摘要
本发明公开了一种分级递进式风电传动链多模态融合健康评估方法,针对传统单一信号诊断精度不足的问题,提出一种分级递进式诊断架构,并且通过处理多维信号实现从传统单维分析升级为多模态智能诊断。通过系统采集齿轮箱三个月历史振动信号,计算出振动信号有效值的阈值,判断传动链是否正常;通过格拉姆角差场对振动信号分析,可以进一步地提取故障特征,判断传动链是否为警告状态;通过同时评估主轴前后温差—功率曲线、油温—功率曲线、发电机前后温差—功率曲线以及机舱噪声—功率曲线,进行最终状态判断。本方法通过多级决策风电机组传动链智能健康评估,显著提升风电机组状态监测的准确性与时效性。
技术关键词
健康评估方法
有效值
二维图像特征
故障特征
多模态
齿轮箱输出轴
风电机组状态监测
风电机组传动链
训练深度学习模型
曲线
评估主轴
功率
多参数
坐标系
数据
智能健康
温差
系统为您推荐了相关专利信息
时序
通信电源监控方法
历史运行数据
序列
状态远程监控
监测方法
多模态数据融合
网络
多任务学习方法
姿态估计
飞腾计算机
MCU芯片
有效值
AC交流电源
策略
二维图像特征
可见光图像
变压器
故障诊断方法
气体分析