型进行求解,通过对运算结果的分析,确定最优方案,说明模型及方法的有效性。     

发动机正时系统RU型和YU型带轮刀具齿廓齿形研究与设计

针对GB/T 10414-2017 《同步带传动汽车同步带轮》标准中没有提供RU型和YU型带轮标准刀具齿形参数的问题,对带轮与刀具齿廓齿形之间共轭谐应关系进行了研究。基于啮合原理,对带轮齿廓的共轭刀具齿面进行包络,利用圆弧曲线对包络曲线离散数据进行数学拟合,确定刀具齿廓数学模型;其次,通过刀具对带轮的二次包络过程发现,加工带轮齿廓齿顶处存在根切。通过带轮根切机理研究,揭示了刀具曲面存在奇异点的原因,提出消除刀具齿廓曲线奇异点的齿廓模型,基于带轮齿廓齿形误差在标准公差范围内,对刀具齿廓参数再设计。     

基于降噪时序深度学习网络的风电功率短期预测方法

利用风电场历史功率数据预测未来一段时间内的风功率,对保障电网安全稳定运行具有重要的意义。本文提出一种基于奇异谱分析SSA(singular spectrum analysis)和长短时记忆LSTM(long-short term memory net⁃work)网络的时序特征预测框架用于短期风功率的预测。首先通过SSA对历史风功率原始数据进行降噪处理,然后经过数据转换之后,以LSTM网络为基础进行预测模型的训练,最后通过某风电场提供的两个风机的历史功率数据进行验证。实验结果表明,奇异谱分析对风电场的历史数据具有良好的降噪性,SSA+LSTM模型在测试数据上取得了较好的预测性能,能够有效进行短期风功率的预测。     

微机对调制信号的包络解调

应用检相原理，可以提取有限长度调制信号和包络解调。通过改变Ａ／Ｄ转换器的位数，提高检相分辨率，它与检测对象的速度无关。这为提高检相分辨率展示了新的途径。