作者:金晓航,孙毅,单继宏,吴根勇 单位:中国仪器仪表学会 出版:《仪器仪表学报》2017年第05期 页数:13页  (PDF与DOC格式可能不同) PDF编号:PDFYQXB2017050010 DOC编号:DOCYQXB2017050019 下载格式:PDF + Word/doc 文字可复制、可编辑
《风力发电机组状态监测系统设计与应用》PDF+DOC2016年第01期 李涛涛,贾嵘,尹浩霖,董开松,党建 《风电机组轴承的状态监测和故障诊断与运行维护》PDF+DOC2012年第01期 苏连成,李兴林,李小俚,张燕辽,张仰平 《双馈感应风力发电系统状态监测方法综述》PDF+DOC2012年第03期 肖雅丽,方瑞明,李文彭 《浅析齿轮箱润滑系统的结构和控制原理》PDF+DOC2011年第03期 薛凯 《风力发电机组振动故障诊断与分析》PDF+DOC2014年第04期 贾轶军 《基于振动信号的风电齿轮箱故障分析》PDF+DOC2016年第02期 邵荣茂,贾丙辉,王宗荣 《多传感器数据融合的风电齿轮箱性能衰退评估》PDF+DOC2019年第02期 马越,陈捷,洪荣晶,潘裕斌 《大型数控设备故障预测与健康管理视情维修系统》PDF+DOC2011年第06期 赵中敏,王茂凡 《基于DSP的风力发电机齿轮箱振动监控系统》PDF+DOC2015年第32期 杨宇,孟超平,包海龙 《适应于多种类型风力发电机的在线监测系统的开发》PDF+DOC2014年第03期 张伟鹏,徐健,杨涛,高伟,陈杰,张聘亭
  • 随着风力发电机组装机容量的快速发展,累计运行时间的持续增长,风电机组的维护问题日益突出,迫切需要研发有效的风电机组故障诊断与预测系统。从故障诊断和故障预测两个方面,归纳风力发电机组的主要故障特点;针对故障诊断难点问题,分析和总结基于振动、电气信号分析和模式识别算法的故障诊断方法的研究现状,指出各种方法的技术特点、局限性和今后的发展趋势;针对风电机组中机械结构和电子系统性能退化的各自特点,归纳当前的研究进展,提出物理失效模型和数据驱动模型融合的故障预测方法;最后,归纳了利用风力发电机组数据采集与监控系统(SCADA)数据进行故障诊断与预测的最新进展及需要进一步研究的问题。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。