基于云平台的管道腐蚀远程在线监测系统

为实现油气井口装置管道腐蚀情况的远程在线监测,针对压电超声耦合、传感器安装、信号传输存储分析等关键问题,提出了基于云平台的管道腐蚀远程在线监测方法。研发了可进行液-固转变的干耦合剂,保证了良好的耦合效果。针对管道结构与长程监测需求,研究了压电传感网络布点、定位与固定方法。针对复数信号传输、存储、分析等问题,提出了基于云平台的B/S(浏览器/服务器)架构。最后结合现场实际工况,开发出了多通道管道腐蚀在线远程监测系统。现场近1a的户外测试表明,该系统稳定可靠,各项指标均满足管道腐蚀监测需求,为油气井口装置的安全生产奠定了智能运维基础。     

基于优化模态分解和Xgblr的风机叶片故障诊断方法

针对风电机组叶片振动信号复杂且难以提取有效故障信息的问题,提出了将一种小波变换(Discrete Wavelet Transform, DWT)、经验模态分解(Empirical Mode Decomposition, EMD)与Xgblr相结合的故障诊断方法。首先,通过DWT,EMD将信号降噪分解为若干分量,并利用邻近频率干扰消除的方法优化结果;其次,提取各分量的频域特征,构造时域频域原始特征集;然后,将提取的特征集合输入Xgblr模型进行特征转换,生成新的融合特征集合,将Focal损失函数应用于Xgblr进行不平衡数据集的故障诊断;最后,利用国内西部某风电场实际运行数据进行验证。     

基于自适应波形分解与时频转换的风机工况诊断方法

目前针对风力发电机工况诊断方法的研究较为匮乏。为此，本文提出一种基于自适应波形分解和时频转换的诊断方法。该方法的算法采用了滑动间隔样本扩充、基于改进CEEMDAN的自适应波形分解方法、希尔伯特时频变换、VGG16神经网络。过程中，利用风机的振动加速度信号，通过自适应分解方法对信号进行分解降噪，将处理后信号进行变换生成二维时频谱，利用VGG16模型对时频谱样本集进行分类以达到诊断目的。为了评估该方法的有效性，将本文方法分别与传统模态分解、CNN模型进行对比，并对模型分类效果进行评估，结果表明，该方法具有更好的准确性。