CN111120223B - 一种基于双阵列的叶片故障监测方法与设备 - Google Patents
一种基于双阵列的叶片故障监测方法与设备 Download PDFInfo
- Publication number
- CN111120223B CN111120223B CN201911295466.8A CN201911295466A CN111120223B CN 111120223 B CN111120223 B CN 111120223B CN 201911295466 A CN201911295466 A CN 201911295466A CN 111120223 B CN111120223 B CN 111120223B
- Authority
- CN
- China
- Prior art keywords
- array
- fault
- blade
- tower
- azimuth angle
- 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
-
- 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
- F03D80/00—Details, components or accessories not provided for in groups F03D1/00 - F03D17/00
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
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
本发明涉及一种基于双阵列的叶片故障监测方法,包括以下步骤:S1、布置第一阵列,监测获取叶片故障信息;S2、定位故障;S21、估计故障方位角,得到最小故障方位角,再利用第一阵列进行定位;S22、布置第二阵列,利用第一阵列与第二阵列相配合进行故障定位。本发明还公开了一种基于双阵列的叶片故障监测设备。本发明中,第一阵列与第二阵列组合,克服了第一阵列与旋转平面的夹角增大时,定位精度会越来越低的问题;提高估算故障点的精度,极大的减少了阵列的部署数量,仅靠第一阵列与第二阵列,就完成了叶片转轴随风向转动情况下的故障定位,极大的减少了阵列的部署数量,降低了成本。
Description
技术领域
本发明涉及风力发电塔组叶片故障监测领域,尤其涉及一种基于双阵列的叶片故障监测方法与设备。
背景技术
随着政府对环境污染的重视,传统的基于化学能(煤炭、石油、天然气)的发电方式越来越收到限制,而核能发电又存在着前期投资巨大的问题,风力发电和太阳能发电越来越收到政府的鼓励。风力发电是一种可再生的清洁能源,环境污染小,自动化程度高,易于实现远程控制,非常适合解决人口稀少、电网不易达到的地区的供电需求,因此风力发电具有重要的经济效益和社会效益。
叶片是风力发电塔组(以下简称“风机”)的关键部件,风机发电的能量来自于风力推动叶片旋转时的做功,而叶片在旋转过程中,尤其是从上方转到下方时,受力改变,并且交替变化,而风力状况又存在显著的不稳定性,这些因素回造成叶片受力不均,并形成振动,再加上叶片风吹日晒雨淋,由于其材料老化、磨损,还可能对叶片带来物理损伤,这些都会严重影响整个风机的运转效率,因此对叶片工作状况的监测就非常必要了。
申请号为“CN201520203659.7”的实用新型专利公开了一种用于风力发电塔的叶片故障监测设备,包括:开关控制信号采集设备和参考时间信号采集设备,控制器通过计算开关控制信号和参考时间信号的时间差实现叶片故障监测。本实用新型对叶片直接进行监测,增加了系统的可靠性;采用非接触式激光传感器采集信号,使监测信号容易获得,可以有效地消除外来信号的影响。但是该专利需要多个传感器,造成成本过高;而且定位准确率低;
还有一种方法,通过麦克风或者麦克风阵列拾取叶片转动时与气流摩擦产生的声音信号,进而通过分析声音信号判断叶片是否存在故障,并通过麦克风阵列技术对不同方向的声音分别接收来判断故障的位置。但由于风机为了最大化发电效率,会使得叶片在风力最大的方向进行转动,从而使得整组叶片会围绕塔筒0~360度范围内转动,术语叫偏航控制,这使得采用传统阵列定位的方法难以确定叶片上的故障位置。
发明内容
本发明所要解决的技术问题在于提供一种基于双阵列的叶片故障监测方法与设备,以解决难以确定叶片上故障位置的问题。
本发明通过以下技术手段实现解决上述技术问题的:
一种基于双阵列的叶片故障监测方法,包括风力发电塔,风力发电塔包括塔体、叶片,所述塔体的下端固定设置于地面上,另一端通过塔筒与叶片相连,叶片以塔筒为轴心旋转的平面为故障面,包括以下步骤:
S1、布置第一阵列,监测获取叶片故障信息;
S2、定位故障;监测叶片故障;
S21、估计故障方位角,得到最小故障方位角,再利用第一阵列进行定位;
S22、布置第二阵列,利用第一阵列与第二阵列相配合进行故障定位。
通过设置第一阵列位置,结合最小故障方位角获取叶片在工作过程中的故障信息,同时布置第二阵列,并且通过第一阵列与第二阵列确定方位角,从而实现精确定位叶片的故障点。
作为本发明进一步的方案:所述第一阵列为若干个传感器与采集板一体化设置而成;采集板用于对信息进行处理。
作为本发明进一步的方案:所述步骤S1中,所述第一阵列设置于风力发电塔底部,且所述第一阵列靠近塔体的一端与塔体圆心的连线,在平行于第一阵列本体方向上投影的长度大于塔体的半径。
作为本发明进一步的方案:所述估计故障方位角,包括利用第一阵列对扫描区域的声源进行扫描,并阵列增强,将扫描结果与训练好的故障模型进行匹配,匹配度大于设定的门限x时,即认为存在故障,此时该故障对应的方向为故障方位角;叶片旋转一圈后,即可得到获取最小故障方位角∠a;
所述故障方位角为第一阵列上的几何中心点为引出的任意一条射线与第一阵列所形成的夹角。
作为本发明进一步的方案:所述x取值为0.5≤x<1。
作为本发明进一步的方案:所述x取值为0.5。
作为本发明进一步的方案:所述利用第一阵列进行定位包括::
∠a以第一阵列为轴旋转形成圆锥曲面,所述圆锥曲面与叶片转动平面相交得曲线C,计算得到曲线C与轴心O点距离最近的点。
因为风力发电塔的每个叶片是相同的,且所述叶片在围绕着塔筒转动,即以塔筒为轴心O点不断旋转,叶片上的故障形成的面是圆形面,第一阵列能够对特定区域扫描,从而对圆形面采集信息,仅对其扫描区域的声源进行方向扫描,从而降低了计算复杂度,采集信息的区域为扫描区域,且该区域包括故障所有可能的运动轨迹。
作为本发明进一步的方案:所述步骤S22包括;所述第二阵列设置于风力发电塔底部;且所述第一阵列绕着塔体圆心顺时针旋转90度后与第二阵列重合;第一阵列、第二阵列与叶片转动的平面形成的夹角分别为∠1、∠2;其中,利用公式d=d1cos2(∠1)+d2sin2(∠1),得到最终的故障点位置,其中,d为最终估计的故障点位置与转动轴心的距离,d1为由第一阵列估计到的故障点位置与轴心的距离,d2为第二阵列估计到的故障点位置与转动轴心的距离。
通过第一阵列与第二阵列相配合,能够克服随着第一阵列与旋转平面的夹角增大,定位精度会越来越低的问题;提高估算故障点的精度。
一种基于双阵列的叶片故障的监测设备,包括第一阵列、第二阵列,所述第一阵列与第二阵列部署在风力发电塔底部;其中,
所述第一阵列靠近塔体的一端与塔体圆心的连线,在平行于第一阵列本体方向上投影的长度大于塔体的半径;所述第一阵列绕着塔体圆心顺时针旋转90度后能够与第二阵列重合。
作为本发明进一步的方案:所述第一阵列、第二阵列为拾音阵列。
本发明的优点在于:
1、本发明通过设置第一阵列位置,获取叶片在工作过程中的故障信息,并且通过第一阵列与最小故障方位角实现定位叶片的故障点;同时通过第一阵列与第二阵列组合,克服了第一阵列与旋转平面的夹角增大时,定位精度会越来越低的问题;提高估算故障点的精度,极大的减少了阵列的部署数量,仅靠第一阵列与第二阵列,就完成了叶片转轴随风向转动情况下的故障定位,极大的减少了阵列的部署数量,降低了成本。
2、本发明可以有效避免因叶片水平方向转动造成叶片声音被塔筒遮挡而影响拾音质量的问题,这样使得基于分析叶片转动摩擦气流产生的声音信号并获得叶片工作状况的这类监测技术可以不被叶片水平转动的位置影响,从而能够实现方便部署、运维成本低、监测效率高、延时低的叶片故障监测方案。
附图说明
图1为本发明中第一阵列与风力发电塔的位置的侧视图。
图2为第一阵列、第二阵列与风力发电塔的俯视图。
图3为第一阵列扫描示意图。
图4为最小故障方位角形成的圆锥曲面示意图。
图5为圆锥曲面与故障面相交的示意图。
图6为第一阵列、第二阵列与旋转平面夹角示意图。
图中,1-第一阵列,2-第二阵列,3-塔体,4-故障面所在平面,5-故障面。
具体实施方式
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,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作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。
实施例1
一种基于双阵列的叶片故障监测方法,包括风力发电塔,风力发电塔包括塔体3、叶片,所述塔体3的下端固定设置于地面上,另一端通过塔筒与叶片相连,叶片以塔筒为轴心旋转的平面为故障面5,包括以下步骤:
S1、布置拾音阵列,监测获取叶片故障信息;
设置第一阵列1的位置,具体为:
如图1,图1为本发明中第一阵列与风力发电塔的位置的侧视图;将第一阵列1部署在风力发电塔底部,本实施例中优选采用螺栓等方式将拾音阵列布置在地面上,其中,
第一阵列1靠近塔体3的一端与塔体3圆心的连线,在平行于第一阵列1本体方向上的第一投影的长度大于塔体3的半径,可以根据实际情况进行设定第一投影的长度,优选的,第一投影的长度为塔体3半径的2倍之内,本实施例中,所述第一投影的距离为塔体3半径的1.2倍;
进一步的,所述第一阵列1绕着塔体3圆心顺时针旋转若干度后能够与第二阵列2重合,本实施例中,优选为第一阵列1绕着塔体3圆心顺时针旋转90度后与第二阵列2重合。
优选的,所述第一阵列1为若干个传感器与采集板一体化设置而成,采集板用于对信息进行处理,本实施例中优选为麦克风拾音阵列。
S2、对叶片进行故障定位;具体为;
S21、估计故障方位角;得到最小故障方位角,再利用第一阵列1进行故障定位;
S2101、确定故障方位角,第一阵列1上的几何中心点引出的任意一条射线与第一阵列1所形成的夹角,为故障方位角。
如图3,图3为第一阵列扫描示意图;因为风力发电塔的每个叶片是相同的,且所述叶片在围绕着塔体上的塔筒转动,即以塔筒为轴心O点不断旋转,叶片转动所形成对的面为故障面5,且故障面5是圆形的,第一阵列1能够对故障面5所覆盖的特定区域进行扫描,从而对故障面5采集信息,采集信息的区域为扫描区域,且该区域包括故障所有可能的运动轨迹。
所述故障面5是对称的,因此只需要第一阵列仅对其扫描区域的声源进行方向扫描,即可获得所有可能的运动轨迹;从而降低了计算复杂度,同时对扫描区域的声源进行阵列增强,避免干扰源的影响;所述阵列增强是指采用现有技术,比如波束陷零技术,在对目标区域声源进行增强。
叶片的故障特征基本都是已知,事先利用叶片的故障特征训练故障模型,且该故障模型为现有技术,不在本发明的保护范围之内,此处不再详细进行描述。
将采集阵列的扫描结果,与已经训练好的故障模型进行匹配,用匹配度来衡量扫描结果与故障模型的相似度,当匹配度大于设定的门限x时即认为存在故障,此时该故障对应的方位角记为故障方位角。
x取值为0.5≤x<1;本实施例中x取值为0.5;
当叶片旋转一周后,角度最小的故障方位角,即为估计得到最小故障方位角设为∠a;
S2102、故障定位,即单阵列定位方法;由于叶片旋转,并且每个叶片的转动轴也会随着方向改变方向,因此仅仅获得故障方位角仍然无法在叶片上具体定位故障点位置;其中;
由于采集板设置在风扇的塔底,可以获得风向信息,即叶片转动平面法向方向信息,此时对某一确定故障来说,其运动轨迹与阵列的相对关系已经确定。
如图4,图4为最小故障方位角形成的圆锥曲面示意图;∠a为旋转一圈所检测到的最小故障方位角;其中,∠a由一条射线与第一阵列1组成的夹角,且交点为第一阵列1的几何中心,该射线以第一阵列1几何中心为原点,围绕∠a旋转360度,形成一个圆锥曲面,如图4所示,其中P点为第一阵列1的几何中心。
图5所示,图5为圆锥曲面与故障面相交的示意图;所述圆锥曲面和叶片转动平面(即为故障面5)相交得到曲线C。
可通过高等数学中解析式计算极值或者数值搜索解法找到曲线C到轴心O距离最近的点。解析式计算极值或者数值搜索方法均为现有技术,高等数学中有详细介绍,本实施例中不再详细描述。
由于∠a为最小故障方位角,则该最小距离即为轴心到叶片故障的距离,所以叶片的障定位得以实现;此时曲线C与故障运动轨迹相切。
为了降低实时计算量,可将每一个扫描方向的方位角和每一个风向所对应情况下的故障点位置(轴心到曲线C的最短距离距离)提前计算出结果,并将其存储于采集板中,在实时应用中,只需要查找当前扫描方向的方位角和风向即可得到结果,不需要重新计算。
S22、双阵列融合定位;即布置第二阵列2,
S2201、布置第二阵列2;如图2所示,图2为第一阵列、第二阵列与风力发电塔的俯视图;当随着第一阵列1与叶片转动平面的夹角增大,其故障方位角的变化范围会越来越小,定位精度会越来越低,当第一阵列1与叶片转动平面垂直的时候最差,所以此时通过双阵列融合定位方法来解决该问题:
设置第二阵列2,具体为:所述第一阵列1绕着塔体3圆心顺时针旋转90度后能够与第二阵列2重合。
S2202、利用第一阵列1与第二阵列2进行定位估计;包括;
如图4所示,第一阵列1、第二阵列2与叶片转动的平面形成的夹角如图6所示,图6为第一阵列、第二阵列与旋转平面夹角示意图;其中,∠1为第一阵列1与转动平面的夹角,∠2为第二阵列2与转动平面的夹角。显然有∠1和∠2相加为90度。因此当第一阵列1有最大估计精度时,第二阵列2的估计精度差,当第二阵列2具有最大估计精度时,第一阵列1估计精度最差,当∠1等于∠2等于45度时,第一阵列1和第二阵列2具有相同的精度。
将第一阵列1和第二阵列2的故障点位置估计结果进行加权融合可以解决估计精度恶化问题,并获得更高的精度,但最优加权系数难以计算。根据上述∠1和∠2与精度的关系,可以近似地采用cos2(∠1)和sin2(∠1)作为第一阵列1和第二阵列2估计结果的加权系数,则最终估计结果可表示为
d=d1cos2(∠1)+d2sin2(∠1)
其中,d为故障点位置与转动轴心距离的最终估计结果,d1和d2分别为由第一阵列1和第二阵列2估计得到的故障点位置与转动轴心的距离。
第一阵列1与第二阵列2的位置设置,可以有效避免因叶片水平方向转动造成叶片声音被塔筒遮挡而影响拾音质量的问题,这样使得基于分析叶片转动摩擦气流产生的声音信号并获得叶片工作状况的这类监测技术可以不被叶片水平转动的位置影响。
工作原理:通过第一阵列1确定故障方位角的方法,确定叶片故障的位置,同时第一阵列1与第二阵列2组合,克服了第一阵列1与旋转平面的夹角增大时,定位精度会越来越低的问题;提高估算故障点的精度,极大的减少了阵列的部署数量,仅靠第一阵列与第二阵列,就完成了叶片转轴随风向转动情况下的故障定位,极大的减少了阵列的部署数量,降低了成本。
现有的阵列定位技术没有针对风力发电机故障定位这一特殊应用场景进行改进,没有利用风力发电机的特殊位置结构,因此在叶片转动,并且转轴还随风向转动情况下需要采用复杂的三维定位算法。而本发明提出的方法,充分利用了风力发电机叶片叶片运动规律,以及阵列和叶片之间的相对空间位置关系,并结合阵列信号处理技术来确定故障位置,弥补了现有定位技术在此应用领域的不足;仅采用一维线阵就可以在上述情况下定位出叶片上故障的具体位置,极大的降低了设备成本和复杂度以及部署的难度。同时双阵列融合定位方法中,将双阵垂直摆放以保证两个阵列精度不同时变差,并根据叶片旋转平面与两个阵列的夹角角度进行加权融合,提高定位精度。
实施例2
如图2所示,图2为第一阵列、第二阵列与风力发电塔的俯视图;一种基于双阵列的叶片故障监测设备,包括第一阵列1、第二阵列2以及塔体3,所述第一阵列1与第二阵列2部署在风力发电塔底部,可以采用螺栓等方式将拾音阵列布置在地面上;
其中,第一阵列1靠近塔体3的一端与塔体3圆心的连线,在平行于第一阵列1本体方向上投影的长度大于塔体3的半径,可以根据实际情况进行设定所述投影的长度,第一投影的长度最好为塔体3半径的2倍之内,本实施例中,所述第一投影的距离为塔体3半径的1.2倍;
进一步的,所述第一阵列1绕着塔体3圆心顺时针旋转90度后能够与第二阵列2重合。
优选的,本实施例中,所述第一阵列1、第二阵列2为拾音阵列,本实施例中优选为麦克风拾音阵列。
工作原理:
第一阵列1与第二阵列2组合,克服了第一阵列1与旋转平面的夹角增大时,定位精度会越来越低的问题;提高估算故障点的精度,极大的减少了阵列的部署数量,仅靠第一阵列与第二阵列,就完成了叶片转轴随风向转动情况下的故障定位,极大的减少了阵列的部署数量,降低了成本。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (6)
1.一种基于双阵列的叶片故障监测方法,包括风力发电塔,风力发电塔包括塔体(3)、叶片,所述塔体(3)的下端固定设置于地面上,另一端通过塔筒与叶片相连,叶片以塔筒为轴心旋转的平面为故障面(5),S1、布置第一阵列(1),监测获取叶片故障信息,其特征在于,还包括以下步骤:
S2、定位故障;
S21、估计故障方位角,获取最小故障方位角,再利用第一阵列(1)进行定位,其特征在于,所述获取最小故障方位角,
所述步骤S21包括:
利用第一阵列(1)对扫描区域的声源进行扫描,并阵列增强,将扫描结果与训练好的故障模型进行匹配,匹配度大于设定的门限x时,即认为存在故障,此时该故障对应的方向为故障方位角;叶片旋转一圈后,即可得到获取最小故障方位角∠a;
其中,所述故障方位角为第一阵列(1)上的几何中心点为引出的任意一条射线与第一阵列(1)所形成的夹角;
∠a以第一阵列(1)为轴旋转形成圆锥曲面,所述圆锥曲面与故障面(5)相交得曲线C,通过解析式计算极值或者数值搜索解法计算得到曲线C与轴心O点距离最近的点,确定故障点位置;
S22、布置第二阵列(2),利用第一阵列(1)与第二阵列(2)与故障面(5)的夹角,进行故障定位;
所述步骤S22包括:
所述第二阵列(2)设置于风力发电塔底部;且所述第一阵列(1)绕着塔体(3)圆心顺时针旋转(90)度后与第二阵列(2)重合;
第一阵列(1)、第二阵列(2)与故障面(5)形成的夹角分别为∠1、∠2;利用公式d=d1cos2(∠1)+d2sin2(∠1),得到最终的故障点位置;
其中,d为故障点位置与转动轴心的距离的最终估计结果,d1为由第一阵列(1)估计到的故障点位置与轴心的距离,d2为第二阵列(2)估计到的故障点位置与转动轴心的距离;
第一阵列(1)、第二阵列(2),所述第一阵列(1)与第二阵列(2)部署在风力发电塔底部;其中,
所述第一阵列(1)靠近塔体(3)的一端与塔体(3)圆心的连线,在平行于第一阵列(1)本体方向上投影的长度大于塔体(3)的半径;所述第一阵列(1)绕着塔体(3)圆心顺时针旋转(90)度后能够与第二阵列(2)重合;
所述第二阵列(2)设置于风力发电塔底部;且所述第一阵列(1)绕着塔体(3)圆心顺时针旋转(90)度后与第二阵列(2)重合;
第一阵列(1)、第二阵列(2)与故障面(5)形成的夹角分别为∠1、∠2;利用公式d=d1cos2(∠1)+d2sin2(∠1),得到最终的故障点位置;
其中,d为故障点位置与转动轴心的距离的最终估计结果,d1为由第一阵列(1)估计到的故障点位置与轴心的距离,d2为第二阵列(2)估计到的故障点位置与转动轴心的距离。
2.根据权利要求1所述的基于双阵列的叶片故障监测方法,其特征在于,所述第一阵列(1)为若干个传感器与采集板一体化设置而成。
3.根据权利要求1所述的基于双阵列的叶片故障监测方法,其特征在于,步骤S1中,所述第一阵列(1)设置于风力发电塔底部,且所述第一阵列(1)靠近塔体(3)的一端与塔体(3)圆心的连线,在平行于第一阵列(1)本体方向上投影的长度大于塔体(3)的半径。
4.根据权利要求1所述的基于双阵列的叶片故障监测方法,其特征在于,所述x取值为0.5≤x<1。
5.根据权利要求1所述的基于双阵列的叶片故障监测方法,其特征在于,所述x取值为0.5。
6.根据权利要求1所述的基于双阵列的叶片故障监测方法,其特征在于,所述第一阵列(1)、第二阵列(2)为拾音阵列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911295466.8A CN111120223B (zh) | 2019-12-16 | 2019-12-16 | 一种基于双阵列的叶片故障监测方法与设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911295466.8A CN111120223B (zh) | 2019-12-16 | 2019-12-16 | 一种基于双阵列的叶片故障监测方法与设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111120223A CN111120223A (zh) | 2020-05-08 |
CN111120223B true CN111120223B (zh) | 2021-09-03 |
Family
ID=70499322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911295466.8A Active CN111120223B (zh) | 2019-12-16 | 2019-12-16 | 一种基于双阵列的叶片故障监测方法与设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111120223B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113790129B (zh) * | 2021-09-08 | 2022-11-08 | 中国华能集团清洁能源技术研究院有限公司 | 一种风机叶片声音信号采集最优位置选取方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8262338B2 (en) * | 2007-01-11 | 2012-09-11 | Cassidy Joe C | Vertical axis dual vortex downwind inward flow impulse wind turbine |
CN102854494B (zh) * | 2012-08-08 | 2015-09-09 | Tcl集团股份有限公司 | 一种声源定位方法及装置 |
CN104459625B (zh) * | 2014-12-14 | 2017-07-21 | 南京理工大学 | 基于轨道移动双麦克风阵列的声源定位装置及方法 |
CN204591593U (zh) * | 2015-04-07 | 2015-08-26 | 天津科技大学 | 一种用于风力发电机的叶片故障监测装置 |
CN104991573A (zh) * | 2015-06-25 | 2015-10-21 | 北京品创汇通科技有限公司 | 一种基于声源阵列的定位跟踪方法及其装置 |
CN105136435B (zh) * | 2015-07-15 | 2017-10-31 | 北京汉能华科技股份有限公司 | 一种风力发电机组叶片故障诊断的方法和装置 |
CN106286151B (zh) * | 2016-08-26 | 2019-03-22 | 中车株洲电力机车研究所有限公司 | 一种风电机组低速轴扭转载荷监测方法及载荷分析方法 |
CN106286152B (zh) * | 2016-09-14 | 2018-12-04 | 北京金风科创风电设备有限公司 | 风力发电机组的叶片状态监测装置及监测方法 |
EP3361094A1 (de) * | 2017-02-10 | 2018-08-15 | Nordex Energy GmbH | Windenergieanlage sowie windpark mit mindestens einer solchen windenergieanlage |
CN110261771B (zh) * | 2019-06-21 | 2020-07-03 | 西北工业大学 | 一种基于传感器互补性分析的故障诊断方法 |
-
2019
- 2019-12-16 CN CN201911295466.8A patent/CN111120223B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111120223A (zh) | 2020-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8076625B2 (en) | Field level tracker controller | |
CN110985310B (zh) | 基于声传感器阵列的风力发电机叶片故障监测方法与设备 | |
CN102778900A (zh) | 用于碟式太阳能热发电系统的对日跟踪方法和跟踪系统 | |
CN101995233A (zh) | 用于太阳精密跟踪的角度测量方法与数字式光电角度传感器 | |
CN107764198B (zh) | 发动机动静叶片轴向间隙光投影测量装置和方法 | |
KR20080013481A (ko) | 추적식 태양광 발전장치 | |
WO2005098327A1 (ja) | ヘリオスタットとその制御方法 | |
CN111120223B (zh) | 一种基于双阵列的叶片故障监测方法与设备 | |
Yu et al. | Image-based damage recognition of wind turbine blades | |
EP4179198A1 (en) | Methods and systems of advanced yaw control of a wind turbine | |
CN107407502B (zh) | Csp追踪 | |
CN103914085A (zh) | 一种利用棒影图像实现太阳光跟踪的装置和方法 | |
CN114866744A (zh) | 一种风电叶片自动追踪扫描探测系统与方法 | |
CN110469460B (zh) | 一种风力发电机的故障检测方法和系统 | |
CN114944816A (zh) | 一种应用于光伏组件的智能巡检系统 | |
KR20200104992A (ko) | 집광 및 분광에 의한 고효율 태양광 발전시스템 | |
CN102128714B (zh) | 光学透镜的聚光效率检测装置及其方法 | |
CN110608133B (zh) | 一种海上风力发电控制系统及方法 | |
CN204832111U (zh) | 一种风场运行中的风力发电机叶片检测装置 | |
CN115807741A (zh) | 一种风电机组叶尖净空测量系统 | |
CN113790129B (zh) | 一种风机叶片声音信号采集最优位置选取方法 | |
CN110486236B (zh) | 一种风力发电机的故障检测方法和系统 | |
Lee et al. | Development of a hybrid solar tracking device using a GPS and a photo-sensor capable of operating at low solar radiation intensity | |
Baig et al. | Recognition of Faulty Modules in a Photovoltaic Array Using Image Processing Techniques | |
CN103063615A (zh) | 基于抛物面反射镜的光洁度测量仪及其测量方法 |
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 |