CN108894932B - 一种风电机组发电机轴承故障智能诊断系统及方法 - Google Patents
一种风电机组发电机轴承故障智能诊断系统及方法 Download PDFInfo
- Publication number
- CN108894932B CN108894932B CN201810523613.1A CN201810523613A CN108894932B CN 108894932 B CN108894932 B CN 108894932B CN 201810523613 A CN201810523613 A CN 201810523613A CN 108894932 B CN108894932 B CN 108894932B
- Authority
- CN
- China
- Prior art keywords
- bearing
- module
- data
- generator
- wind turbine
- 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
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种风电机组发电机轴承故障智能诊断系统,包括轴承在线监测子系统和轴承故障智能诊断子系统,轴承在线监测子系统用于实时采集发电机轴承的状态参数,并将其采集到的状态参数传送至轴承故障智能诊断子系统;轴承故障智能诊断子系统包括数据采集模块、数据分析处理模块、风险评估模块、数据存储模块、通讯模块和电源模块。本发明通过将轴承故障智能诊断子系统与轴承在线监测子系统相结合,组成具有实时诊断功能的发电机轴承故障智能诊断系统,实现对风电机组发电机轴承潜在故障的预判与风险评估,为现场人员对轴承进行预维护提供依据,以避免轴承故障扩大造成的连带故障,降低风电机组故障停机频次。
Description
技术领域
本发明涉及风力发电机组发电机轴承故障检测领域,特别是涉及一种风电机组发电机轴承故障智能诊断系统及方法。
背景技术
目前风电行业发电机的轴承故障是普遍现象,现有的轴承故障监测系统,只能监测轴承的振动、温度等参数,对监控数据的分析和判断,仍然需要有经验的技术人员进行人为判断。并且现有的轴承故障在线诊断系统,也仅仅是依照国家相关标准,在监控系统中设定了振动、温度等参数的报警限值,缺少体系化的预警诊断标准,无法实现对轴承故障的早期预警。如当轴承故障监测系统发出报警时,往往轴承已经损坏,达到必须更换的程度。所以说,现有的轴承故障诊断系统,对发电机轴承故障预计及实时诊断而言意义不大,仍停留在为发电机轴承参数监控及未故障后的原因分析提供原始数据。
由此可见,上述现有的风电机组发电机轴承故障诊断系统显然仍存在不便与缺陷,亟待加以进一步改进。如何能创设一种新的风电机组发电机轴承故障智能诊断系统及方法,使其能智能诊断出轴承的潜在故障,提高风电机组安全性,成为当前业界急需改进的目标。
发明内容
本发明要解决的技术问题是提供一种风电机组发电机轴承故障智能诊断系统,使其能智能诊断出轴承的潜在故障,提高风电机组安全性,从而克服现有的风电机组发电机轴承故障诊断系统的不足。
为解决上述技术问题,本发明提供一种风电机组发电机轴承故障智能诊断系统,包括轴承在线监测子系统和轴承故障智能诊断子系统,
所述轴承在线监测子系统,用于实时采集所述风电机组发电机轴承的状态参数,并将其采集到的状态参数传送至所述轴承故障智能诊断子系统;
所述轴承故障智能诊断子系统,包括数据采集模块、数据分析处理模块、风险评估模块、数据存储模块、通讯模块和电源模块,
所述数据采集模块,用于接收所述轴承在线监测子系统发送的状态参数,并将所述状态参数根据类别进行缓存,再传输至所述数据分析处理模块;
所述数据分析处理模块,用于接收所述数据采集模块提供的所述轴承在线监测子系统采集的状态参数,并接收所述通讯模块提供的机组并网状态、主控系统数据和指令信息,再对接收数据与正常工况下的相应数据进行分析处理,判断出轴承状态和潜在的故障发展趋势,将其分析判断结果传输至所述风险评估模块;
所述风险评估模块,用于接收所述数据分析处理模块的分析判断结果,并接收所述通讯模块提供的预先设定的风险评估策略,对发电机轴承状态进行风险等级评估,将风险评估结果和接收的分析判断结果传输至所述数据存储模块中保存;
所述数据存储模块,用于存储所述数据分析处理模块和风险评估模块分析得到的数据信息;
所述通讯模块,用于接收所述风电机组主控系统提供的风险评估策略、机组并网状态及主控系统数据和指令信息,并将接收信息传输至所述数据分析处理模块和风险评估模块,以及将所述数据存储模块中的数据分析判断结果和风险评估结果反馈给风电机组主控系统;
所述电源模块,用于为所述数据采集模块、数据分析处理模块、风险评估模块、数据存储模块和通讯模块提供所需电能。
作为本发明的一种改进,所述轴承在线监测子系统包括安装在所述发电机轴承座和轴承外盖上的温度传感器、轴承振动速度传感器、轴承振动加速度传感器、轴承位移传感器和发电机转速传感器。
或者,所述轴承在线监测子系统包括安装在所述发电机轴承座和轴承外盖上的温度传感器、轴承振动速度传感器、轴承振动加速度传感器和轴承位移传感器。
进一步改进,所述数据存储模块具有USB数据接口、网线接口和无线通讯接口。
进一步改进,所述轴承在线监测子系统和电源模块均与所述风电机组的自用电电源连接。
本发明还提供一种应用上述的风电机组发电机轴承故障智能诊断系统的风电机组发电机轴承故障智能诊断方法,所述方法包括如下步骤:
(1)利用所述轴承在线监测子系统实时采集所述风电机组发电机轴承的状态参数,并将其发送至所述轴承故障智能诊断子系统中的数据采集模块;
(2)由所述数据采集模块接收所述轴承在线监测子系统发送的状态参数后,将其根据预先设定的类别进行缓存,再传输至所述数据分析处理模块;
(3)由所述通讯模块接收风电机组主控系统提供的风险评估策略、机组并网状态及主控系统数据和指令信息,并将接收信息传输至所述数据分析处理模块和风险评估模块;
(4)由所述数据分析处理模块接收所述数据采集模块提供的数据信息,和所述通讯模块提供的机组并网状态及主控系统数据和指令信息,对接收到的数据与正常工况下的相应数据进行分析处理,判断出轴承状态和潜在的故障发展趋势,将其分析判断结果传输至所述风险评估模块中;
(5)由所述风险评估模块接收所述数据分析处理模块的分析判断结果,并结合由所述通讯模块提供的预先设定的风险评估策略,对发电机轴承状态进行风险等级评估,将风险评估结果和接收的分析判断结果传输至所述数据存储模块中保存;
(6)将所述数据存储模块中的数据分析结果和风险评估结果通过所述通讯模块反馈给风电机组主控系统。
进一步改进,所述步骤(1)中风电机组发电机轴承的状态参数包括轴承温度、轴承振动速度、轴承振动加速度、轴承位移值和发电机转速。
或者,所述步骤(1)中风电机组发电机轴承的状态参数包括轴承温度、轴承振动速度、轴承振动加速度和轴承位移值;所述步骤(3)中主控系统数据和指令信息中包括发电机转速。
进一步改进,所述步骤(5)中预先设定的风险评估策略是根据现有轴承故障诊断经验数据建立的故障诊断模型,所述故障诊断模型包括若干风险等级,所述风险评估模块将所述数据分析处理模块分析得到的分析判断结果,与所述故障诊断模型中的若干风险等级进行比对,评估出所述发电机轴承的风险等级。
进一步改进,所述步骤(6)中所述数据存储模块中的数据分析判断结果和风险评估结果通过USB数据传输线或无线通讯方式导出。
采用这样的设计后,本发明至少具有以下优点:
本发明采用创新的轴承故障智能诊断子系统,将其与轴承在线监测子系统结合,组成具有实时诊断功能的发电机轴承故障智能诊断系统。本系统通过对比轴承运行过程中特定时间段内轴承的振动、温度、位移等数据,并对该轴承的振动速度、振动加速度、振动频率等进行数据分析,与正常工况下的数据进行对比,判断轴承状态和潜在的故障发展趋势;并将现有轴承故障诊断经验数据模型化,将其分为若干危险等级,用以评判轴承的潜在故障风险。
本发明通过开发体系化的发电机轴承故障分析、故障风险评估体系,使发电机轴承故障实现智能化诊断,诊断结果更为精准,还可根据不断积累的经验,远程对分析方法和风险评估策略进行更新、升级。一方面,有利于轴承维护、保养,避免故障扩大引起其他部件损坏;另一方面,也便于快速、高效地掌握发电机轴承状态,提前维护、检修,缩短风电机组因发电机轴承损坏造成的停机电量损失,节省了工作量、降低了维护成本。
附图说明
上述仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,以下结合附图与具体实施方式对本发明作进一步的详细说明。
图1是本发明风电机组发电机轴承故障智能诊断系统的结构示意图。
具体实施方式
参照附图1所示,本发明风电机组发电机轴承故障智能诊断系统,包括轴承在线监测子系统和轴承故障智能诊断子系统。
该轴承在线监测子系统,用于实时采集该风电机组发电机轴承的状态参数,并将其采集到的状态参数传送至该轴承故障智能诊断子系统。
其中,该轴承在线监测子系统包括安装在该发电机轴承座和轴承外盖上的温度传感器、轴承振动速度传感器、轴承振动加速度传感器、轴承位移传感器和发电机转速传感器,分别用于采集该轴承温度、轴承振动速度、轴承振动加速度、轴承位移值和发电机转速等参数。当然,该发电机转速也可引入现有风电机组主控系统提供的数据。
该轴承故障智能诊断子系统,包括数据采集模块、数据分析处理模块、风险评估模块、数据存储模块、通讯模块和电源模块。
其中,该数据采集模块,用于接收该轴承在线监测子系统发送的状态参数,并将该状态参数根据预先设定的类别进行缓存,再传输至该数据分析处理模块。
该数据分析处理模块,用于接收该数据采集模块提供的该轴承在线监测子系统采集的状态参数,并接收该通讯模块提供的机组并网状态、主控系统数据和指令信息,再对接收数据与正常工况下的相应数据进行分析处理,判断出轴承状态和潜在的故障发展趋势,将其分析判断结果传输至该风险评估模块。
该风险评估模块,用于接收该数据分析处理模块的分析判断结果,并接收该通讯模块提供的预先设定的风险评估策略,对发电机轴承状态进行风险等级评估,将风险评估结果和接收的分析判断结果传输至该数据存储模块中保存。
该数据存储模块,用于存储该数据分析处理模块和风险评估模块每次分析后得到的数据信息,并可通过通讯模块将存储的数据信息反馈给风电机组的主控系统。由于该数据存储模块还具有USB数据接口、网线接口和无线通讯接口,具备蓝牙、以太网及WIFI数据传输功能,当远程有线通讯发生故障时,工作人员也可进入风电机组内部,现场对数据信息进行导出操作。
该通讯模块,用于接收该风电机组主控系统PLC提供的风险评估策略、机组并网状态及主控系统数据和指令信息,并将接收信息传输至该数据分析处理模块和风险评估模块,以及将该数据存储模块中的数据分析判断结果和风险评估结果反馈给所述主控系统,以实现本系统与主控系统的信息交互及数据保存。
该电源模块,用于为该数据采集模块、数据分析处理模块、风险评估模块、数据存储模块和通讯模块提供所需电能,其对各模块的供电量根据各模块对电源类型、电源功率、电压等级等的需求进行提供。
本实施例中该轴承在线监测子系统和电源模块均与该风电机组的自用电电源连接,为该发电机轴承故障智能诊断系统提供电能。
本发明上述风电机组发电机轴承故障智能诊断系统的风电机组发电机轴承故障智能诊断方法,包括如下步骤:
(1)利用该轴承在线监测子系统实时采集该风电机组发电机轴承的状态参数,并将其发送至该轴承故障智能诊断子系统中的数据采集模块;其中,风电机组发电机轴承的状态参数包括轴承温度、轴承振动速度、轴承振动加速度、轴承位移值和发电机转速。当然,该发电机转速数据也可从现有风电机组主控系统引入。
(2)由该数据采集模块接收该轴承在线监测子系统发送的状态参数后,将其根据预先设定的类别进行缓存,再传输至该数据分析处理模块。
(3)由该通讯模块接收该风电机组主控系统提供的风险评估策略、机组并网状态及主控系统数据和指令信息,并将接收信息传输至该数据分析处理模块和风险评估模块。
(4)由该数据分析处理模块接收该数据采集模块提供的数据信息,和该通讯模块提供的机组并网状态及主控系统数据和指令信息,对接收到的数据与正常工况下的相应数据进行分析处理,判断出轴承状态和潜在的故障发展趋势,将其分析判断结果传输至该风险评估模块中。
(5)由该风险评估模块接收该数据分析处理模块的分析判断结果,并结合由该通讯模块提供的预先设定的风险评估策略,对发电机轴承状态进行风险等级评估,将风险评估结果和接收的分析判断结果传输至该数据存储模块中保存。
其中,预先设定的风险评估策略是根据现有轴承故障诊断经验数据建立的故障诊断模型,该故障诊断模型包括若干风险等级,该风险评估模块将该数据分析处理模块分析得到的分析判断结果,与该故障诊断模型中的若干风险等级进行比对,评估出该发电机轴承的风险等级。
(6)将该数据存储模块中的数据分析结果和风险评估结果通过该通讯模块反馈给该风电机组主控系统,供工作人员实时查阅。当然,该数据存储模块中的数据分析判断结果和风险评估结果还可通过USB数据传输线或无线通讯方式导出。
本发明通过对比轴承运行过程中特定时间段内轴承的振动、温度、位移等数据,并对该轴承的振动速度、振动加速度、振动频率等进行数据分析,与正常工况下的数据进行对比,判断轴承状态和潜在的故障发展趋势;并将现有轴承故障诊断经验数据模型化,将其分为若干危险等级,用以评判轴承的潜在故障风险。一方面,有利于轴承维护、保养,避免故障扩大引起其他部件损坏;另一方面,也便于快速、高效地掌握发电机轴承状态,提前维护、检修,缩短风电机组因发电机轴承损坏造成的停机电量损失,节省了工作量、降低了维护成本。
本发明针对目前风电行业普遍存在的发电机轴承故障问题,提出了具有智能化、体系化的轴承故障诊断模式,将轴承在线监测子系统与轴承智能诊断子系统组合,实现对风电机组发电机轴承潜在故障的预判与风险评估,为现场人员对轴承进行预维护提供依据,以避免轴承故障扩大造成的连带故障,降低风电机组故障停机频次。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,本领域技术人员利用上述揭示的技术内容做出些许简单修改、等同变化或修饰,均落在本发明的保护范围内。
Claims (10)
1.一种风电机组发电机轴承故障智能诊断系统,其特征在于,包括轴承在线监测子系统和轴承故障智能诊断子系统,
所述轴承在线监测子系统,用于实时采集所述风电机组发电机轴承的状态参数,并将其采集到的状态参数传送至所述轴承故障智能诊断子系统;
所述轴承故障智能诊断子系统,包括数据采集模块、数据分析处理模块、风险评估模块、数据存储模块、通讯模块和电源模块,
所述数据采集模块,用于接收所述轴承在线监测子系统发送的状态参数,并将所述状态参数根据类别进行缓存,再传输至所述数据分析处理模块;
所述数据分析处理模块,用于接收所述数据采集模块提供的所述轴承在线监测子系统采集的状态参数,并接收所述通讯模块提供的机组并网状态、主控系统数据和指令信息,再对接收数据与正常工况下的相应数据进行分析处理,判断出轴承状态和潜在的故障发展趋势,
将其分析判断结果传输至所述风险评估模块;
所述风险评估模块,用于接收所述数据分析处理模块的分析判断结果,并接收所述通讯模块提供的预先设定的风险评估策略,对发电机轴承状态进行风险等级评估,将风险评估结果和接收的分析判断结果传输至所述数据存储模块中保存;
所述数据存储模块,用于存储所述数据分析处理模块和风险评估模块分析得到的数据信息;
所述通讯模块,用于接收所述风电机组主控系统提供的风险评估策略、机组并网状态及主控系统数据和指令信息,并将接收信息传输至所述数据分析处理模块和风险评估模块,以及将所述数据存储模块
中的数据分析判断结果和风险评估结果反馈给风电机组主控系统;
所述电源模块,用于为所述数据采集模块、数据分析处理模块、风险评估模块、数据存储模块和通讯模块提供所需电能。
2.根据权利要求1所述的风电机组发电机轴承故障智能诊断系统,其特征在于,所述轴承在线监测子系统包括安装在所述发电机轴承座和轴承外盖上的温度传感器、轴承振动速度传感器、轴承振动加速度传感器、轴承位移传感器和发电机转速传感器。
3.根据权利要求1所述的风电机组发电机轴承故障智能诊断系统,其特征在于,所述轴承在线监测子系统包括安装在所述发电机轴承座和轴承外盖上的温度传感器、轴承振动速度传感器、轴承振动加速度传感器和轴承位移传感器。
4.根据权利要求1所述的风电机组发电机轴承故障智能诊断系统,其特征在于,所述数据存储模块具有USB数据接口、网线接口和无线通讯接口。
5.根据权利要求1所述的风电机组发电机轴承故障智能诊断系统,其特征在于,所述轴承在线监测子系统和电源模块均与所述风电机组的自用电电源连接。
6.一种应用所述权利要求1至5任一项所述的风电机组发电机轴承故障智能诊断系统的风电机组发电机轴承故障智能诊断方法,其特征在于,所述方法包括如下步骤:
(1)利用所述轴承在线监测子系统实时采集所述风电机组发电机轴承的状态参数,并将其发送至所述轴承故障智能诊断子系统中的数据采集模块;
(2)由所述数据采集模块接收所述轴承在线监测子系统发送的状态参数后,将其根据预先设定的类别进行缓存,再传输至所述数据分析处理模块;
(3)由所述通讯模块接收风电机组主控系统提供的风险评估策略、机组并网状态及主控系统数据和指令信息,并将接收信息传输至所述数据分析处理模块和风险评估模块;
(4)由所述数据分析处理模块接收所述数据采集模块提供的数据信息,和所述通讯模块提供的机组并网状态及主控系统数据和指令信息,对接收到的数据与正常工况下的相应数据进行分析处理,判断出轴承状态和潜在的故障发展趋势,将其分析判断结果传输至所述风险评估模块中;
(5)由所述风险评估模块接收所述数据分析处理模块的分析判断结果,并结合由所述通讯模块提供的预先设定的风险评估策略,对发电机轴承状态进行风险等级评估,将风险评估结果和接收的分析判断结果传输至所述数据存储模块中保存;
(6)将所述数据存储模块中的数据分析结果和风险评估结果通过所述通讯模块反馈给风电机组主控系统。
7.根据权利要求6所述的风电机组发电机轴承故障智能诊断方法,其特征在于,所述步骤(1)中风电机组发电机轴承的状态参数包括轴承温度、轴承振动速度、轴承振动加速度、轴承位移值和发电机转速。
8.根据权利要求6所述的风电机组发电机轴承故障智能诊断方法,其特征在于,所述步骤(1)中风电机组发电机轴承的状态参数包括轴承温度、轴承振动速度、轴承振动加速度和轴承位移值;
所述步骤(3)中主控系统数据和指令信息中包括发电机转速。
9.根据权利要求6所述的风电机组发电机轴承故障智能诊断方法,其特征在于,所述步骤(5)中预先设定的风险评估策略是根据现有轴承故障诊断经验数据建立的故障诊断模型,所述故障诊断模型包括若干风险等级,所述风险评估模块将所述数据分析处理模块分析得到的分析判断结果,与所述故障诊断模型中的若干风险等级进行比对,评估出所述发电机轴承的风险等级。
10.根据权利要求6所述的风电机组发电机轴承故障智能诊断方法,其特征在于,所述步骤(6)中所述数据存储模块中的数据分析判断结果和风险评估结果通过USB数据传输线或无线通讯方式导出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810523613.1A CN108894932B (zh) | 2018-05-28 | 2018-05-28 | 一种风电机组发电机轴承故障智能诊断系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810523613.1A CN108894932B (zh) | 2018-05-28 | 2018-05-28 | 一种风电机组发电机轴承故障智能诊断系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108894932A CN108894932A (zh) | 2018-11-27 |
CN108894932B true CN108894932B (zh) | 2020-07-10 |
Family
ID=64343949
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810523613.1A Active CN108894932B (zh) | 2018-05-28 | 2018-05-28 | 一种风电机组发电机轴承故障智能诊断系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108894932B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110579368A (zh) * | 2019-09-26 | 2019-12-17 | 上海电气电站设备有限公司 | 基于仿真计算的旋转机械振动故障智能诊断系统及方法 |
CN111397930A (zh) * | 2020-03-17 | 2020-07-10 | 成都智造天下科技有限公司 | 一种施工设备故障检测和风险智能预警系统和方法 |
CN112267979B (zh) * | 2020-10-26 | 2021-07-23 | 积成电子股份有限公司 | 一种判断偏航轴承失效的预警方法及系统 |
CN112529359A (zh) * | 2020-11-11 | 2021-03-19 | 中广核风电有限公司 | 风电场风电机组风险评价方法、装置、设备及存储介质 |
CN112729519A (zh) * | 2021-02-03 | 2021-04-30 | 河北工程大学 | 水轮机机组振动检测系统及方法 |
US11539317B2 (en) | 2021-04-05 | 2022-12-27 | General Electric Renovables Espana, S.L. | System and method for detecting degradation in wind turbine generator bearings |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102434388A (zh) * | 2011-11-17 | 2012-05-02 | 高丙团 | 风力发电机组健康状态在线监测装置及其监测方法 |
CN102713554A (zh) * | 2010-01-04 | 2012-10-03 | Ntn株式会社 | 滚动轴承的异常诊断装置、风力发电装置及异常诊断系统 |
KR101575073B1 (ko) * | 2014-08-21 | 2015-12-21 | 두산중공업 주식회사 | 풍력 발전기 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5419472B2 (ja) * | 2009-01-09 | 2014-02-19 | Ntn株式会社 | 風力発電装置の主軸軸受の監視装置 |
NO3070262T3 (zh) * | 2014-04-02 | 2018-06-02 | ||
CN104515677A (zh) * | 2015-01-12 | 2015-04-15 | 华北电力大学 | 风电机组叶片故障诊断与状态监控系统 |
CN205262743U (zh) * | 2015-10-21 | 2016-05-25 | 沈阳工业大学 | 一种大型风力机主轴承运行状态监测及故障预警系统 |
CN106682814B (zh) * | 2016-11-28 | 2021-01-01 | 华北电力大学 | 一种基于故障知识库的风电机组故障智能诊断方法 |
CN106837707B (zh) * | 2016-12-13 | 2019-05-14 | 北京能高自动化技术股份有限公司 | 一种基于故障模型触发的自动故障诊断系统 |
CN106990357A (zh) * | 2017-04-20 | 2017-07-28 | 哈尔滨理工大学 | 智能电机集成式多参数融合健康诊断及预警系统 |
-
2018
- 2018-05-28 CN CN201810523613.1A patent/CN108894932B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102713554A (zh) * | 2010-01-04 | 2012-10-03 | Ntn株式会社 | 滚动轴承的异常诊断装置、风力发电装置及异常诊断系统 |
CN102434388A (zh) * | 2011-11-17 | 2012-05-02 | 高丙团 | 风力发电机组健康状态在线监测装置及其监测方法 |
KR101575073B1 (ko) * | 2014-08-21 | 2015-12-21 | 두산중공업 주식회사 | 풍력 발전기 |
Also Published As
Publication number | Publication date |
---|---|
CN108894932A (zh) | 2018-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108894932B (zh) | 一种风电机组发电机轴承故障智能诊断系统及方法 | |
CN108709724B (zh) | 风力发电机组螺栓在线状态监测系统及方法 | |
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 | |
CN105809255A (zh) | 一种基于物联网的火电厂旋转机械健康管理方法及系统 | |
CN110469462B (zh) | 一种基于多模板的风电机组智能状态监测系统 | |
CN109611288B (zh) | 一种基于大数据的风电运维平台 | |
CN106525415B (zh) | 一种风电机组传动链健康状态评价系统及方法 | |
CN102003341B (zh) | 用于风力方案集的系统和方法 | |
CN102434387A (zh) | 风机检测诊断系统 | |
CN111650917B (zh) | 一种设备的多维度状态在线监测方法及系统 | |
EP2309359A2 (en) | System and method for analyzing reporting data | |
CN202710100U (zh) | 风力发电机组远程在线健康状态监测与故障诊断系统 | |
CN107061183A (zh) | 一种海上风电机组的自动化故障诊断方法 | |
CN103234585A (zh) | 一种大型风电机组在线监测及故障诊断系统 | |
CN104329222A (zh) | 一种集成于风机主控系统内的在线状态监测与故障诊断方法 | |
CN204897229U (zh) | 一种起重机运行状态实时监测系统 | |
CN110779716A (zh) | 嵌入式机械故障智能诊断设备及诊断方法 | |
CN108331718A (zh) | 风电机组偏航系统在线监测机构及故障诊断系统和方法 | |
CN103758696A (zh) | 基于scada温度参数的风电机组安全状况评价方法 | |
CN109507924B (zh) | 用于油田作业设备的远程监控系统 | |
CN108803569A (zh) | 电站锅炉诊断专家系统及其故障诊断方法 | |
CN111322206B (zh) | 一种风电机组机械大部件的智慧运维系统及方法 | |
CN205260225U (zh) | 一种风机综合健康状态远程集中监测系统 | |
CN103226651A (zh) | 基于相似度统计的风电机组状态评估预警方法和系统 | |
CN114110406B (zh) | 智能润滑管理系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |