CN117113710A - 一种基于智能监测的风力发电机螺栓疲劳寿命预测方法 - Google Patents
一种基于智能监测的风力发电机螺栓疲劳寿命预测方法 Download PDFInfo
- Publication number
- CN117113710A CN117113710A CN202311148275.5A CN202311148275A CN117113710A CN 117113710 A CN117113710 A CN 117113710A CN 202311148275 A CN202311148275 A CN 202311148275A CN 117113710 A CN117113710 A CN 117113710A
- Authority
- CN
- China
- Prior art keywords
- bolt
- tested
- ultrasonic
- bolts
- wind speed
- 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 34
- 238000012544 monitoring process Methods 0.000 title claims abstract description 25
- 238000009661 fatigue test Methods 0.000 claims abstract description 26
- 238000001228 spectrum Methods 0.000 claims abstract description 16
- 238000009434 installation Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 238000012360 testing method Methods 0.000 claims description 23
- 238000011088 calibration curve Methods 0.000 claims description 15
- 238000012795 verification Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 10
- 239000000919 ceramic Substances 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 5
- 229920000742 Cotton Polymers 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 239000006260 foam Substances 0.000 claims description 3
- 238000005498 polishing Methods 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 230000001681 protective effect Effects 0.000 claims description 2
- 230000001360 synchronised effect Effects 0.000 claims description 2
- 239000002390 adhesive tape Substances 0.000 claims 1
- 238000004088 simulation Methods 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
- Force Measurement Appropriate To Specific Purposes (AREA)
Abstract
本发明提供一种基于智能监测的风力发电机螺栓疲劳寿命预测方法，本发明首先在发电机螺栓安装紧固完成以后，未开机使用之前，采集到该待测螺栓的实际预紧力作为平均应力σm；在发电机正常运行过程中，获得实际运行载荷谱、风速数据以及发电机转速；然后选取与待测螺栓相同规格的螺栓作为疲劳试验螺栓进行疲劳试验，绘制S‑N曲线；通过matlab数据处理软件，获得不同风速范围下对应的疲劳寿命，结合风力发电机一年内不同风速范围下的转数，通过Palmgren‑Miner法则计算出该待测螺栓一年内的线性累积损伤，从而预测出所述螺栓的疲劳寿命。本发明测得的数据可以用来修真仿真模型，提高仿真计算的精度。
Description
技术领域
本发明属于电气设备技术领域，具体涉及一种基于智能监测的风力发电机螺栓疲劳寿命预测方法。
背景技术
发电机螺栓是风电机组各部件连接的重要零部件，特别在发电机和叶轮、机舱的连接中起到至关重要的作用。发电机螺栓失效大多为疲劳失效，轻则导致机组无法正常运行，重则导致叶轮、发电机等重要部件的掉落，造成重大安全、经济事故。因此提高评估发电机螺栓疲劳寿命的精度至关重要。
目前发电机螺栓主要通过仿真计算得到不同工况下的疲劳寿命，但是仿真所需的螺栓S-N曲线以及运行载荷多为理论数据，仿真模型无法准确模拟复杂多变的实际工况，不能准确评估螺栓的真实疲劳寿命。
发明内容
为解决上述问题，本发明公开了一种基于智能监测的风力发电机螺栓疲劳寿命预测方法，通过一种测试系统测得发电机螺栓真实预紧力以及运行载荷，并通过疲劳试验机获得到所述螺栓的真实S-N曲线，通过matlab等数据处理软件得到风速和螺栓应力幅值的对应关系，从而通过获取现场风频图评估发电机螺栓的真实疲劳寿命。同时，实际测得的数据可以用来修真仿真模型，提高仿真计算的精度。
为达到上述目的，本发明的技术方案如下：
一种基于智能监测的风力发电机螺栓疲劳寿命预测方法，该方法包括如下步骤：
步骤1：在发电机螺栓安装紧固完成以后，未开机使用之前，先通过超声波轴向力测量设备对发电机螺栓预紧力进行测试，采集到该待测螺栓的实际预紧力作为平均应力σm；
步骤2：在发电机正常运行过程中，通过超声波轴向力测量设备对该待测螺栓运行载荷持续在线监测，获得实际运行载荷谱，同时获取监测时间内机组SCADA数据，从机组SCADA数据中提取监测时段内的风速数据以及发电机转速；
步骤3：选取与待测螺栓相同规格的螺栓作为疲劳试验螺栓，在疲劳试验机上进行疲劳试验，绘制S-N曲线；
步骤4：通过matlab数据处理软件，对步骤2采集的载荷谱以及机组风速范围进行数据处理，获得不同风速范围下对应的应力范围，结合步骤3得到的S-N曲线，获得不同风速范围下对应的疲劳寿命，结合风力发电机一年内不同风速范围下的转数，通过Palmgren-Miner法则计算出该待测螺栓一年内的线性累积损伤，从而预测出所述螺栓的疲劳寿命。
进一步地，步骤1具体包括如下子步骤：
步骤11：确定待测螺栓参数；
步骤12：对待测螺栓的测量面进行加工：对待测螺栓的端部打磨、清洗成平面，用于粘贴压电陶瓷片；
步骤13：压电陶瓷片粘贴：在步骤12加工后的测量面上粘贴压电陶瓷片，作为超声波发射器和接收器；
步骤14：待测螺栓在不受力状态下初始超声纵波波形的采集：即使用超声波轴向力测量设备对不受力状态下的待测螺栓进行测试，获取超声纵波波形，并将此时测得的超声波波形初始化，作为测试零点，同时计算出超声纵波从发出到第一次回波的声时差；
步骤15：对待测螺栓进行轴向力和声时差的标定：选取4～5颗与待测螺栓同批次同规格的标定螺栓在实验室中标定，按照现场待测螺栓安装的实际装夹长度，将所述标定螺栓安装在万能试验机上，以一定的步长从0kN～110％设计轴向力进行阶梯加载，每个加载载荷保持一定时间以保证万能试验机稳定，使用超声波轴向力测量设备对各轴向力下标定螺栓进行测试，获取各加载载荷下超声波纵波波形，同时记录加载载荷和各加载载荷下超声波纵波从发出到第一次回波的声时差，建立加载载荷和声时差之间的标定曲线；
步骤16：标定曲线验证：再选取一颗与待测螺栓同批次同规格的螺栓作为验证螺栓，按照现场待测螺栓安装的实际装夹长度，将所述验证螺栓安装在万能试验机上，按照一定阶梯进行加载，记录各加载载荷下超声波纵波从发出到第一次回波的声时差，并通过标定曲线计算出验证螺栓轴向力，将计算出的轴向力和加载载荷进行对比，来验证标定曲线的精确度；
步骤17：将待测螺栓安装在风机机组上，使该待测螺栓处于安装状态：使用液压扳手或增力扳手所述待测螺栓进行紧固；
步骤18：待测螺栓在安装状态下超声纵波波形的采集：即在待测螺栓紧固完成后，使用超声波轴向力测量设备对待测螺栓进行测试，获取超声纵波波形，同时计算出超声纵波从发出到第一次回波的声时差；
步骤19：结合步骤15～步骤16获取的标定曲线，计算出所述待测螺栓在现场安装状态下的预紧力；
上述步骤11～步骤16在力学实验室进行，步骤17～步骤19在机组现场进行。
进一步地，步骤3的具体方法为：至少选取14件与待测螺栓相同规格的疲劳试验螺栓在疲劳试验机上进行疲劳试验，其中8件疲劳试验螺栓用成组法确定S-N曲线的倾斜部分，6件疲劳试验螺栓用升降法确定S-N曲线的水平部分。
进一步地，步骤4具体包括如下子步骤：
步骤41：将步骤2获得的螺栓运行载荷谱和机组风速数据进行同步对时处理，将载荷谱和风速数据处理至同一时域坐标下；
步骤42：对风速进行时域分舱处理，如1±0.5m/s、2±0.5m/s、…、n±0.5m/s；
步骤43：对每个风速范围内的载荷谱进行雨流记数，获得不同风速范围内的等效应力范围；
步骤44：结合步骤3获得的S-N曲线，获得不同风速范围内的疲劳寿命N1、N2、…、Ni；
步骤44：获取一年内不同风速范围下的发电机转数N1’、N2’、…、Ni’；
步骤45：结合Palmgren-Miner法则计算出螺栓一年内的线性累积损伤，即N1’/N1+N1’/N1+…+Ni’/Ni；
步骤46：可通过一年的数据评估螺栓疲劳寿命，并通过今后持续采集的风速数据，持续修正评估的疲劳寿命。
进一步地，步骤15中所述阶梯加载的步长为1％～50％设计轴向力；所述每个加载载荷保持的时间为5-60秒。
进一步地，步骤16中所述按照一定阶梯进行加载，加载的步长为1％～50％设计轴向力。
进一步地，步骤17中还包括紧固前先使用绝缘胶带和泡沫棉的防护装置对待测螺栓端面测量传感器进行防护，以免紧固过程中磕碰损伤的步骤。
进一步地，步骤12～步骤13中所述超声波传感器采用压电陶瓷片。
本发明的有益效果为：
本发明通过一种测试系统测得发电机螺栓真实预紧力以及运行载荷，并通过疲劳试验机获得到所述螺栓的真实S-N曲线，通过matlab等数据处理软件得到风速和螺栓应力幅值的对应关系，从而通过获取现场风频图评估发电机螺栓的真实疲劳寿命。同时，实际测得的数据可以用来修真仿真模型，提高仿真计算的精度。
附图说明
图1是本发明的一种基于智能监测的风力发电机螺栓疲劳寿命预测方法流程图；
图2为本发明的预紧力测量示意图，图2中(a)展示了双头螺柱的预紧力测量示意图，(b)展示了六角头螺栓的预紧力测量示意图；
图3是本发明的运行载荷测量示意图，图3中(a)展示了双头螺柱的运行载荷测量示意图，(b)展示了六角头螺栓的运行载荷测量示意图；
图4是本发明的S-N曲线示意图。
具体实施方式
下面结合附图和具体实施方式，进一步阐明本发明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。
如图1所示，本实施例的一种基于智能监测的风力发电机螺栓疲劳寿命预测方法，该方法包括如下步骤：
步骤1：在发电机螺栓安装紧固完成以后，未开机使用之前，先通过超声波轴向力测量设备对发电机螺栓预紧力进行测试，采集到该待测螺栓的实际预紧力作为平均应力σm，具体包括如下子步骤：
步骤11：确定待测螺栓参数，如规格型号、装夹长度、设计轴向力等；
步骤12：对待测螺栓的测量面进行加工：对待测螺栓的端部打磨、清洗成平面，用于粘贴超声波传感器，对于六角头螺栓，测量面较平整，仅需普通打磨、清洗即可，对于双头螺柱，由于端部的内六角孔底面不平整，需用铣刀将底面铣平，再进行打磨、清洗；
步骤13：超声波传感器粘贴：在步骤12加工后的测量面上粘贴超声波传感器，作为超声波发射器和接收器；如图2所示，本实施例中的超声波传感器采用压电陶瓷片。
步骤14：待测螺栓在不受力状态下初始超声纵波波形的采集：即使用超声波轴向力测量设备对不受力状态下的待测螺栓进行测试，获取超声纵波波形，并将此时测得的超声波波形初始化，作为测试零点，同时计算出超声纵波从发出到第一次回波的声时差；
步骤15：对待测螺栓进行轴向力和声时差的标定：选取4～5颗与待测螺栓同批次同规格的标定螺栓在实验室中标定，按照现场待测螺栓安装的实际装夹长度，将所述标定螺栓安装在万能试验机上，以1％～50％设计轴向力的步长从0kN～110％设计轴向力进行阶梯加载，每个加载载荷保持5-60秒以保证万能试验机稳定，使用超声波轴向力测量设备对各轴向力下标定螺栓进行测试，获取各加载载荷下超声波纵波波形，同时记录加载载荷和各加载载荷下超声波纵波从发出到第一次回波的声时差，建立加载载荷和声时差之间的标定曲线；本实施例中，阶梯加载的步长为10％设计轴向力；所述每个加载载荷保持的最佳时间为30秒。
步骤16：标定曲线验证：再选取一颗与待测螺栓同批次同规格的螺栓作为验证螺栓，按照现场待测螺栓安装的实际装夹长度，将所述验证螺栓安装在万能试验机上，按照1％～50％设计轴向力阶梯进行加载(例如按照25％、50％、75％、100％设计轴向力进行加载)，记录各加载载荷下超声波纵波从发出到第一次回波的声时差，并通过标定曲线计算出验证螺栓轴向力，将计算出的轴向力和加载载荷进行对比，来验证标定曲线的精确度；
步骤17：将待测螺栓安装在风机机组上，使该待测螺栓处于安装状态：使用液压扳手或增力扳手所述待测螺栓进行紧固；紧固前需先使用绝缘胶带和泡沫棉等防护装置对待测螺栓端面测量传感器进行适当防护，以免紧固过程中磕碰损伤。
步骤18：待测螺栓在安装状态下超声纵波波形的采集：即在待测螺栓紧固完成后，使用超声波轴向力测量设备对待测螺栓进行测试，获取超声纵波波形，同时计算出超声纵波从发出到第一次回波的声时差；
步骤19：结合步骤15～步骤16获取的标定曲线，计算出所述待测螺栓在现场安装状态下的预紧力；
上述步骤11～步骤16在力学实验室进行，步骤17～步骤19在机组现场进行。
步骤2：在发电机正常运行过程中，通过超声波轴向力测量设备对该待测螺栓运行载荷持续在线监测，获得实际运行载荷谱，同时获取监测时间内机组SCADA数据，从机组SCADA数据中提取监测时段内的风速数据以及发电机转速；如图3所示。
步骤3：选取与待测螺栓相同规格的螺栓作为疲劳试验螺栓，在疲劳试验机上进行疲劳试验，绘制S-N曲线；本实施例中所述疲劳试验机包括但不限于液压疲劳试验机、电子疲劳试验机等。S-N曲线纵坐标为应力范围的对数值，横坐标为疲劳寿命对数值，如图4所示。
步骤4：通过matlab数据处理软件，对步骤2采集的载荷谱以及机组风速范围进行数据处理，获得不同风速范围下对应的应力范围，结合步骤3得到的S-N曲线，获得不同风速范围下对应的疲劳寿命，结合风力发电机一年内不同风速范围下的转数，通过Palmgren-Miner法则计算出该待测螺栓一年内的线性累积损伤，从而预测出所述螺栓的疲劳寿命。
步骤41：将获得的螺栓运行载荷谱和机组风速数据进行同步对时处理，将载荷谱和风速数据处理至同一时域坐标下；
步骤42：对风速进行时域分舱处理，如1±0.5m/s、2±0.5m/s、…、n±0.5m/s；
步骤43：对每个风速范围内的载荷谱进行雨流记数，获得不同风速范围内的等效应力范围；
步骤44：结合步骤3所述的S-N曲线，获得不同风速范围内的疲劳寿命N1、N2、…、Ni；
步骤44：获取一年内不同风速范围下的发电机转数N1’、N2’、…、Ni’；
步骤45：结合Palmgren-Miner法则计算出螺栓一年内的线性累积损伤，即N1’/N1+N1’/N1+…+Ni’/Ni；
步骤46：可通过一年的数据评估螺栓疲劳寿命，并通过今后持续采集的风速数据，持续修正评估的疲劳寿命。
需要说明的是，以上内容仅仅说明了本发明的技术思想，不能以此限定本发明的保护范围，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰均落入本发明权利要求书的保护范围之内。
Claims (8)
1.一种基于智能监测的风力发电机螺栓疲劳寿命预测方法，其特征在于，该方法包括如下步骤：
步骤1：在发电机螺栓安装紧固完成以后，未开机使用之前，先通过超声波轴向力测量设备对发电机螺栓预紧力进行测试，采集到该待测螺栓的实际预紧力作为平均应力σm；
步骤2：在发电机正常运行过程中，通过超声波轴向力测量设备对该待测螺栓运行载荷持续在线监测，获得实际运行载荷谱，同时获取监测时间内机组SCADA数据，从机组SCADA数据中提取监测时段内的风速数据以及发电机转速；
步骤3：选取与待测螺栓相同规格的螺栓作为疲劳试验螺栓，在疲劳试验机上进行疲劳试验，绘制S-N曲线；
步骤4：通过matlab数据处理软件，对步骤2采集的载荷谱以及机组风速范围进行数据处理，获得不同风速范围下对应的应力范围，结合步骤3得到的S-N曲线，获得不同风速范围下对应的疲劳寿命，结合风力发电机一年内不同风速范围下的转数，通过Palmgren-Miner法则计算出该待测螺栓一年内的线性累积损伤，从而预测出所述螺栓的疲劳寿命。
2.根据权利要求1所述的一种基于智能监测的风力发电机螺栓疲劳寿命预测方法，其特征在于，步骤1具体包括如下子步骤：
步骤11：确定待测螺栓参数；
步骤12：对待测螺栓的测量面进行加工：对待测螺栓的端部打磨、清洗成平面，用于粘贴超声波传感器；
步骤13：超声波传感器粘贴：在步骤12加工后的测量面上粘贴超声波传感器，作为超声波发射器和接收器；
步骤14：待测螺栓在不受力状态下初始超声纵波波形的采集：即使用超声波轴向力测量设备对不受力状态下的待测螺栓进行测试，获取超声纵波波形，并将此时测得的超声波波形初始化，作为测试零点，同时计算出超声纵波从发出到第一次回波的声时差；
步骤15：对待测螺栓进行轴向力和声时差的标定：选取4～5颗与待测螺栓同批次同规格的标定螺栓在实验室中标定，按照现场待测螺栓安装的实际装夹长度，将所述标定螺栓安装在万能试验机上，以一定的步长从0kN～110％设计轴向力进行阶梯加载，每个加载载荷保持一定时间以保证万能试验机稳定，使用超声波轴向力测量设备对各轴向力下标定螺栓进行测试，获取各加载载荷下超声波纵波波形，同时记录加载载荷和各加载载荷下超声波纵波从发出到第一次回波的声时差，建立加载载荷和声时差之间的标定曲线；
步骤16：标定曲线验证：再选取一颗与待测螺栓同批次同规格的螺栓作为验证螺栓，按照现场待测螺栓安装的实际装夹长度，将所述验证螺栓安装在万能试验机上，按照一定阶梯进行加载，记录各加载载荷下超声波纵波从发出到第一次回波的声时差，并通过标定曲线计算出验证螺栓轴向力，将计算出的轴向力和加载载荷进行对比，来验证标定曲线的精确度；
步骤17：将待测螺栓安装在风机机组上，使该待测螺栓处于安装状态：使用液压扳手或增力扳手所述待测螺栓进行紧固；
步骤18：待测螺栓在安装状态下超声纵波波形的采集：即在待测螺栓紧固完成后，使用超声波轴向力测量设备对待测螺栓进行测试，获取超声纵波波形，同时计算出超声纵波从发出到第一次回波的声时差；
步骤19：结合步骤15～步骤16获取的标定曲线，计算出所述待测螺栓在现场安装状态下的预紧力；
上述步骤11～步骤16在力学实验室进行，步骤17～步骤19在机组现场进行。
3.根据权利要求1所述的一种基于智能监测的风力发电机螺栓疲劳寿命预测方法，其特征在于，步骤3的具体方法为：至少选取14件与待测螺栓相同规格的疲劳试验螺栓在疲劳试验机上进行疲劳试验，其中8件疲劳试验螺栓用成组法确定S-N曲线的倾斜部分，6件疲劳试验螺栓用升降法确定S-N曲线的水平部分。
4.根据权利要求1所述的一种基于智能监测的风力发电机螺栓疲劳寿命预测方法，其特征在于，步骤4具体包括如下子步骤：
步骤41：将步骤2获得的螺栓运行载荷谱和机组风速数据进行同步对时处理，将载荷谱和风速数据处理至同一时域坐标下；
步骤42：对风速进行时域分舱处理；
步骤43：对每个风速范围内的载荷谱进行雨流记数，获得不同风速范围内的等效应力范围；
步骤44：结合步骤3获得的S-N曲线，获得不同风速范围内的疲劳寿命N1、N2、…、Ni；
步骤44：获取一年内不同风速范围下的发电机转数N1 ’、N2 ’、…、Ni ’；
步骤45：结合Palmgren-Miner法则计算出螺栓一年内的线性累积损伤，即N1 ’/N1+N1 ’/N1’+…+Ni/Ni；
步骤46：可通过一年的数据评估螺栓疲劳寿命，并通过今后持续采集的风速数据，持续修正评估的疲劳寿命。
5.根据权利要求2所述的一种基于智能监测的风力发电机螺栓疲劳寿命预测方法，其特征在于，步骤15中所述阶梯加载的步长为1％～50％设计轴向力；所述每个加载载荷保持的时间为5-60秒。
6.根据权利要求2所述的一种基于智能监测的风力发电机螺栓疲劳寿命预测方法，其特征在于，步骤16中所述按照一定阶梯进行加载，加载的步长为1％～50％设计轴向力。
7.根据权利要求2所述的一种基于智能监测的风力发电机螺栓疲劳寿命预测方法，其特征在于，步骤17中还包括紧固前先使用绝缘胶带和泡沫棉的防护装置对待测螺栓端面测量传感器进行防护，以免紧固过程中磕碰损伤的步骤。
8.根据权利要求2所述的一种基于智能监测的风力发电机螺栓疲劳寿命预测方法，其特征在于，步骤12～步骤13中所述超声波传感器采用压电陶瓷片。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311148275.5A CN117113710B (zh) | 2023-09-06 | 2023-09-06 | 一种基于智能监测的风力发电机螺栓疲劳寿命预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311148275.5A CN117113710B (zh) | 2023-09-06 | 2023-09-06 | 一种基于智能监测的风力发电机螺栓疲劳寿命预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117113710A true CN117113710A (zh) | 2023-11-24 |
| CN117113710B CN117113710B (zh) | 2024-09-06 |
Family
ID=88798231
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311148275.5A Active CN117113710B (zh) | 2023-09-06 | 2023-09-06 | 一种基于智能监测的风力发电机螺栓疲劳寿命预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117113710B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108692853A (zh) * | 2018-03-27 | 2018-10-23 | 成都众柴科技有限公司 | 螺栓应力与内部缺陷实时在线监测方法与系统 |
| CN110147624A (zh) * | 2019-05-24 | 2019-08-20 | 重庆大学 | 一种基于载荷谱的齿轮接触疲劳寿命预测方法 |
| CN110826203A (zh) * | 2019-10-25 | 2020-02-21 | 成都大汇智联科技有限公司 | 水轮机顶盖连接螺栓疲劳寿命的评估方法及监测系统 |
| KR102099614B1 (ko) * | 2018-11-08 | 2020-04-10 | 군산대학교산학협력단 | 풍력발전기용 복합재 블레이드의 피로 수명 예측 방법 및 장치 |
| CN112260325A (zh) * | 2020-11-24 | 2021-01-22 | 武汉大学 | 一种考虑风力发电机疲劳载荷的风电场有功功率控制方法 |
| CN116644618A (zh) * | 2023-07-27 | 2023-08-25 | 中国电力科学研究院有限公司 | 一种风电机组的疲劳寿命评估方法、系统、设备及介质 |
-
2023
- 2023-09-06 CN CN202311148275.5A patent/CN117113710B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108692853A (zh) * | 2018-03-27 | 2018-10-23 | 成都众柴科技有限公司 | 螺栓应力与内部缺陷实时在线监测方法与系统 |
| KR102099614B1 (ko) * | 2018-11-08 | 2020-04-10 | 군산대학교산학협력단 | 풍력발전기용 복합재 블레이드의 피로 수명 예측 방법 및 장치 |
| CN110147624A (zh) * | 2019-05-24 | 2019-08-20 | 重庆大学 | 一种基于载荷谱的齿轮接触疲劳寿命预测方法 |
| CN110826203A (zh) * | 2019-10-25 | 2020-02-21 | 成都大汇智联科技有限公司 | 水轮机顶盖连接螺栓疲劳寿命的评估方法及监测系统 |
| CN112260325A (zh) * | 2020-11-24 | 2021-01-22 | 武汉大学 | 一种考虑风力发电机疲劳载荷的风电场有功功率控制方法 |
| CN116644618A (zh) * | 2023-07-27 | 2023-08-25 | 中国电力科学研究院有限公司 | 一种风电机组的疲劳寿命评估方法、系统、设备及介质 |
Non-Patent Citations (1)
| Title |
|---|
| 何玉林;王秀文;丁帅铭;杜静;: "MW级风力发电机组变桨螺栓疲劳寿命分析", 机械设计, no. 07, 20 July 2013 (2013-07-20), pages 14 - 18 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117113710B (zh) | 2024-09-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7013787B2 (ja) | 風力発電用風車の状態監視装置、状態監視方法、及び状態監視システム | |
| JP3880455B2 (ja) | 転がり軸受の余寿命診断方法及びこの余寿命診断装置 | |
| CN108252873B (zh) | 一种风力发电机组在线数据监测及其性能评估的系统 | |
| CN105518295A (zh) | 风力发电装置的状态监视装置 | |
| CN105388004A (zh) | 一种航空发动机整体叶盘安全超转试验系统及方法 | |
| CN108519436B (zh) | 一种基于声发射信号统计分析的混凝土损伤评估方法 | |
| CN109236587B (zh) | 一种用于检测风力发电机异常工作的报警系统 | |
| CN112781820B (zh) | 一种滚刀性能退化趋势评估方法 | |
| CN106706241B (zh) | 一种风力机叶片损伤主动自检装置及方法 | |
| CN103394972B (zh) | 基于声发射信号的铣削加工表面粗糙度在线预测方法 | |
| CN110186549A (zh) | 基于叶尖定时传感器的叶片振动识别方法 | |
| CN104111108A (zh) | 一种旋转机械扭振冲击信号特征提取方法 | |
| CN113252794B (zh) | 一种声发射裂纹监测方法及系统 | |
| CN103940893A (zh) | 一种拉索锚固段锈蚀缺陷监测装置及方法 | |
| CN117113710B (zh) | 一种基于智能监测的风力发电机螺栓疲劳寿命预测方法 | |
| CN116858415A (zh) | 一种高强螺栓紧固时的轴力实时监测方法 | |
| CN106092534B (zh) | 叶片模态阻尼测定方法 | |
| CN113944600A (zh) | 一种利用应力波技术检测风机主轴承故障的方法和系统 | |
| CN206369617U (zh) | 一种风力机叶片损伤主动自检装置 | |
| CN102175307B (zh) | 汽轮发电机组低频振动谱阵实时定量分析方法 | |
| CN111189642A (zh) | 用于模拟和恢复叶盘系统振动特性测量欠采样信号的装置 | |
| CN114235951B (zh) | 一种发动机进气机匣支板的裂纹故障声学诊断方法及装置 | |
| CN109283246B (zh) | 一种风力发电机叶片受损位置定位检测系统 | |
| CN112924311B (zh) | 一种利用钻孔消耗电能检测混凝土抗压强度的方法 | |
| CN114542402A (zh) | 一种基于多参量分析的风电叶片故障类型在线诊断方法及系统 |
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 |