CN102706560B - 一种风力发电机组的状态监测方法和装置 - Google Patents
一种风力发电机组的状态监测方法和装置 Download PDFInfo
- Publication number
- CN102706560B CN102706560B CN201210168524.2A CN201210168524A CN102706560B CN 102706560 B CN102706560 B CN 102706560B CN 201210168524 A CN201210168524 A CN 201210168524A CN 102706560 B CN102706560 B CN 102706560B
- Authority
- CN
- China
- Prior art keywords
- signal
- noise signal
- wind power
- noise
- power generating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Wind Motors (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种风力发电机组的状态监测方法,包括:采集风力发电机组的振动信号和噪声信号;如果所述噪声信号的幅值大于设定值,则确定所述幅值对应的时间点;在包含所述时间点的设定范围内,处理所述振动信号和所述噪声信号以获取表征信号能量大小的信号,根据所述表征信号能量大小的信号确定所述风力发电机组的运行状态。本发明还公开了一种风力发电机组的状态监测装置。
Description
技术领域
本发明涉及风力发电技术领域,尤其涉及一种风力发电机组的状态监测方法和装置。
背景技术
对风力发电机组的运行状态进行监测,是保证风力发电机组可靠稳定运行,降低机组维护成本的有效方式。其中,风电机组的齿轮箱、轴系、发电机、叶片、电气系统、控制系统、偏航系统和变浆系统是重点监测对象。
目前常用的状态监测方法,除了控制系统自身带有的若干传感器监测自身的工作状态,以及通过获取电压、电流等电气信号监测发电机组的状态之外,还有振动信号监测、润滑油监测、温度信号和扭矩信号监测等方法。其中利用振动信号进行状态监测是最为成熟、应用最为广泛的方法。
风机从开始服役到完成服役任务的整个服役周期内,其低速轴、齿轮箱和发电机的振动幅值呈现为浴盆曲线,即:在磨合期,机组各部件振动较大,且振动幅值呈下降趋势;在正常运行期间,其振动降低至平稳状态;在服役期的最后阶段,其振动幅值又逐渐提高。
机组在正常服役期间,即使是出现故障的情况下,其振动幅值也通常较低。在对振动信号进行分析之前,往往难以确定故障发生的时间点,对机组运行状态的整体评估和故障诊断带来困难,所以,利用振动信号对风机状态进行监测,虽然能够检测和发现部分故障,但是也有一定的局限性,并不能对风机的状态进行完全毫无遗漏的监测。
发明内容
有鉴于此,本发明的目的在于提供一种风力发电机组的状态监测方法和装置,实现了对风力发电机组的运行状态进行监测的目的。
为实现上述目的,本发明提出的一种风力发电机组的状态监测方法,包括:
采集风力发电机组的振动信号和噪声信号;
如果所述噪声信号的幅值大于设定值,则确定所述幅值对应的时间点;
在包含所述时间点的设定范围内,处理所述振动信号和所述噪声信号以获取表征信号能量大小的信号;
根据所述表征信号能量大小的信号确定所述风力发电机组的运行状态。
优选的,上述方法还包括:
如果所述噪声信号的幅值小于或等于所述设定值,则提取一个或一个以上不同时刻的振动信号和噪声信号;
在包含所述时刻的设定范围内,处理所述振动信号和所述噪声信号以获取表征信号能量大小的信号;
根据所述表征信号能量大小的信号确定所述风力发电机组的运行状态。
优选的,在上述方法中,所述采集风力发电机组的振动信号和噪声信号包括:
利用振动传感器采集振动信号,并利用噪声传感器采集噪声信号。
优选的,上述方法还包括:
如果所述噪声信号的幅值大于设定值,则输出报警信号。
优选的,上述方法还包括:
将所述噪声信号通过音频软件以声音的形式播放。
优选的,在上述方法中,所述表征信号能量大小的信号为频谱或是包络谱。
一种风力发电机组的状态监测装置,包括:
采集单元,用于采集风力发电机组的振动信号和噪声信号;
判断单元,用于判断所述噪声信号的幅值是否大于设定值;
第一确定单元,用于当所述判断单元判断得到的所述噪声信号的幅值大于设定值时,确定所述幅值对应的时间点;
处理单元,用于在包含所述时间点的设定范围内,处理所述振动信号和所述噪声信号以获取表征信号能量大小的信号;
第二确定单元,用于根据所述表征信号能量大小的信号确定所述风力发电机组的运行状态。
优选的,上述装置还包括:
提取单元,用于当所述判断单元判断得到的所述噪声信号的幅值小于或等于所述设定值时,提取一个或一个以上不同时刻的振动信号和噪声信号;
所述处理单元,还用于在包含所述时刻的设定范围内,处理所述振动信号和所述噪声信号以获取表征信号能量大小的信号;
所述第二确定单元,还用于根据所述表征信号能量大小的信号确定所述风力发电机组的运行状态。
优选的,上述装置还包括:
报警单元,用于当所述判断单元判断得到的所述噪声信号的幅值大于设定值时,输出报警信号。
优选的,上述装置还包括:
播放单元,用于将所述噪声信号通过音频软件以声音的形式播放。
可见,本发明风力发电机组的状态监测方法和装置,通过采集风力发电机组的振动信号和噪声信号,用以在噪声信号的幅值大于设定值时确定该幅值对应的时间点,从而及时的获取到了机组运行状态发生明显变化的时间点,在包含该时间点的设定范围内,对处理后的振动信号和噪声信号进行联合分析,实现了对风机运行状态更准确的监测和分析。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明风力发电机组的状态监测方法的实施例一的流程示意图;
图2为本发明风力发电机组的状态监测方法的实施例二的流程示意图;
图3为本发明风力发电机组的状态监测装置的实施例一的结构示意图;
图4为本发明风力发电机组的状态监测装置的实施例二的结构示意图。
具体实施方式
在风力发电机组运行不稳定或者出现故障时,通过判断噪声信号是否异常,能够快速找到机组运行状态发生明显变化的时间点,对处于该时间点附近的不同测点的噪声信号和振动信号进行细致的分析,能够更加准确而快速的对机组进行评估与诊断;而且,机组部件在低振幅情况下,即振动信号的振幅未达到报警值时,对噪声信号进行分析可捕捉到用振动信号方法难以获取的故障信息。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见图1所示,实现本发明风力发电机组的状态监测方法的实施例一的步骤如下:
101:采集风力发电机组的振动信号和噪声信号。
在本实施例中,分别利用振动传感器采集振动信号,利用噪声传感器采集噪声信号。由于风力发电机组的被测部件的测点位置的选择对于风机状态监测和故障诊断是至关重要的,所以,只有获取准确的振动信号和噪声信号,才能保证后续分析的准确性,故需要将振动传感器安装于能真实反映被测部件振动情况的部位上,用于直接感知被测部件的振动强度,而噪声传感器需通过支架安装于被测部件上。
另外,信号的采集可根据各个被测部件的运行参数(例如:转速)的不同设定相应的采集频率,在该采集频率下实时采集各个被测部件的振动信号和噪声信号。
102:如果风力发电机组的噪声信号的幅值大于设定值,则确定该幅值对应的时间点。
在本实施例中,可利用噪声信号找到机组出现故障的时间点,因为当风电机组发生故障时,采集到的噪声信号的幅值会发生明显的变化,当噪声信号的幅值大于某一设定的数值时,表征风电机组出现故障,当噪声信号的幅值小于或是等于某一设定的数值时,表征风电机组处于正常的运行状态。
103:在包含上述时间点的设定范围内,处理振动信号和噪声信号以获取表征信号能量大小的信号。
上述对振动信号和噪声信号进行处理的方法主要包括时域处理和频域处理,时域处理方法主要包括均值、方差、分布密度、偏斜度、峭度分析等方法,主要指标包括:均值、方差、标准差、均方值、有效值、峰值、峰-峰值、波形指标、峰值指标、脉冲指标、裕度指标、偏度系数、峭度系数等;频域处理方法只要包括:功率谱分析、频率细化分析法,倒频谱分析法、包络解调法、小波分析法等。
本实施例中,可将振动信号和噪声信号分别就上述处理方法作不同的处理,用以将经处理后的振动信号和噪声信号以图表或是数据的形式输出;经处理后得到的表征信号能量大小的振动信号和噪声信号通常是频谱,或者包络谱。
104:根据表征信号能量大小的信号确定风力发电机组的运行状态。
机组在运行过程中,每一被测部件上安装的振动传感器和噪声传感器经设定间隔对振动信号和噪声信号进行采集,所以可利用微控制器获取同一时刻不同测点的振动信号和噪声信号,将振动信号和噪声信号分别进行时域处理和/或频域处理后得到了表征信号能量的大小信号,在包含上述机组故障时间点设定数值范围内,对采集到的各通道的噪声信号和振动信号进行细致的分析,能够更加准确而快速的对机组进行评估与诊断,并确定机组的运行的状态。
上述实施例一中,利用信号幅值的大小对采集到的噪声信号进行筛选,能够更加快速的定位该幅值对应的时间点,从而确定机组故障的发生时间,在包含该时间点的设定范围内,对噪声信号和振动信号进行联合分析用以获取风机运行状态,从而增强了分析的可靠性。
参见图2所示,实现本发明风力发电机组的状态监测方法的实施例二的步骤如下:
201:采集风力发电机组的振动信号和噪声信号,并将采集到的噪声信号通过音频软件以声音的形式播放。
因为声音的表现形式比较明显,在机组故障出现点会呈现出与正常工作状态时不同的异响,所以可将噪声信号通过音频软件以声音的形式播放,这样工作人员也可以通过该异响,确定机组故障的发生时间。
202:判断采集到的噪声信号的幅值是否大于设定值,如果是,则执行步骤203;如果否,则采集到的噪声信号的幅值小于或等于设定值,执行步骤205到。
203:当采集到的噪声信号的幅值大于设定值时,确定该幅值对应的时间点,并输出报警信号。
本实施例中,上述设定值是用于界定噪声信号是否异常的,当噪声信号的幅值大于设定值时,说明被测部件可能损坏,或是因为某特殊原因导致信号异常而被测部件本身未并未损坏,找出大于设定值的噪声信号对应的时间点,并输出报警信号,可用于告知工作人员出现了异常信号。
204:在包含所述时间点的设定范围内,处理振动信号和噪声信号以获取表征信号能量大小的信号后,执行步骤207。
205:当采集到的噪声信号的幅值小于或等于设定值时,提取一个或一个以上不同时刻的振动信号和噪声信号。
本实施例中,当采集到的噪声信号的幅值小于或等于设定值时,可认为机组部件运行正常,但是也要提取不同时刻的正常的振动信号和噪声信号,并对这些信号进行分析,用以进一步保证机组运行的安全性、可靠性。
206:在包含所述时刻的设定范围内,处理振动信号和噪声信号以获取表征信号能量大小的信号。
207:根据表征信号能量大小的信号确定风力发电机组的运行状态。
在对上述设定范围内的信号进行联合分析时,分析的信号是振动信号和噪声信号,但主要是对振动信号进行分析,因为他的分析手段和结论相对成熟,可以对相对具体的故障原因做出诊断,但是当机组部件在低振幅情况下,即振动信号的振幅未达到报警值时,对噪声信号进行分析可捕捉到用振动信号方法难以获取的故障信息。
由于风机故障的类型很多,还没有形成公认的系统或者是划分,各个部件的故障,比如叶片,轴承,主轴等等,都会体现在噪声信号和振动信号中。但是又没有一个既定的规则,能够说明出现某种信号的形式就一定是特定的故障,大多数时间还是需要有经验的工程师进行分析和判断。比如说,通过噪声信号找出一个故障时间点之后,通过分析该时间点的振动信号,发现频谱上出现了某种缺陷频率,该缺陷频率要根据具体的设备型号进行分析和计算,从而判断并确定此缺陷频率对应的部件是否已经存在损伤。
本实施例二中,不但通过筛选异常的噪声信号更加快速的定位故障时间点,并对包含该时间点设定范围内的经处理后的振动信号和噪声信号进行联合分析,以更加准确的确定风机运行状态;而且还在噪声信号未出现异常时,提取一个或一个以上不同时刻的振动信号和噪声信号,用于在后续分析中从噪声信号和振动信号两个方面对风力发电机组作进一步的分析,大大增强了分析的可靠性。
图3为本发明风力发电机组的状态监测装置的实施例一的结构示意图,该装置包括:采集单元11,用于采集风力发电机组的振动信号和噪声信号;判断单元12,用于判断风力发电机组的噪声信号的幅值是否大于设定值;第一确定单元13,用于当判断单元判断得到的风力发电机组的噪声信号的幅值大于设定值时,确定该幅值对应的时间点;处理单元14,用于在包含该幅值对应的时间点的设定范围内,处理振动信号和噪声信号以获取表征信号能量大小的信号;第二确定单元15,用于根据表征信号能量大小的信号确定风力发电机组的运行状态。
图4为本发明风力发电机组的状态监测装置的实施例二的结构示意图,该装置包括:采集单元21,用于采集风力发电机组的振动信号和噪声信号;判断单元22,用于判断风力发电机组的噪声信号的幅值是否大于设定值;第一确定单元23,用于当判断单元判断得到的风力发电机组的噪声信号的幅值大于设定值时,确定该幅值对应的时间点;处理单元24,用于在包含所述时间点的设定范围内,处理振动信号和噪声信号以获取表征信号能量大小的信号;第二确定单元25,用于根据表征信号能量大小的信号确定风力发电机组的运行状态。提取单元26,用于当判断单元判断得到的风力发电机组的噪声信号的幅值小于或等于所述设定值时,提取一个或一个以上不同时刻的振动信号和噪声信号;所述处理单元24,还用于在包含所述时刻的设定范围内,处理振动信号和噪声信号以获取表征信号能量大小的信号;所述第二确定单元25,还用于根据表征信号能量大小的信号确定风力发电机组的运行状态。报警单元27,用于当判断单元判断得到的风力发电机组的噪声信号的幅值大于设定值时,输出报警信号。播放单元28,用于将风力发电机组的噪声信号通过音频软件以声音的形式播放。
本发明风力发电机组的状态监测装置,首先利用采集单元采集风力发电电机组的振动信号和噪声信号,当判断单元判断得到的噪声信号的幅值大于设定值时,确定该幅值对应的时间点,该时间点便是风机故障的发生时刻,在包含上述时间点的设定范围内,分析表征信号能量大小的信号确定风力发电机组的运行状态;另外,通过随机提取正常的振动信号和噪声信号进行进一步的联合分析,从而可更加准确的确定机组运行状态和故障模式。
本发明是一种基于声振联合的风机状态监测方法,即在风机状态监测的振动系统中,配合噪声信号,建立噪声信号与振动信号的联合模型,通过分析同时采集的噪声信号和振动信号,对风机运行状态进行更准确的监测、报警和分析,提高了风机状态监测的准确性以及故障判断的正确性。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种风力发电机组的状态监测方法,其特征在于,包括:
采集风力发电机组的振动信号和噪声信号;
如果所述噪声信号的幅值大于设定值,则确定所述幅值对应的时间点;
在包含所述时间点的设定范围内,处理所述振动信号和所述噪声信号以获取表征信号能量大小的第一信号;
根据所述表征信号能量大小的第一信号确定所述风力发电机组的运行状态。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
如果所述噪声信号的幅值小于或等于所述设定值,则提取一个或一个以上不同时刻的振动信号和噪声信号;
在包含所述时刻的设定范围内,处理所述振动信号和所述噪声信号以获取表征信号能量大小的第二信号;
根据所述表征信号能量大小的第二信号确定所述风力发电机组的运行状态。
3.根据权利要求1所述的方法,其特征在于,所述采集风力发电机组的振动信号和噪声信号包括:
利用振动传感器采集振动信号,并利用噪声传感器采集噪声信号。
4.根据权利要求1至3中任一项所述的方法,其特征在于,所述方法还包括:
如果所述噪声信号的幅值大于设定值,则输出报警信号。
5.根据权利要求1至3中任一项所述的方法,其特征在于,所述方法还包括:
将所述噪声信号通过音频软件以声音的形式播放。
6.根据权利要求1至3中任一项所述的方法,其特征在于,所述表征信号能量大小的信号为频谱或是包络谱。
7.一种风力发电机组的状态监测装置,其特征在于,包括:
采集单元,用于采集风力发电机组的振动信号和噪声信号;
判断单元,用于判断所述噪声信号的幅值是否大于设定值;
第一确定单元,用于当所述判断单元判断得到的所述噪声信号的幅值大于设定值时,确定所述幅值对应的时间点;
处理单元,用于在包含所述时间点的设定范围内,处理所述振动信号和所述噪声信号以获取表征信号能量大小的第一信号;
第二确定单元,用于根据所述表征信号能量大小的第一信号确定所述风力发电机组的运行状态。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
提取单元,用于当所述判断单元判断得到的所述噪声信号的幅值小于或等于所述设定值时,提取一个或一个以上不同时刻的振动信号和噪声信号;
所述处理单元,还用于在包含所述时刻的设定范围内,处理所述振动信号和所述噪声信号以获取表征信号能量大小的第二信号;
所述第二确定单元,还用于根据所述表征信号能量大小的第二信号确定所述风力发电机组的运行状态。
9.根据权利要求7或8所述的装置,其特征在于,所述装置还包括:
报警单元,用于当所述判断单元判断得到的所述噪声信号的幅值大于设定值时,输出报警信号。
10.根据权利要求7或8所述的装置,其特征在于,所述装置还包括:
播放单元,用于将所述噪声信号通过音频软件以声音的形式播放。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210168524.2A CN102706560B (zh) | 2012-05-25 | 2012-05-25 | 一种风力发电机组的状态监测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210168524.2A CN102706560B (zh) | 2012-05-25 | 2012-05-25 | 一种风力发电机组的状态监测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102706560A CN102706560A (zh) | 2012-10-03 |
CN102706560B true CN102706560B (zh) | 2017-12-12 |
Family
ID=46899503
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210168524.2A Active CN102706560B (zh) | 2012-05-25 | 2012-05-25 | 一种风力发电机组的状态监测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102706560B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103822786A (zh) * | 2012-11-16 | 2014-05-28 | 中国水利电力物资有限公司 | 基于多元统计分析的风电机组机械设备状态诊断方法 |
CN103744021A (zh) * | 2013-12-23 | 2014-04-23 | 煤炭科学研究总院 | 一种电机故障监控装置及方法 |
CN105651376B (zh) * | 2014-11-10 | 2019-08-06 | 上海宝钢工业技术服务有限公司 | 机械设备离线检测系统振动信号频谱分析和报警方法 |
CN104568449A (zh) * | 2015-01-12 | 2015-04-29 | 国家电网公司 | 一种发电机组振动传感器信号故障的判断及处理方法 |
CN105784093B (zh) * | 2016-03-08 | 2019-04-23 | 新疆金风科技股份有限公司 | 风机振动预警控制方法和装置 |
CN105866645B (zh) * | 2016-05-30 | 2018-10-19 | 国家电网公司 | 一种利用噪声特征频段诊断发电机放电故障的方法及装置 |
CN107608937B (zh) * | 2017-09-11 | 2020-08-18 | 浙江大学 | 一种基于云计算平台的机器学习风机状态监测方法及装置 |
CN111306008B (zh) * | 2019-12-31 | 2022-03-11 | 远景智能国际私人投资有限公司 | 风机叶片的检测方法、装置、设备及存储介质 |
CN112578230B (zh) * | 2020-12-28 | 2022-08-16 | 广东电网有限责任公司佛山供电局 | 一种气体绝缘金属封闭输电线路的故障定位方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1869967A (zh) * | 2005-05-25 | 2006-11-29 | 南京航空航天大学 | 一种基于声音信号特征的机床类型的判别法 |
CN202033460U (zh) * | 2011-04-25 | 2011-11-09 | 上海电机学院 | 双馈型风力发电机组的发电机运行状态实时监测系统 |
CN102348150A (zh) * | 2010-07-22 | 2012-02-08 | 索尼公司 | 音频信号处理装置、音频信号处理方法和程序 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4218573B2 (ja) * | 2004-04-12 | 2009-02-04 | ソニー株式会社 | ノイズ低減方法及び装置 |
-
2012
- 2012-05-25 CN CN201210168524.2A patent/CN102706560B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1869967A (zh) * | 2005-05-25 | 2006-11-29 | 南京航空航天大学 | 一种基于声音信号特征的机床类型的判别法 |
CN102348150A (zh) * | 2010-07-22 | 2012-02-08 | 索尼公司 | 音频信号处理装置、音频信号处理方法和程序 |
CN202033460U (zh) * | 2011-04-25 | 2011-11-09 | 上海电机学院 | 双馈型风力发电机组的发电机运行状态实时监测系统 |
Non-Patent Citations (1)
Title |
---|
基于噪声检测的水轮机组故障诊断系统;张巍;《广东水利水电》;20090731(第7期);第68-70、76页 * |
Also Published As
Publication number | Publication date |
---|---|
CN102706560A (zh) | 2012-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102706560B (zh) | 一种风力发电机组的状态监测方法和装置 | |
CN104075795B (zh) | 用于监测风力发电机组的叶轮振动状态的方法和系统 | |
CN105136435B (zh) | 一种风力发电机组叶片故障诊断的方法和装置 | |
CN102707232B (zh) | 电动机设备状态在线监测装置及其监测方法 | |
CN111354366B (zh) | 一种异常声音检测方法及异常声音检测装置 | |
CN110469462A (zh) | 一种基于多模板的风电机组智能状态监测系统 | |
CN106441893B (zh) | 火车滚动轴承故障与杂质振动区分方法 | |
CN101592590B (zh) | 一种转动叶片故障间接诊断技术 | |
CN109506921A (zh) | 一种旋转机械故障诊断与预警方法 | |
CA2891326C (en) | Early detection of wind turbine degradation using acoustical monitoring | |
CN107829885A (zh) | 一种考虑环境参数修正的风力发电机叶片振动监测及系统 | |
CN103343728A (zh) | 风力发电机组远程在线多模式健康状态监测与故障诊断系统 | |
CN102620807A (zh) | 风力发电机状态监测系统及方法 | |
CN105569932A (zh) | 风电机组动态不平衡在线检测和故障辨识方法及系统 | |
CN104111154B (zh) | 风力发电机组的振动趋势分析方法和振动趋势分析系统 | |
CN103674234A (zh) | 一种风力发电机组振动异常的状态预警方法及系统 | |
CN107064298B (zh) | 一种运行中风机叶片裂纹的激光检测方法 | |
CN113562562A (zh) | 一种电梯安全预警监测系统及其判断方法 | |
CN109655200A (zh) | 一种风力发电机组风轮不平衡的诊断方法及系统 | |
CN103195728A (zh) | 大型风机在线监测诊断系统 | |
CN110186549A (zh) | 基于叶尖定时传感器的叶片振动识别方法 | |
CN111006758A (zh) | 一种风力发电机组稳态振动在线趋势预测方法及趋势预测系统 | |
CN104111391A (zh) | 一种基于三相瞬时功率的电主轴故障监测诊断方法 | |
CN108169559B (zh) | 一种电机定子电流谱分析设备异常的判断方法 | |
CN107037133A (zh) | 一种结合声发射和电流检测的加工状态监控方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20200716 Address after: Room 704, culture building, 59 Zhongguancun Street, Haidian District, Beijing 100089 Patentee after: Ruiyuan Wind Energy Technology Co., Ltd Address before: 224000 No. 1 Torch Road, Western District, Jiangsu, Yancheng City Patentee before: SINOVEL WIND GROUP (JIANGSU) Co.,Ltd. |