国内刊号:44-1260/TH
国际刊号:0254-0150
发布日期:
作者:徐启圣,白琨,徐厚昌,张春鹏
单位:合肥学院机械工程系,,合肥学院机械工程系,,合肥学院机械工程系,,合肥学院机械工程系,
关键词:风电发电机;齿轮箱;监测技术;大数据;云监测;智能诊断
基金:安徽省高校优秀青年人才支持计划重点项目(gxyqZD2016276).
齿轮箱作为风电机组故障率最高的部件,结构复杂、运维困难,影响整机故障率、可靠性、运维成本及发电效率等。通过对风电齿轮箱故障诊断的主要理论、方法及研究现状进行分析并总结存在的问题,提出“五性三化”即动态性、阶段性、多维性、适用性、集成性、定量化、标准化以及统一化共8个方面的解决思路,并结合网络技术、信息技术、大数据技术及人工智能的优势,预测云监测、智能诊断及主动报警的发展趋势。
来源:2019年第8期
《润滑与密封》期刊编辑部