风机叶片声信号特征提取与故障检测研究

被引量 : 0次 | 上传用户:xucaijuan302
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
风力发电相较于光伏发电与核能发电,其较短的装机周期与灵活的装机规模让风电机组的装机容量不断提升,人们也愈发关注风电机组各部件的生产与维护。风机叶片作为风电机组能量转换的核心部件,在不断变化的应力耦合作用下,易产生脱层或砂眼等安全隐患,若不能及时地对叶片进行检测,会造成人员与经济的损失。因此,及时检测出叶片损伤情况十分必要。目前,风电场大多通过人工定期巡线检测了解叶片的运行状况,但面对日益扩大的电厂规模,人工巡线十分耗时且效率不高,为提高对风机叶片的检测效率,发展出多种检测手段来分析叶片是否故障。本文
其他文献
学位
学位
学位
学位
学位
学位
学位
能源是一个国家的经济和社会发展的基础,我国将可持续发展纳入经济发展目标,重视环境保护,提出了“碳达峰、碳中和”的伟大目标,力争在2030年在前二氧化碳排放量达到峰值,2060年前实现“碳中和”。因此风力发电作为一种可再生能源,在我国优秀的风资源分布的情况下,体现出应用广泛,储量大,分布广的发展现状。然而,随着风电规模的逐步扩大,在提供优势的同时,风电也对电力系统的运行提出了全新的挑战。因此,建立包
学位
学位
由于安装在寒冷地区的风力机叶片冬季频繁发生覆冰现象,不仅影响风力机叶片的气动性能、结构动力学等特性,还增加了风力机运行风险,降低了风能利用率。由于覆冰位置和覆冰质量不同,使得叶片模态参数中的固有频率发生改变。为此,本文利用人工神经网络技术,开展基于覆冰叶片模态频率变化的覆冰位置和覆冰质量的预测研究。将1k W风力机叶片划分为叶尖、叶中、叶根和全覆冰四种情况,分别进行了自然环境覆冰试验和覆冰叶片模态
学位