CN114033736A - 一种基于气压脉动信号风机故障监测系统 - Google Patents
一种基于气压脉动信号风机故障监测系统 Download PDFInfo
- Publication number
- CN114033736A CN114033736A CN202111588712.6A CN202111588712A CN114033736A CN 114033736 A CN114033736 A CN 114033736A CN 202111588712 A CN202111588712 A CN 202111588712A CN 114033736 A CN114033736 A CN 114033736A
- Authority
- CN
- China
- Prior art keywords
- frequency
- signal
- real
- fan
- air pressure
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 33
- 230000010349 pulsation Effects 0.000 claims abstract description 56
- 238000005259 measurement Methods 0.000 claims abstract description 19
- 238000003745 diagnosis Methods 0.000 claims abstract description 10
- 238000006243 chemical reaction Methods 0.000 claims abstract description 7
- 238000001228 spectrum Methods 0.000 claims description 47
- 238000012795 verification Methods 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 7
- 230000003595 spectral effect Effects 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000011426 transformation method Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 238000005314 correlation function Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 5
- 230000007547 defect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
- F04D27/001—Testing thereof; Determination or simulation of flow characteristics; Stall or surge detection, e.g. condition monitoring
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
- F04D27/008—Stop safety or alarm devices, e.g. stop-and-go control; Disposition of check-valves
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Control Of Positive-Displacement Air Blowers (AREA)
Abstract
本发明涉及风机故障监测的技术领域,尤其涉及一种基于气压脉动信号风机故障监测系统。整个系统由高频脉动传感器、高频测量模块和分析模块三部分组成;所述高频脉动传感器设置于风机处,用于测量高频气压脉动信号;所述高频测量模块通过高频气压采集,实现模拟信号与数字信号的转换;所述分析模块接收所述高频测量模块的信号后,对风机进行故障预警和诊断。本发明的目的就是针对现有技术中存在的缺陷提供一种基于气压脉动信号风机故障监测系统,达到了当风机出现气流故障时候,可以及时的反应出故障信息,并对设备的状态进行监测的效果。
Description
技术领域
本发明涉及风机故障监测的技术领域,尤其涉及一种基于气压脉动信号风机故障监测系统。
背景技术
当前情况下,因实际运行情况复杂,大型风机的实际工作点经常偏离实际工况,难以建立精确的解析模型,对风机的故障诊断难以有实际上的帮助。基于信号的方法主要集中在风机的振动特征,当风机出现气流脉动异常时,并不能及时的反应出故障特征,容易导致风机偏离正常工作点,引起失速,进而引起进一步的故障。
鉴于上述问题,本设计人基于从事此类产品工程应用多年丰富的实务经验及专业知识,并配合学理的运用,积极加以研究创新,以期设计一种基于气压脉动信号风机故障监测系统,达到了当风机出现气流故障时候,可以及时的反应出故障信息,并对设备的状态进行监测的效果。
发明内容
本发明的目的就是针对现有技术中存在的缺陷提供一种基于气压脉动信号风机故障监测系统,达到了当风机出现气流故障时候,可以及时的反应出故障信息,并对设备的状态进行监测的效果。
为了达到上述目的,本发明所采用的技术方案是一种基于气压脉动信号风机故障监测系统,包括一种基于气压脉动信号风机故障监测系统,其特征在于,整个系统由高频脉动传感器、高频测量模块和分析模块三部分组成;所述高频脉动传感器设置于风机处,用于测量高频气压脉动信号;所述高频测量模块通过高频气压采集,实现模拟信号与数字信号的转换;所述分析模块接收所述高频测量模块的信号后,对风机进行故障预警和诊断;其系统运行的整体流程为:S1:从气流高频脉动信号中获取风机的实时气流脉动波形数据;S2:判断实时信号是否为故障信号;S3:经过步骤S2的判断后,若实时波形不满足预设的故障指标,则视为正常,退出后续的监测;S4:经过步骤S2的判断后,若实时信号满足预设的故障指标,则开始进行标准频谱特征匹配;S5:在进行验证前,需要对数据进行处理,将实时数据转化为频谱数据;S6:在进行特征频谱匹配前,对频率进行归一化处理,以叶片通过频率作为基准频率,作为对比验证的基础;S7:在步骤S6的基础上进行特征匹配;S8:判断步骤S7所计算的相关系数是否均大于预设阀值;S9:经过步骤S8的判断,若判断结果为“是”,则认为该实时波形为标准信号,频谱特征符合正常运行特征,属于正常的气流波动情况;S10:经过步骤S8的判断,若判断结果为“否”,则认为风机出现气流脉动,属于异常工况,并提示预警。
进一步地,S2:判断实时信号是否为故障信号的具体方法为:计算实时波形数据的峰峰值、平均值和均方根值,当各指标均大于等于各自预设阀值后,则认为该实时波形属于故障波形;其中峰值、平均值和均方根值的计算方法分别为:
峰值:
平均值:
均方根值:
其中,xi表示实时波形上的点,n表示数据点数量。
进一步地,S5:在进行验证前,对数据进行处理,将实时数据转化为频谱数据的变换方法为傅里叶变换,傅里叶变换方法如下:
其中{xn}为时域波形,X(ω)为变换后的频谱数据。
进一步地,S6:在进行特征频谱匹配前,需要对频率实现归一化处理,以叶片通过频率作为基准频率,作为对比验证的基础:
叶片通过频率计算方法为:
其中N为风机叶片数量,rpm为风机转速。
随后实现频率的归一化:
wi=ωi/f
其中wi为归一化后的频率数据,ωi为基础频谱数据,f为叶片通过频率;随后以叶片通过频率作为标准频率信号,对频率信号进行归一化处理。
进一步地,S7:在步骤S6的基础上进行特征匹配,具体方法为:将实时频谱与标准频谱数据进行互相关系数计算,计算方法为:
归一化互相关系数:
互相关函数:
期望或均值:
方差:
其中,xi表示实时频谱上的点,n表示数据点数量,yi表示标准频谱上的点。
通过本发明的技术方案,可实现以下技术效果:
通过高频脉动传感器1设置于风机处,用于测量高频气压脉动信号;所述高频测量模块2通过高频气压采集,实现模拟信号与数字信号的转换;所述分析模块3接收所述高频测量模块的信号后,对风机进行故障预警和诊断;其系统运行的整体流程为:S1:从气流高频脉动信号中获取风机的实时气流脉动波形数据;S2:判断实时信号是否为故障信号;S3:经过步骤S2的判断后,若实时波形不满足预设的故障指标,则视为正常,退出后续的监测;S4:经过步骤S2的判断后,若实时信号满足预设的故障指标,则开始进行标准频谱特征匹配;S5:在进行验证前,需要对数据进行处理,将实时数据转化为频谱数据;S6:在进行特征频谱匹配前,对频率进行归一化处理,以叶片通过频率作为基准频率,作为对比验证的基础;S7:在步骤S6的基础上进行特征匹配;S8:判断步骤S7所计算的相关系数是否均大于预设阀值的系统步骤,达到了当风机出现气流故障时候,可以及时的反应出故障信息,并对设备的状态进行监测的效果。
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,下面描述中的附图仅仅是本发明中记载的一些实施例,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是本发明的具体实施方式中一种基于气压脉动信号风机故障监测系统的流程示意图。
图2是本发明的具体实施方式中高频脉动传感器的在风机中的位置示意图。
图3是本发明的具体实施方式中正常气流信号频谱特征图示意图。
附图标记:高频脉动传感器1、高频测量模块2和分析模块3。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
在本发明的描述中,需要说明的是,属于“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或者位置关系为基于附图所示的方位或者位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
一种基于气压脉动信号风机故障监测系统,如图1所示,包括一种基于气压脉动信号风机故障监测系统,其特征在于,整个系统由高频脉动传感器1、高频测量模块2和分析模块3三部分组成;所述高频脉动传感器1设置于风机处,用于测量高频气压脉动信号;所述高频测量模块2通过高频气压采集,实现模拟信号与数字信号的转换;所述分析模块3接收所述高频测量模块的信号后,对风机进行故障预警和诊断;其系统运行的整体流程为:S1:从气流高频脉动信号中获取风机的实时气流脉动波形数据;S2:判断实时信号是否为故障信号;S3:经过步骤S2的判断后,若实时波形不满足预设的故障指标,则视为正常,退出后续的监测;S4:经过步骤S2的判断后,若实时信号满足预设的故障指标,则开始进行标准频谱特征匹配;S5:在进行验证前,需要对数据进行处理,将实时数据转化为频谱数据;S6:在进行特征频谱匹配前,对频率进行归一化处理,以叶片通过频率作为基准频率,作为对比验证的基础;S7:在步骤S6的基础上进行特征匹配;S8:判断步骤S7所计算的相关系数是否均大于预设阀值;S9:经过步骤S8的判断,若判断结果为“是”,则认为该实时波形为标准信号,频谱特征符合正常运行特征,属于正常的气流波动情况;S10:经过步骤S8的判断,若判断结果为“否”,则认为风机出现气流脉动,属于异常工况,并提示预警。
具体的,通过高频脉动传感器1设置于风机处,用于测量高频气压脉动信号;所述高频测量模块2通过高频气压采集,实现模拟信号与数字信号的转换;所述分析模块3接收所述高频测量模块的信号后,对风机进行故障预警和诊断;其系统运行的整体流程为:S1:从气流高频脉动信号中获取风机的实时气流脉动波形数据;S2:判断实时信号是否为故障信号;S3:经过步骤S2的判断后,若实时波形不满足预设的故障指标,则视为正常,退出后续的监测;S4:经过步骤S2的判断后,若实时信号满足预设的故障指标,则开始进行标准频谱特征匹配;S5:在进行验证前,需要对数据进行处理,将实时数据转化为频谱数据;S6:在进行特征频谱匹配前,对频率进行归一化处理,以叶片通过频率作为基准频率,作为对比验证的基础;S7:在步骤S6的基础上进行特征匹配;S8:判断步骤S7所计算的相关系数是否均大于预设阀值的系统步骤,从而在经过步骤S8的判断后,出现判断结果为“是”,则认为该实时波形为标准信号,频谱特征符合正常运行特征,属于正常的气流波动情况;若经过步骤S8的判断,判断结果为“否”,则认为风机出现气流脉动,属于异常工况,并提示预警,其中判断依据为得到实时波形与标准运行信号频谱的相关系数,在相关系数最大时,即认为此时实时频谱属于正常信号。而当频谱与当前信号偏差较大时候,即可认为是异常信号,此时即进行及时有效的故障预警和诊断。
作为上述实施例的优选,如图1所示,S2:判断实时信号是否为故障信号的具体方法为:计算实时波形数据的峰值、平均值和均方根值,其中峰值、平均值和均方根值的计算方法分别为:
峰值:
平均值:
均方根值:
其中,xi表示实时波形上的点,n表示数据点数量。
具体的,通过S2:判断实时信号是否为故障信号的具体方法为峰值、平均值和均方根值的不同计算方法的方式,当各指标均大于等于各自预设阀值后,则认为该实时波形属于故障波形。
作为上述实施例的优选,如图1所示,S5:在进行验证前,对数据进行处理,将实时数据转化为频谱数据的变换方法为傅里叶变换,傅里叶变换方法如下:
其中{xn}为时域波形,X(ω)为变换后的频谱数据。
作为上述实施例的优选,如图1所示,S6:在进行特征频谱匹配前,需要对频率实现归一化处理,以叶片通过频率作为基准频率,作为对比验证的基础:
叶片通过频率计算方法为:
其中N为风机叶片数量,rpm为风机转速。
随后实现频率的归一化:
wi=ωi/f
其中wi为归一化后的频率数据,ωi为基础频谱数据,f为叶片通过频率;随后以叶片通过频率作为标准频率信号,对频率信号进行归一化处理。
作为上述实施例的优选,如图3所示,S7:在步骤S6的基础上进行特征匹配,具体方法为:将实时频谱与标准频谱数据进行互相关系数计算,计算方法为:
归一化互相关系数:
互相关函数:
期望或均值:
方差:
其中,xi表示实时频谱上的点,n表示数据点数量,yi表示标准频谱上的点。
具体的,通过将实时频谱与标准频谱数据进行互相关系数进行计算,结果中的xi表示实时频谱上的点,n表示数据点数量,yi表示标准频谱上的点,从而与图3所示的标准信号进行对应参照,以用于判断步骤S7所计算的相关系数是否均大于预设阀值。
具体的,通过高频脉动传感器1设置于风机处,用于测量高频气压脉动信号;所述高频测量模块2通过高频气压采集,实现模拟信号与数字信号的转换;所述分析模块3接收所述高频测量模块的信号后,对风机进行故障预警和诊断;其系统运行的整体流程为:S1:从气流高频脉动信号中获取风机的实时气流脉动波形数据;S2:判断实时信号是否为故障信号;S3:经过步骤S2的判断后,若实时波形不满足预设的故障指标,则视为正常,退出后续的监测;S4:经过步骤S2的判断后,若实时信号满足预设的故障指标,则开始进行标准频谱特征匹配;S5:在进行验证前,需要对数据进行处理,将实时数据转化为频谱数据;S6:在进行特征频谱匹配前,对频率进行归一化处理,以叶片通过频率作为基准频率,作为对比验证的基础;S7:在步骤S6的基础上进行特征匹配;S8:判断步骤S7所计算的相关系数是否均大于预设阀值的系统步骤,解决了现有技术中大型风机的实际工作点经常偏离实际工况,难以建立精确的解析模型,对风机的故障诊断难以有实际上的帮助的问题。
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种基于气压脉动信号风机故障监测系统,其特征在于,整个系统由高频脉动传感器(1)、高频测量模块(2)和分析模块(3)三部分组成;所述高频脉动传感器(1)设置于风机处,用于测量高频气压脉动信号;所述高频测量模块(2)通过高频气压采集,实现模拟信号与数字信号的转换;所述分析模块(3)接收所述高频测量模块(2)的信号后,对风机进行故障预警和诊断;其系统运行的整体流程为:S1:从气流高频脉动信号中获取风机的实时气流脉动波形数据;S2:判断实时信号是否为故障信号;S3:经过步骤S2的判断后,若实时波形不满足预设的故障指标,则视为正常,退出后续的监测;S4:经过步骤S2的判断后,若实时信号满足预设的故障指标,则开始进行标准频谱特征匹配;S5:在进行验证前,需要对数据进行处理,将实时数据转化为频谱数据;S6:在进行特征频谱匹配前,对频率进行归一化处理,以叶片通过频率作为基准频率,作为对比验证的基础;S7:在步骤S6的基础上进行特征匹配;S8:判断步骤S7所计算的相关系数是否均大于预设阀值。
2.根据权利要求1所述的一种基于气压脉动信号风机故障监测系统,其特征在于,S2:判断实时信号是否为故障信号的具体方法为:计算实时波形数据的峰峰值、平均值和均方根值,当各指标均大于等于各自预设阀值后,则认为该实时波形属于故障波形。
4.根据权利要求1所述的一种基于气压脉动信号风机故障监测系统,其特征在于,S5:在进行验证前,对数据进行处理,将实时数据转化为频谱数据的变换方法为傅里叶变换。
6.根据权利要求1所述的一种基于气压脉动信号风机故障监测系统,其特征在于,S6:在进行特征频谱匹配前,需要对频率实现归一化处理,以叶片通过频率作为基准频率,作为对比验证的基础。
9.根据权利要求1所述的一种基于气压脉动信号风机故障监测系统,其特征在于,S9:经过步骤S8的判断,若判断结果为“是”,则认为该实时波形为标准信号,频谱特征符合正常运行特征,属于正常的气流波动情况。
10.根据权利要求1所述的一种基于气压脉动信号风机故障监测系统,其特征在于,S10:经过步骤S8的判断,若判断结果为“否”,则认为风机出现气流脉动,属于异常工况,并提示预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111588712.6A CN114033736B (zh) | 2021-12-23 | 2021-12-23 | 一种基于气压脉动信号风机故障监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111588712.6A CN114033736B (zh) | 2021-12-23 | 2021-12-23 | 一种基于气压脉动信号风机故障监测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114033736A true CN114033736A (zh) | 2022-02-11 |
CN114033736B CN114033736B (zh) | 2024-05-31 |
Family
ID=80140998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111588712.6A Active CN114033736B (zh) | 2021-12-23 | 2021-12-23 | 一种基于气压脉动信号风机故障监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114033736B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115898925A (zh) * | 2022-10-27 | 2023-04-04 | 华能国际电力股份有限公司上海石洞口第二电厂 | 一种基于振动信号多阶矩的风机故障预警方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009041851A1 (ru) * | 2007-09-24 | 2009-04-02 | Central Institute Of Aviation Motors (Ciam) | Способ контроля режимов работы компрессора и устройство для его осуществления |
CN102768115A (zh) * | 2012-06-27 | 2012-11-07 | 华北电力大学 | 一种风电机组齿轮箱健康状态实时动态监控方法 |
CN106441843A (zh) * | 2016-09-19 | 2017-02-22 | 南京科远自动化集团股份有限公司 | 一种旋转机械故障波形识别方法 |
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 |
CN112417774A (zh) * | 2020-10-14 | 2021-02-26 | 沈阳透平机械股份有限公司 | 压缩机旋转失速的识别方法、装置及计算机设备 |
-
2021
- 2021-12-23 CN CN202111588712.6A patent/CN114033736B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009041851A1 (ru) * | 2007-09-24 | 2009-04-02 | Central Institute Of Aviation Motors (Ciam) | Способ контроля режимов работы компрессора и устройство для его осуществления |
CN102768115A (zh) * | 2012-06-27 | 2012-11-07 | 华北电力大学 | 一种风电机组齿轮箱健康状态实时动态监控方法 |
CN106441843A (zh) * | 2016-09-19 | 2017-02-22 | 南京科远自动化集团股份有限公司 | 一种旋转机械故障波形识别方法 |
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 |
CN112417774A (zh) * | 2020-10-14 | 2021-02-26 | 沈阳透平机械股份有限公司 | 压缩机旋转失速的识别方法、装置及计算机设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115898925A (zh) * | 2022-10-27 | 2023-04-04 | 华能国际电力股份有限公司上海石洞口第二电厂 | 一种基于振动信号多阶矩的风机故障预警方法 |
CN115898925B (zh) * | 2022-10-27 | 2024-06-04 | 华能国际电力股份有限公司上海石洞口第二电厂 | 一种基于振动信号多阶矩的风机故障预警方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114033736B (zh) | 2024-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7199608B2 (ja) | 風力タービン翼を検査するための方法および装置、ならびにそれらの機器および記憶媒体 | |
CN110410336B (zh) | 一种泵汽蚀状态自动识别方法 | |
CN110608187A (zh) | 基于频率特征变化的轴流压气机失速喘振预测装置 | |
CN110761958B (zh) | 风力发电机组的叶片失速诊断方法及装置 | |
CN112267972B (zh) | 一种风电机组功率曲线异常智能判定方法 | |
CN115220396B (zh) | 一种数控机床智能监控方法及系统 | |
CN114033736A (zh) | 一种基于气压脉动信号风机故障监测系统 | |
CN112727704A (zh) | 一种叶片前缘腐蚀的监测方法及系统 | |
CN115876507A (zh) | 基于换流阀冷却系统的故障诊断系统 | |
CN116877358A (zh) | 一种风力发电机组振动监测分析系统 | |
CN117365869A (zh) | 一种风电机组桨叶扫塔故障的自适应预警策略设计方法 | |
CN115263680A (zh) | 一种结合tf-idf和lstm模型的变桨电机异常温升预警方法 | |
CN112800103B (zh) | 一种scada数据挖掘的风电机组功率曲线的获取系统及方法 | |
CN110578659B (zh) | 一种用于对风电机组scada数据进行处理的系统和方法 | |
CN113468728A (zh) | 一种基于神经网络的变桨系统故障预测方法 | |
CN115478993A (zh) | 风力发电机组叶片失速监测方法及系统 | |
CN111400959B (zh) | 风力发电机组的叶片故障诊断方法及装置 | |
CN115898787A (zh) | 一种风电机组静态偏航误差动态识别方法及装置 | |
CN113283035B (zh) | 双参数风力机机舱传递函数构建方法、系统、设备及存储介质 | |
CN115095535A (zh) | 一种工业泵运行多参数检测仪 | |
CN117345546A (zh) | 振动监测方法、设备和系统、介质以及风力发电机组 | |
CN113219333A (zh) | 一种电机故障诊断时的频谱参数处理方法 | |
CN113848347A (zh) | 一种风力发电机测风仪健康状态检测方法 | |
CN112632785A (zh) | 一种改进非参数核密度估计光伏出力建模方法 | |
CN115355142B (zh) | 一种风电机组风向标故障检测方法、系统、设备和介质 |
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 |