摘要：针对海上风电机组叶片故障诊断建模时缺乏大量实际故障图像训练样本的问题,文章提出了一种基于小数据集的海上风电机组叶片故障图像识别方法。该方法针对风机叶片图像的叶片及其故障的颜色与形状特征,改进K均值聚类算法以实现叶片分割,设计自适应算法调整Canny算子参数以实现叶片表面早期故障区域的分割,使用K均值聚类算法提取故障的颜色和形状特征并设计相应的分类器以实现故障分类。仿真算例表明,该方法对于叶片表面早期故障的识别是有效的,可以在少量故障样本的基础上为海上风电机组叶片故障识别提供准确的诊断模型,提高了海上风电场的运维效率。

摘要：常规的电厂风机叶片故障检测方法以检测数据不平衡问题检测为主,部分微弱的故障数据未被整合在数据集中,影响了最终故障检测的准确性,因此,设计了基于多模态数据融合的电厂风机叶片故障检测方法。提取电厂风机叶片声信号异常特征,随机截取风机叶片的异常声信号,确保故障检测的准确性。基于多模态数据融合构建风机叶片故障检测模型,分析运行状态下的叶片模态,以满足叶片故障检测的准确性需求。设定电厂风机叶片故障随机共振参数,将叶片频率范围、噪声强度、随机共振时间常数等方面考虑在内,以实现最佳的故障检测效果。采用对比实验,验证了该方法的故障检测准确性更高,能够应用于实际生活。

摘要：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。

摘要：当风机叶片出现损伤时,在空气转动产生的声音信号会存在异常。提出了一种基于声音信号的风机叶片故障监测与诊断方式,通过传声器等设备采集正在运行风机的声音信号并对信号进行滤波处理,提高声音信号的信噪比,同时对信号进行频谱分析,将提取出的声音特征进行建模,设计风机叶片故障分类器,对风机的健康状态进行实时监测与诊断,提高风机叶片运行稳定性,降低叶片检修运维成本。

摘要：本文基于图像处理方法提出一种风电机组叶片故障的图像识别方法,能在缺少数据集的情况下实现故障识别。该方法使用K均值聚类和Canny算子实现故障的图像分割,再针对故障的颜色和形状特征设计相应的分类器,实现故障的分类和识别。算例结果证明了所提方法的有效性,该方法能提高海上风电场的运维效率。

摘要：汽轮机组在运行过程中,由于设计、制造和运行等多种原因,经常会发生叶片损伤和损坏事故,严重影响机组的安全。叶片的故障诊断具有重要意义。讨论了模态分析、模糊模式识别等振动方法用于叶片的故障诊断,并介绍了当前国内外采用的叶片故障诊断系统。

摘要：风力发电机组为当前发电企业的重要装置,其使用状态直接影响发电供电效果。本文率先介绍了风力发电机组故障类型,再通过专业的研究与分析,对风力发电机组状态监测进行科学设计,并将故障诊断技术引入到状态监测中,如电气系统、叶片、齿轮箱、发电机与其他部件等故障诊断,从而全面掌握风力发电机组运行状态,合理维护维修装置故障,保障风力发电机组运行安全性。

摘要：为使叶片满足高温、高强度工作条件的使用要求,除在结构设计上采用复杂的空心气冷式换热结构和空-空换热器对冷却叶片的二股气流进行冷却,提高对叶片的冷却效果外,在修理过程中也制定了相当严格的技术要求,如多项试验检查要求和修理技术要求,以保证其各项技术指标及安全措施实施到位。

摘要：目前风力发电叶片故障监测普遍使用叶片表面粘贴检测介质和振动监测方法,由于叶片工作环境恶劣且所受载荷不定,叶片粘贴检测介质难以实现,测振漏报误报问题严重。针对现有监测技术的缺点和不足,在研究分析风力发电叶片断裂原因的基础上,研发设计一种基于PLC新型非接触式风力发电叶片实时监测预警系统。该系统根据叶间时间差预测叶片即将断裂或过度变形状况,及时停机并报警,能有效地避免叶片故障的发生,具有良好的推广应用价值。