兆瓦级风电机架翻转夹紧装置的研究

机架是风力发电机组一个重要的组成部件,风电机组装配质量跟机架有关.文章提出开发设计一种专门翻转夹紧装置,实现自动化作业,替代目前机架装配过程中依赖行车在空中吊装对机架进行的二次翻转作业;明确机架翻转夹紧装置需要满足的性能指标,提出装置的设计方案;说明机架翻转夹紧装置的工作原理和使用方法,对使用该装置在生产效率、装配质量...     

海上风电需从长计议

本刊记者：对于海上风电的发展,有人认为应该尽早在海上风电领域占领一席之地,而有观点则认为我国海上风电处在从理论走向实践的阶段,并不意味着我国进入了“海上风电时代”,因此大规模进行海上风电开发还不太现实。对此,您怎么看？是否有必要“圈海”？达到什么条件,我们才可以规模化发展海上风电？顾为东：随着风力发电的迅速发展,陆上风力发电在一些人口密集、土地资源稀缺的地方出现了瓶颈。毕竟它需要占用土地,影响自然景观,视觉和噪音污染明显,对周围居民生活带来不便。近海风速高且平稳,湍流强度小,风电机组发电量多,风资源容易预测。海上风电场已成为世界风电发展的新领域和必然方向。     

MES系统在风电机组生产中的研究与应用

目前风电机组制造已经进入了一个成熟的阶段,对风机生产的规格越来越规范,越来越多的风电制造公司提出了风电机组智能制造规划.制造执行系统(MES)是车间中用以管理和优化从订单下达到产品完工的整个生产过程的硬件和软件集合,它控制和利用准确的制造信息,对车间生产活动中的实时事件做出快速响应,同时为企业决策支持过程提供相关生产活...     

风电机组轴系扭振研究综述

本文全面说明了目前国内外对于风电机组轴系扭振研究结果。首先介绍了轴系扭振的基本概念,分别从动力学角度与电气学角度分析了轴系扭振的成因。然后阐述了常用的几种轴系模型和研究方法并阐述了每种研究方法各自的优缺点,着重介绍了几种抑制轴系扭振的方法。最后指出近年来的发展现状以及需要进一步解决的问题。     

风电机组叶片分段技术研究

风电机组叶片的大型化不仅增加了叶片的生产难度,同时也给叶片的运输带来了不便.叶片分段技术,即将叶片分段生产和运输,达到风场后进行组装的技术,能有效解决大型叶片生产和运输困难的问题.文章阐述了叶片分段技术的发展现状,对分段式叶片的连接方式进行了对比分析,展望了叶片分段技术的发展趋势.     

海上风电，近在咫尺？

“我们通过在欧洲的考察和交流发现,现有的科技进步和技术创新远不能适应发展大规模海上风电场的需求”。而我国仅从2007 年才开始探索海上风电,在逐渐高涨的“圈海”浪潮中,似乎已经造成大规模开发海上风电之势。     

基于无线通信的厂内风电机组测试系统的研究和设计

风力发电机在出厂前都需要进行系统测试,以排除故障,减小安全隐患.而现有测试方法由于设备沉重、电缆连接工作量繁重、测试软件不直观等问题,严重影响了测试的进行.文章提出了一种采用无线通信以及带有可移动供配电系统的测试方案对风电机组进行厂内测试,该系统能直观、高效地完成厂内风电机组的测试,且操作方便易行.     

兆瓦级风电锁紧盘螺栓多同步拧紧工艺及智能化拧紧机的研究

锁紧盘作为一种过盈机械连接装置,是双馈型兆瓦级风电机组主传动链不可缺少的重要部件之一,它对于风电机组主传动链扭矩传递至关重要.而对于锁紧盘的螺栓拧紧,在风机生产制造过程中是非常重要的环节.文章经过对锁紧盘螺栓拧紧工艺现状的研究,开发出一套最新式的拧紧工艺和智能化拧紧机,通过拧紧机配套的液压泵站PLC的闭环精确控制,可以...     

基于机器学习的藏文图像识别系统设计与实现

随着人工智能技术的高速发展,机器学习应运而生,而人工智能的重点是机器学习。在人们的生活中,机器学习也扮演着越来越重要的角色。所以在藏文识别方面,机器学习理应发挥更重要的作用,方便人们更好地对藏文进行学习。文章采用Keras机器学习工具和卷积神经网络图像识别算法,识别的准确率可以达到97.92%,为图像识别提供了新的方法和途径。     

海上风电产业链自主可控能力研究与提升建议

海上风电产业链长、关联度大、技术先导性强,其国产化进程不仅直接关系到我国海上风电资源开发和沿海城市“双碳”目标落实进程,也与航空航天、新能源汽车、机器人、精密仪器等高端领域工业制造能力息息相关。经过多年持续攻关,我国海上风电重大装备已基本实现国产化,但部分关键零部件及软件自主可控能力仍旧不足,需要依赖进口,引发了国产整机产能受限、机组大型化受限、成本下降缓慢等问题。文章通过对产业链上下游的调研,分析了目前海上风电产业链在原材料、制造工艺、零部件、软件、标准认证等方面存在的自主可控能力不足的问题,结合国外先进经验提出提升措施建议,以期为我国海上风电自主可控能力提升及国产化步伐推进助力。     

基于卷积神经网络的数字化教育评论情感分类应用

随着科技发展和数字化转型,如何理解和提升学生的情感体验是教育工作者和政策制定者关注的重点。首先对2 000条人工标注的评论数据使用三种机器学习模型进行训练,利用已训练支持向量机(SVM)模型对76 000条评论数据进行自动标注,并使用这些标注数据集训练卷积神经网络(CNN)模型。CNN模型在10次迭代后成功收敛,并在验证集上取得94.96%的准确率,显著优于SVM模型。结果显示,结合传统机器学习与深度学习的方法可有效提高情感分析的准确性,为教育策略优化提供数据支持。     

基于卷积神经网络的手写数字识别研究与设计

在信息化时代,手写数字识别在计算机视觉和模式识别中具有广泛应用。为了提升手写数字识别的精度和效率,设计并测试了四种基于卷积神经网络（CNN）的算法模型。通过对MNIST数据集的实证研究,比较了不同模型的训练效果。实验结果表明,多层卷积神经网络模型表现最优,准确率达到98.9%,且每轮训练时间仅需约20秒。研究表明,增加卷积层数和选择高阶API有助于提升识别精度,进一步推动了CNN在手写数字识别中的应用性能。这一结果为高效、准确的手写数字识别模型设计提供了新的思路和方法。     

基于深度学习的变电站机器人仪表检测研究

为提升变电站巡检机器人对仪表的识别检测能力,将深度学习技术应用于变电站仪表检测中,提出一种适用于变电站巡检机器人的轻量级卷积神经网络.该网络以深度可分离卷积替代传统卷积作为特征提取基本单元,有效降低网络参数.同时,针对不同尺寸的目标,采用反卷积多通道融合和多支路空洞卷积相结合的方式,提升网络对图像多尺度特征信息的获取,保证网络检测精度.通过实验表明,所提网络在目标检测精度以及效率上都有较大提升,并能较好地应用于变电站巡检机器人仪表检测中,实现高效识别检测.     

基于改进DBO优化的CNN-KELM柔性直流换流阀故障辅助决策方法

为提高柔性直流换流阀故障分类正确率,提出基于改进蜣螂优化算法(IDBO)的卷积神经网络融合-核极限学习机(CNN-KELM)柔性直流换流阀故障分类方法.对柔性直流换流阀故障特征库归一化处理,利用CNN进行故障特征提取,采用IDBO优化KELM的核参数和惩罚因子.将IDBO-CNN-KELM作为分类器对提取到的柔性直流换流阀故障库进行分类.通过实验证明,IDBO-CNN-KELM模型在故障测试集中的分类正确率达到97.727％,相较传统KELM、PSO(粒子群算法)-CNN-KELM提升了1.136％、0.577％,证明了IDBO-CNN-KELM模型的精确性.该方法有效提高了柔性直流换流阀故障分类的准确性和效率,增强了电网直流输电可靠性.     

基于机器学习的岩性识别研究

钻井过程中的岩性识别是一个复杂且不断变化的非线性过程,很难建立准确的数学模型。由于传统识别方法存在解释精度低以及难以获得或丢失测井曲线的问题,直接通过传感器获取的钻速、钻压等每个与岩性有直接或间接关系的钻井参数,利用钻井参数进行岩石预测。基于机器学习技术,采用BP神经网络学习算法,根据地层岩性的特点,建立神经网络识别岩性模型,构造钻进参数样本并在MATLAB软件中利用神经网络工具箱进行岩性识别,分析训练集样本数量对模型识别准确率的影响。研究结果表明:BP神经网络输出非常准确,描述了采集到的钻井参数与岩性之间的关系,体现出神经网络的优越性;对钻井过程中岩性的识别具有积极的作用,有利于合理选择钻头类型、及时调整钻井参数和提高钻井效率。该岩性识别方法应用于仿生PDC钻头等方面,在试验和理论相互补充、支撑的同时便于利用该方法针对智能石油钻机开展更深层次的研究。     

风力发电机组在线振动监测系统的应用研究

在线振动监测系统可以及时发现风力发电机组故障的早期振动征兆,揭示故障的原因、程度、部位、发展趋势等,便于风力机维护,避免和减少重大事故的发生,节约成本。介绍了状态监测系统的国内外发展背景及现状,指出了振动监测在风力发电机组安装应用的必要性。分析了风机在线监测系统的组成及结构,并针对风力发电机组的振动特点,对现场测量点的分布做了研究。最后提出了在线监测系统未来需要解决的问题。     

民航客运量预测方法研究综述

为了提升民航运行效率、准确预测客运量,促进其可持续发展,采用分类学方法将民航客运量预测方法划分为传统统计学、机器学习、组合模型3大类.详述各类方法的改进原理、效果和应用,通过数据处理、权重调整、参数优化和结构改进提高准确性,并总结组合模型相对单一模型的优势.实证研究结果表明,组合预测模型相较于单一模型具有更高的准确性,并指出结合人工智能和大数据技术的发展趋势,构建优秀的组合预测模型将是提高准确性的潜在研究方向.     

改进卷积神经网络的冬小麦提取方法

为提高遥感影像冬小麦识别精度,通过对传统的卷积神经网络进行优化,设计实现一种改进的卷积神经网络Im-SegNet(Improved-SegNet).模型增加了冬小麦和非冬小麦概率向量差值信息,对于概率向量差值较小的像素进行了二次判断.以肥城市冬小麦生长期的77张GF-2(Gaofen2)影像作为实验数据,利用精度、准确率以及查全率3项指标对Im-SegNet模型提取效果进行验证评价.结果表明,提取精度为92.1％,准确率为91.8％,查全率为84.9％,3项指标均高于经典的SegNet模型提取结果,Im-SegNet模型可以有效改善遥感影像作物分类效果.     

基于DT-CWT、粗糙集和神经网络的轴承智能诊断

对一种滚动轴承的智能故障诊断方法进行了研究,包括对偶树复小波变换(DT-CWT)特征提取、用粗糙集理论进行数据约简和神经网络进行模式识别。利用DT-CWT的平移不变性、粗糙集的数据约简以及神经网络的自动识别功能,达到尽量减少人工诊断的效果。理论和实际信号的研究表明:该智能诊断过程能初步达到在线自动诊断的目的。     

基于BP神经网络算法的风电功率预测

针对风电功率的预测,从神经网络的训练仿真入手,综合运用BP神经网络、平均绝对误差MAE等多种方法,建立风电功率预测模型,运用Matlab和Excel软件编程,得到了后续7天中时隔5min和15min的风电功率预测趋势和时隔5min样本数据的预测误差水平相对于15min来说降低了6.349%等结果。