为在风电机组多源异构SCADA大数据中挖掘有效信息,保证短期功率预测精度,针对数据在时间维度上的记忆特征,提出主成分分析(PCA)与长短期记忆神经网络(Long Short-Term Memory Neural Network,LSTM)相结合的短期功率预测模型。运用Pearson相关系数将海量的负荷数据、气象数据等相关数据进行初步提取,运用PCA技术降低数据维度,再将压缩后的数据输入LSTM网络进行短期负荷预测。实验结果表明,所提的方法比经典的时序预测方法如Arima、SVM等具有更高的精度,具有更稳定的预测结果。

针对数据驱动的轴承剩余使用寿命预测方法多基于先验知识来构建退化指标,较为繁琐,且传统卷积神经网络预测特征提取不完全的问题。该研究采用了多尺度卷积神经网络模型预测轴承剩余使用寿命。多尺度卷积神经网络模型以轴承振动数据为输入,避免了依靠先验知识的退化指标构建过程,且依据其多尺度特性可以从不同尺度自动对输入数据并行提取特征,能更加全面地学习振动信号所蕴含的退化规律。最后,为了减少多尺度卷积神经网络预测模型输出的局部波动,采用移动平均法对预测结果进行降噪平滑处理,最终得到预测结果。该研究使用加速轴承寿命实验数据验证了所提方法的有效性和可靠性。

水平筛作为砂石骨料加工工艺最为重要的装备之一,具有振动强度大、筛分筛率高、处理量大等优点。其工作环境复杂、工况恶劣。其高振动的特点使得主轴密封经常存在漏油等问题,严重影响设备可靠性和砂石生产系统产能。通过对水平筛主轴封板变形量检测和主轴挠度的计算,确定了油箱封板变形量大和主轴挠度大引起稀油大量进入润滑脂密封腔内,稀释润滑脂、降低润滑脂黏度,从而影响主轴密封性能的关系。通过增加密封和防尘圈的组合优化设计,实现对稀油的甩油、阻油功能。在不大幅度修改原技术方案的基础上,实现了低成本的解决高振动振动装备水平筛的主轴密封问题。经过车间空载试验和工地工程应用验证,确定了方案的可行性和可靠性,具有较强的操作性和推广性,可广泛应用于振动装备稀油润滑的主轴密封。特别对具有高振动、高跳动、高...