CN112326987A - 基于水下声信号的海上风机非接触式叶轮转速监测方法 - Google Patents
基于水下声信号的海上风机非接触式叶轮转速监测方法 Download PDFInfo
- Publication number
- CN112326987A CN112326987A CN202011185695.7A CN202011185695A CN112326987A CN 112326987 A CN112326987 A CN 112326987A CN 202011185695 A CN202011185695 A CN 202011185695A CN 112326987 A CN112326987 A CN 112326987A
- Authority
- CN
- China
- Prior art keywords
- rotating speed
- signal
- impeller
- wind turbine
- frequency
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012544 monitoring process Methods 0.000 title claims abstract description 26
- 238000001228 spectrum Methods 0.000 claims abstract description 42
- 230000002159 abnormal effect Effects 0.000 claims abstract description 6
- 230000003595 spectral effect Effects 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 10
- 241000251468 Actinopterygii Species 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000003321 amplification Effects 0.000 claims description 2
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 abstract description 5
- 238000009774 resonance method Methods 0.000 abstract description 5
- 238000005299 abrasion Methods 0.000 abstract description 3
- 230000007613 environmental effect Effects 0.000 abstract description 3
- 238000011156 evaluation Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000005236 sound signal Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000013016 damping Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000003746 feather Anatomy 0.000 description 1
- 230000002431 foraging effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005036 potential barrier Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
基于水下声信号的海上风机非接触式叶轮转速监测方法,涉及风电技术领域。使用水听器实时采集靠近风机处的海上风机营运期水下噪声,并利用随机共振方法提取营运期水下噪声的线谱频率,而后利用该频率反演出风机的叶轮转速。对比预先设定的门限阈值,当发现叶轮转速异常时,系统发出警报并停止风机运行以保证风机的安全。不需要把监测仪器安装在风机的转轴或其他固件上,这种非接触式的叶轮转速监测方法避免了现有监测仪器因需与风机长时间直接接触而发生磨损、脱落等带来的风险,不仅可以有效监测叶轮转速,还可以跟踪监测海上风电场营运期水下噪声的实时变化,为海洋环境噪声的影响评估提供关键参数,具有方法简单、成本低、布置方便等优势。
Description
技术领域
本发明涉及风电技术领域,尤其是涉及一种基于水下声信号的海上风机非接触式叶轮转速监测方法。
背景技术
随着化石能源的枯竭和可持续发展理念的倡导,绿色清洁的风力发电得到了高速发展。相比于陆上风能,海上风能具有风速高、风功率密度大、不占用陆上土地等优势,这使得风力发电的重心从陆上转移到了海上。目前的风力发电机中,普遍采用变速变桨距风力发电机。([1]陈雪峰,郭艳婕,许才彬,商红兵.风电装备故障诊断与健康监测研究综述[J].中国机械工程,2020,31(02):175-189.)变速控制使得在风速变化的情况下可以实时调节风力发电机的转速,使之运行在最佳转速上以最大程度地捕获风能;变桨距控制则通过调节叶片的桨距角来稳定输出功率,且在风速高于切出风速时,调节桨叶顺桨,控制风力发电机刹车以保护风电机组不受损坏。风机在变速变桨距过程中需要叶轮转速信息来协助调节,因此需要对叶轮转速进行实时监测,并在叶轮转速异常时,发出警报信号并停止风机运行以保证风机安全。
目前,对风力发电机叶轮转速测量的方法一般采用脉冲计数法和机械传感测量法。这些测量方法都是利用转速测量传感器或接近开关传感器检测脉冲个数或者周期来获得转速信息,实现转速监测和超速保护的目的。但是,这些监测仪器需要安装在转轴或者轮毂附近的合适位置,增加了风机结构的复杂性。此外,长时间的接触运行会造成监测仪器硬件的磨损或污垢沉积,容易引起测量准确度下降或发生故障,造成安全事故。
海上风机营运期水下噪声,通常被描述为一种连续的、低强度噪声,在1000Hz以下具有一个或多个线谱分量。它主要是由于风机在营运过程中,叶轮在风力的作用下带动传动轴、增速齿轮箱等转动,反应其运行状态的各种声信号随机械运转呈现周期性,这些声信号以振动的形式通过塔架和桩基基础辐射到水中。对于变速工况下的风机,振动响应随叶轮转速而变化,其产生的水下噪声线谱频率也随叶轮转速发生相应的变化。([2]PangercT,Theobald P D,Wang L S,et al.Measurement and characterisation of radiatedunderwater sound from a 3.6MW monopile wind turbine[J].Journal of theAcoustical Society of America,2016,140(4):2913.)因此,可以通过海上风机营运期水下噪声线谱频率来反演叶轮转速变化。然而,海洋背景噪声复杂,风浪噪声、潮流噪声和远处的船舶噪声均较大,营运期水下声信号往往被海洋背景噪声所掩盖,线谱频率不明显。([3]Yang Chun-Mei,Liu Zong-Wei,LüLian-Gang,Yang Guang-Bing,Huang Long-Fei,Jiang Ying.Observation and comparison of tower vibration and underwater noisefrom offshore operational wind turbines in the East China Sea Bridge ofShanghai.[J].The Journal of the Acoustical Society of America,2018,144(6).)
鉴于海上风机营运期水下噪声线谱特征在潮流噪声等强背景噪声下容易被掩盖,因此需要一种有效的方法来检测和提取水下声信号。随机共振是近40年发展起来的一种微弱信号检测方法,它通常包括三个基本要素,即微弱输入信号、噪声和非线性系统。与传统微弱信号检测方法致力于抑制噪声来达到提取微弱信号的目的不同的是,随机共振方法将噪声视为一种可以提升系统性能的有益对象,通过调整合适的系统参数来增强微弱信号的能量,为海上风机营运时水下微弱声信号的检测提供了一个新途径。一个二阶欠阻尼随机共振模型可以由以下控制方程给出:
其中,x(t)为二阶欠阻尼双稳态系统的输出信号,t为时间,γ为阻尼系数,s(t)为周期信号,ξ(t)为高斯白噪声,U(x)为非线性双稳态势函数,其表达式如下:
其中,a、b为系统参数,它们决定了双稳态系统的形状。在没有外力和噪声作用时,势垒高ΔV=a2/4b,势函数U(x)在x0=0取极大值,在处取极小值。在输入信号和噪声强度确定的情况下,可以通过调节非线性系统参数a、b、γ来实现随机共振,达到微弱信号检测与提取的目的。
发明内容
本发明的目的在于提供可根据海上风电场实时采集的营运期水下声信号,利用随机共振方法增强和提取强背景噪声下水声信号的线谱频率特征,从而反演风机叶轮转速,实现海上风机叶轮转速监测的一种基于水下声信号的海上风机非接触式叶轮转速监测方法。
本发明包括以下步骤:
1)在海上风机开始运行时,利用布放在水体中的球形水听器连续采集风机运行中的水下声信号,接收到的声信号经前置放大、抗混叠滤波和模数转换后得到数字信号;
2)对步骤1)实时采集得到的数字信号进行处理,获取第i秒数字信号sni[j],再将数字信号sni[j]输入数字带通滤波器后得到滤波信号snfi[j];
3)对滤波信号snfi[j]进行快速傅里叶变换,获得信号的频谱信息,若频谱中幅度最大值Am1与次大值Am2之比超过设定的幅度阈值比At,直接将此时频谱的峰值频率fmax作为第i秒的线谱频率fmi,并执行步骤6),否则执行步骤4);
4)建立一个二阶欠阻尼双稳态随机共振系统,初始化系统参数的范围a,b∈(0,2]、γ∈(0,1],将步骤2)得到的滤波信号snfi[j]输入到二阶欠阻尼双稳态随机共振系统中,以加权频谱峰值信噪比(Weighted spectral peak signal-to-noise ratio,以下简称WPSNR)为衡量指标,通过人工鱼群算法对系统参数a、b、γ进行联合寻优,得到最优的系统参数aopt、bopt、γopt及对应的最优输出信号xi[j]opt,j=1,2,…,N;
5)将步骤4)得到的最优输出信号xi[j]opt进行快速傅里叶变换,计算获得此时频谱中的峰值频率fmax,并将峰值频率fmax作为第i秒的线谱频率fmi;
6)根据步骤3)或步骤5)得到的线谱频率fmi代入预先确定的拟合公式,计算得到叶轮转速vi;
7)将步骤6)得到的叶轮转速vi与设定的门限阈值进行对比,若叶轮转速在正常值范围,重复执行步骤2)~7),继续对下1s的采集数据进行处理,实现叶轮转速的监测;若叶轮转速异常,发出警报信号,并停止风机运行以保证风机安全。
在步骤1)中,所述球形水听器可布放在离海上风机桩基中心50m、水体中层深度处。
在步骤2)中,所述得到滤波信号snfi[j]的具体方法可为:对步骤1)实时采集得到的数字信号每次取时长1s进行处理,第i秒数字信号即为sni[j],j=1,2,…,N,N为每秒钟水下声信号的采样点数,将数字信号sni[j]输入数字带通滤波器后得到滤波信号snfi[j],j=1,2,…,N;
在步骤2)中,所述数字带通滤波器的截止频率根据前1s得到的线谱频率fmi-1进行设置;其中,设定第1s采集的信号其截止频率设置为70~160Hz,后续截止频率将根据前1s得到的线谱频率fmi-1设置为(fmi-1-10)~(fmi-1+10)Hz。
在步骤6)中,所述拟合公式根据海上风电场现场测试获得数据,通过最小二乘法拟合得到,其表达式如下:
vi=a*fmi+b。
与现有海上风机叶轮转速监测方法相比,本发明具有如下优点:
(1)本发明以球形水听器等为主要监测仪器,其安装只需将水听器布置在风机近距离水体中层深度处,而不用安装固定在转轴或其他固件上,这种非接触式的监测方法不仅可以避免现有风机叶轮转速监测仪器因需与风机直接接触而发生的长时间磨损、脱落带来的风险,而且对监测仪器的安装与维护简单方便。
(2)本发明一方面可以通过水下声信号的线谱频率变化反演风机的叶轮转速,有效实现叶轮转速的监测;另一方面可以同时跟踪监测海上风电场营运期水下噪声的实时变化,为海洋环境噪声的影响评估提供关键参数,具有方法简单、成本低、布置方便等在海上风电场中广泛应用的优点。
附图说明
图1为本发明实施例的原理示意图。
图2为本发明实施例的仪器布置示意图。
图3为实测的海上风机营运期水下噪声的时域图。
图4为实测的海上风机营运期水下噪声的时频图。
图5为实测的海上风机营运期水下噪声经本发明处理后提取的线谱频率变化图。
图6为实测的海上风机营运期水下噪声线谱频率与叶轮转速的拟合结果。
图7为实测的海上风机营运期水下噪声经本发明处理后获得的叶轮转速变化图。
具体实施方式
以下实施例将结合附图对本发明作进一步说明。
图1为本发明实施例的原理示意图。首先,在海上风机开始运行时,利用布放在离海上风机桩基中心50m、水体中层深度处的球形水听器连续采集风机运行中的水下声信号,其仪器布置示意图如图2所示。接收到的声信号经前置放大、抗混叠滤波和模数转换后得到数字信号。图3为一段某海上风电场实测的营运期水下噪声的时域图,图4为对应的时频图。对实时采集到的数据每次取时长1s进行处理,第i秒数字信号即为sni[j],j=1,2,…,N,N为每秒钟水下声信号的采样点数。
考虑到水下声信号在低频部分受风浪噪声和潮流噪声等影响较为严重,且70~160Hz范围内的线谱分量比较明显,故利用数字带通滤波器对采集的水下声信号进行滤波处理,得到滤波信号snfi[j],j=1,2,…,N。数字带通滤波器的截止频率根据前1s得到的线谱频率fmi-1进行设置。其中,设定第1s采集的信号其截止频率设置为70~160Hz,后续截止频率将根据前1s得到的线谱频率fmi-1设置为(fmi-1-10)~(fmi-1+10)Hz。得到滤波信号snfi[j]后,对信号进行快速傅里叶变换(FFT),并对此时的频谱信息进行判断。若频谱中幅度最大值Am1与次大值Am2之比超过设定的幅度阈值比At(这里At设为1.5),表明营运期水下噪声线谱特征较明显,受潮流噪声等影响小,可以直接将此时频谱的峰值频率fmax作为第i秒的线谱频率fmi;相反的,若频谱中幅度最大值Am1与次大值Am2之比未超过设定的幅度阈值比At,则需进一步对滤波信号snfi[j]进行随机共振处理以获取线谱频率。
若滤波信号需要进行随机共振处理,则建立一个二阶欠阻尼双稳态随机共振系统,通过尺度系数m=2000进行普通尺度变换,使系统能够实现大参数随机共振。之后,初始化系统参数a、b、γ的范围,二阶欠阻尼双稳态系统如下:
其中,x(t)为二阶欠阻尼双稳态系统的输出信号,t为时间,γ∈(0,1]为阻尼系数,s(t)为周期信号,ξ(t)为高斯白噪声,U(x)为非线性双稳态势函数,其表达式如下:
其中,a、b为系统参数,且a,b∈(0,2]。将滤波信号snfi[j]输入到二阶欠阻尼双稳态随机共振系统中,以加权频谱峰值信噪比WPSNR为衡量指标,通过人工鱼群算法对系统参数a、b、γ进行联合寻优。设定人工鱼群数量为50,人工鱼视野为0.5,移动步长为0.2,拥挤度因子为0.618,设定迭代最大次数为50,根据a、b、γ的范围设定人工鱼的初始状态,以加权频谱峰值信噪比WPSNR为衡量指标,其表达式如下:
式中,Xi[j]为系统输出信号xi[j]的频谱,j0为频谱中峰值频率对应的序号,SC为系统输入信号snfi[j]与系统输出信号xi[j]的频谱相关系数,由下式计算:
其中,Num是输出信号xi[j]的过零点数,fmax为输出信号的峰值频率,N为输出信号的点数,fs为采样率;初代人工鱼以加权频谱峰值信噪比WPSNR为衡量指标,通过觅食、聚群、追尾等行为实现参数选择,当随机共振系统输出信号的加权频谱峰值信噪比WPSNR最大时,根据对应的人工鱼群状态得到系统最优参数aopt、bopt、γopt及对应的最优输出信号xi[j]opt。对得到的最优输出信号xi[j]opt进行快速傅里叶变换,计算获得此时频谱中的峰值频率fmax,并将峰值频率fmax作为第i秒的线谱频率fmi。实测的营运期水下噪声经上述处理后可以有效提取线谱频率,结果如图5所示。
根据提取的线谱频率fmi,可以利用预先确定的拟合公式,计算得到叶轮转速vi。其中,所述拟合公式根据海上风电场现场测试获得数据,通过最小二乘法拟合得到,其表达式如下:
vi=a*fmi+b
以江苏某海上风电场实测的营运期水下噪声与叶轮转速为例,拟合结果如图6所示,均方根误差为0.08,表达式如下:
vi=0.08328*fmi-0.05759
通过拟合公式将线谱频率转换为叶轮转速并与设定的门限阈值进行对比,若叶轮转速在正常值范围,则继续对下1s的采集数据进行处理,从而实现叶轮转速的监测;若叶轮转速异常,发出警报信号,并停止风机运行以保证风机安全。图7给出了实测的营运期水下噪声经本发明处理后获得的叶轮转速变化图。
本发明考虑了现有叶轮转速监测仪器需要安装在风机转轴或其他固件上,且长时间运行会发生磨损、脱落而给风机带来风险的缺点,提出采用随机共振方法提取海上风电场营运期水下噪声线谱频率,并利用线谱频率反演转速以达到转速监测的非接触式方法。本发明使用水听器实时采集靠近风机处的海上风机营运期水下噪声,并利用随机共振方法提取营运期水下噪声的线谱频率,而后利用该频率反演出风机的叶轮转速。对比预先设定的门限阈值,当发现叶轮转速异常时,系统发出警报并停止风机运行以保证风机的安全。本发明不需要把监测仪器安装在风机的转轴或其他固件上,这种非接触式的叶轮转速监测方法避免了现有监测仪器因需与风机长时间直接接触而发生磨损、脱落等带来的风险,本发明一方面可以有效实现叶轮转速的监测;另一方面可以同时跟踪监测海上风电场营运期水下噪声的实时变化,为海洋环境噪声的影响评估提供关键参数,具有方法简单、成本低、布置方便等在海上风电场中广泛应用的优点。
Claims (5)
1.基于水下声信号的海上风机非接触式叶轮转速监测方法,其特征在于包括以下步骤:
1)在海上风机开始运行时,利用布放在水体中的球形水听器连续采集风机运行中的水下声信号,接收到的声信号经前置放大、抗混叠滤波和模数转换后得到数字信号;
2)对步骤1)实时采集得到的数字信号进行处理,获取第i秒数字信号sni[j],再将数字信号sni[j]输入数字带通滤波器后得到滤波信号snfi[j];
3)对滤波信号snfi[j]进行快速傅里叶变换,获得信号的频谱信息,若频谱中幅度最大值Am1与次大值Am2之比超过设定的幅度阈值比At,直接将此时频谱的峰值频率fmax作为第i秒的线谱频率fmi,并执行步骤6),否则执行步骤4);
4)建立一个二阶欠阻尼双稳态随机共振系统,初始化系统参数的范围a,b∈(0,2]、γ∈(0,1],将步骤2)得到的滤波信号snfi[j]输入到二阶欠阻尼双稳态随机共振系统中,以加权频谱峰值信噪比(Weighted spectral peak signal-to-noise ratio,以下简称WPSNR)为衡量指标,通过人工鱼群算法对系统参数a、b、γ进行联合寻优,得到最优的系统参数aopt、bopt、γopt及对应的最优输出信号xi[j]opt,j=1,2,…,N;
5)将步骤4)得到的最优输出信号xi[j]opt进行快速傅里叶变换,计算获得此时频谱中的峰值频率fmax,并将峰值频率fmax作为第i秒的线谱频率fmi;
6)根据步骤3)或步骤5)得到的线谱频率fmi代入预先确定的拟合公式,计算得到叶轮转速vi;
7)将步骤6)得到的叶轮转速vi与设定的门限阈值进行对比,若叶轮转速在正常值范围,重复执行步骤2)~7),继续对下1s的采集数据进行处理,实现叶轮转速的监测;若叶轮转速异常,发出警报信号,并停止风机运行以保证风机安全。
2.如权利要求1所述基于水下声信号的海上风机非接触式叶轮转速监测方法,其特征在于在步骤1)中,所述球形水听器布放在离海上风机桩基中心50m、水体中层深度处。
3.如权利要求1所述基于水下声信号的海上风机非接触式叶轮转速监测方法,其特征在于在步骤2)中,所述得到滤波信号snfi[j]的具体方法为:对步骤1)实时采集得到的数字信号每次取时长1s进行处理,第i秒数字信号即为sni[j],j=1,2,…,N,N为每秒钟水下声信号的采样点数,将数字信号sni[j]输入数字带通滤波器后得到滤波信号snfi[j],j=1,2,…,N。
4.如权利要求1所述基于水下声信号的海上风机非接触式叶轮转速监测方法,其特征在于在步骤2)中,所述数字带通滤波器的截止频率根据前1s得到的线谱频率fmi-1进行设置;其中,设定第1s采集的信号其截止频率设置为70~160Hz,后续截止频率将根据前1s得到的线谱频率fmi-1设置为(fmi-1-10)~(fmi-1+10)Hz。
5.如权利要求1所述基于水下声信号的海上风机非接触式叶轮转速监测方法,其特征在于在步骤6)中,所述拟合公式根据海上风电场现场测试获得数据,通过最小二乘法拟合得到,其表达式如下:
vi=a*fmi+b。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011185695.7A CN112326987B (zh) | 2020-10-29 | 2020-10-29 | 基于水下声信号的海上风机非接触式叶轮转速监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011185695.7A CN112326987B (zh) | 2020-10-29 | 2020-10-29 | 基于水下声信号的海上风机非接触式叶轮转速监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112326987A true CN112326987A (zh) | 2021-02-05 |
CN112326987B CN112326987B (zh) | 2021-08-03 |
Family
ID=74297523
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011185695.7A Expired - Fee Related CN112326987B (zh) | 2020-10-29 | 2020-10-29 | 基于水下声信号的海上风机非接触式叶轮转速监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112326987B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113586177A (zh) * | 2021-08-10 | 2021-11-02 | 西安交通大学 | 基于单叶端定时传感器的叶片固有频率识别方法 |
CN114649001A (zh) * | 2022-03-17 | 2022-06-21 | 厦门大学 | 基于自适应随机共振的营运风机水下声信号特征提取方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007100639A2 (en) * | 2006-02-28 | 2007-09-07 | Kuehnle Manfred R | Submersible turbine apparatus |
CN102305875A (zh) * | 2011-05-20 | 2012-01-04 | 哈尔滨工业大学 | 风力发电机组有效风速的测量方法及实现该方法的测量装置 |
CN103335844A (zh) * | 2013-06-24 | 2013-10-02 | 中国计量学院 | 一种自适应随机共振轴承故障检测方法 |
KR101551219B1 (ko) * | 2014-04-14 | 2015-09-09 | 두산중공업 주식회사 | 풍력 발전 장치 및 그 제어 방법 |
US20150308285A1 (en) * | 2014-04-23 | 2015-10-29 | Senvion Se | Wind turbine diagnostic device for generator components |
CN107038475A (zh) * | 2017-03-22 | 2017-08-11 | 中国人民解放军信息工程大学 | 一种基于人工鱼群算法的自适应随机共振系统和方法 |
US9778228B2 (en) * | 2013-11-12 | 2017-10-03 | Woods Hole Oceanographic Institution | Turbine sensor system for environmental impact monitoring |
CN107329141A (zh) * | 2017-08-03 | 2017-11-07 | 厦门大学 | 一种海洋环境下的航体微弱辐射噪声信号检测方法 |
CN109030849A (zh) * | 2018-05-22 | 2018-12-18 | 大连透平机械技术发展有限公司 | 压缩机旋转失速的监测方法及装置 |
CN109186749A (zh) * | 2018-08-27 | 2019-01-11 | 西安电子科技大学 | 一种多参数优化的自适应随机共振水声信号检测方法 |
CN109446975A (zh) * | 2018-10-25 | 2019-03-08 | 重庆邮电大学 | 多尺度噪声调节随机共振的微弱信号检测 |
CN110985310A (zh) * | 2019-12-16 | 2020-04-10 | 大连赛听科技有限公司 | 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 |
-
2020
- 2020-10-29 CN CN202011185695.7A patent/CN112326987B/zh not_active Expired - Fee Related
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007100639A2 (en) * | 2006-02-28 | 2007-09-07 | Kuehnle Manfred R | Submersible turbine apparatus |
CN102305875A (zh) * | 2011-05-20 | 2012-01-04 | 哈尔滨工业大学 | 风力发电机组有效风速的测量方法及实现该方法的测量装置 |
CN103335844A (zh) * | 2013-06-24 | 2013-10-02 | 中国计量学院 | 一种自适应随机共振轴承故障检测方法 |
US9778228B2 (en) * | 2013-11-12 | 2017-10-03 | Woods Hole Oceanographic Institution | Turbine sensor system for environmental impact monitoring |
KR101551219B1 (ko) * | 2014-04-14 | 2015-09-09 | 두산중공업 주식회사 | 풍력 발전 장치 및 그 제어 방법 |
US20150308285A1 (en) * | 2014-04-23 | 2015-10-29 | Senvion Se | Wind turbine diagnostic device for generator components |
CN107038475A (zh) * | 2017-03-22 | 2017-08-11 | 中国人民解放军信息工程大学 | 一种基于人工鱼群算法的自适应随机共振系统和方法 |
CN107329141A (zh) * | 2017-08-03 | 2017-11-07 | 厦门大学 | 一种海洋环境下的航体微弱辐射噪声信号检测方法 |
CN109030849A (zh) * | 2018-05-22 | 2018-12-18 | 大连透平机械技术发展有限公司 | 压缩机旋转失速的监测方法及装置 |
CN109186749A (zh) * | 2018-08-27 | 2019-01-11 | 西安电子科技大学 | 一种多参数优化的自适应随机共振水声信号检测方法 |
CN109446975A (zh) * | 2018-10-25 | 2019-03-08 | 重庆邮电大学 | 多尺度噪声调节随机共振的微弱信号检测 |
CN110985310A (zh) * | 2019-12-16 | 2020-04-10 | 大连赛听科技有限公司 | 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 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113586177A (zh) * | 2021-08-10 | 2021-11-02 | 西安交通大学 | 基于单叶端定时传感器的叶片固有频率识别方法 |
CN113586177B (zh) * | 2021-08-10 | 2022-08-09 | 西安交通大学 | 基于单叶端定时传感器的叶片固有频率识别方法 |
CN114649001A (zh) * | 2022-03-17 | 2022-06-21 | 厦门大学 | 基于自适应随机共振的营运风机水下声信号特征提取方法 |
CN114649001B (zh) * | 2022-03-17 | 2024-06-04 | 厦门大学 | 基于自适应随机共振的营运风机水下声信号特征提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112326987B (zh) | 2021-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112326987B (zh) | 基于水下声信号的海上风机非接触式叶轮转速监测方法 | |
Xie et al. | A review of current issues of marine current turbine blade fault detection | |
Yoon et al. | On the use of a single piezoelectric strain sensor for wind turbine planetary gearbox fault diagnosis | |
CN101363420B (zh) | 通过信号的组合的事件监控 | |
CN111307460A (zh) | 基于计算阶次跟踪与谱峭度的滚动轴承故障诊断方法 | |
CN107192446B (zh) | 风力发电机组塔筒固有频率监测方法 | |
CN113239613B (zh) | 一种水轮机组摆度报警判断方法 | |
CN108919116B (zh) | 基于MCCKAF-FFT-Softmax的海流发电机不平衡定子电流故障诊断方法 | |
CN101782475A (zh) | 基于风力发电机组振动的叶片故障诊断方法 | |
CN110987167A (zh) | 旋转机械设备的故障检测方法、装置、设备及存储介质 | |
CN101476538B (zh) | 用于风力涡轮机的单个叶片噪声测量系统和方法 | |
CN110988472B (zh) | 基于电流信号的风力发电机变桨传动齿轮故障诊断方法 | |
WO2013003792A2 (en) | System and method of in sity wind turbine blade monitoring | |
CN112067701B (zh) | 基于声学诊断的风机叶片远程听诊方法 | |
CN112381860B (zh) | 一种旋转叶片动频测量的无标记计算机视觉方法 | |
CN103940611A (zh) | 一种风电机组变工况下滚动轴承自适应异常检测方法 | |
CN109236587A (zh) | 一种用于检测风力发电机异常工作的报警系统 | |
CN113252940A (zh) | 藉由LiDAR传感器确定风向的方法 | |
Lyu et al. | Operational modal analysis of a rotating structure using image-based tracking continuously scanning laser Doppler vibrometry via a novel edge detection method | |
KR101342856B1 (ko) | 풍력발전기 로터블레이드의 얼음 감시 방법 | |
CN111173687A (zh) | 一种风电风机叶片裂纹损伤在线监测装置及方法 | |
Yang et al. | Intelligent diagnosis technology of wind turbine drive system based on neural network | |
CN114593023A (zh) | 一种风电机组叶片裂纹监测系统及方法 | |
CN115538505A (zh) | 一种海上风电桩基础冲刷实时监测系统及监测方法 | |
CN115855461B (zh) | 一种风电机组风机叶片噪音异常系统和方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210803 |