摘要
本发明公开了风力发电设备齿轮箱油液状态检测方法及系统,方法通过获取油液样本,利用油液污染度分析模型对固体、液体、气体污染物量化分析,同时运用油液理化性质分析模型处理运动粘度等参数,将两者结果张量融合后经特征解耦、深度特征挖掘,最终由状态评估决策模型判定油液状态。系统对应设置样本获取及污染分析等六个单元实现上述功能。该方案克服传统检测单一、缺乏关联分析的缺点,不再孤立检测某一项指标,而是全面整合污染与理化性质信息,通过张量融合、特征解耦等技术手段,深入分析两者关系,实现对齿轮箱油液状态的精准评估,有效避免因检测片面或未考虑相互关系导致的误判。
技术关键词
齿轮箱油液
状态检测方法
污染特征
解耦算法
样本
输出齿轮箱
参数
氧化安定性指标
特征提取网络
矩阵
决策
迭代优化算法
状态检测系统
因子
固体颗粒
度量
系统为您推荐了相关专利信息
性能预测模型
机器学习模型
特征选择
工况参数
训练样本集
图谱生成方法
样本
生成对抗网络模型
放电形式
电力设备故障检测
强化学习模型
滑行能量回收方法
电池剩余容量
样本
网络
多模态特征融合
文本特征向量
图像特征向量
分类方法
前馈神经网络