一种基于深度学习的海上风机故障检测装置制造方法及图纸

本发明专利技术涉及一种基于深度学习的海上风机故障检测装置，包括试验台、风机和用于固定风机的风机支架，装置还包括设于试验台上的控制箱和隔离箱，风机支架和风机均位于隔离箱，控制箱中设有供风机构和用于模拟海风的海风模拟机构，风机中设有故障检测机构；海风模拟机构将模拟海水雾化后添加至供风机构提供的风中，从而模拟海风，故障检测机构基于深度学习算法检测风机是否发生故障。与现有技术相比，本发明专利技术具有可以模拟海风，从而试验结果更加准确等优点。

A fault detection device of offshore fan based on deep learning

【技术实现步骤摘要】
一种基于深度学习的海上风机故障检测装置
本专利技术涉及一种海上风机故障检测装置，尤其是涉及一种基于深度学习的海上风机故障检测装置。
技术介绍
叶片是风机发电组中的一个关键部件，其气动效率决定了风力发电机组利用风能的能力。而叶片高速运转时不可避免会与空气中的沙尘、颗粒产生摩擦和撞击，导致叶片前缘磨碎，前缘粘合因此开裂等。另外，随着风机运行年限的增加，叶片表面胶衣磨损、脱落后会出现砂眼和裂纹；特别是风机在海上的运用时，其恶劣的海面环境容易对风机进行磨损，因此需要安装故障检测装置进行实时检测，而海上风机故障检测操作人工成本巨大且危险性高，从而繁衍出了机械智能化学习检测，但是该类设备一般需要在试验台中进行模型检测后才能投入使用。例如中国专利CN206114296U公开了一种风力发电机轴承故障模拟实验台，它涉及风力发电机故障诊断
，三相交流异步电动机通过联轴器与主轴相连，DFIG发电机通过联轴器与主轴相连。滚动轴承套在主轴上由轴承座固定，位移传感器安装在轴承座上。然而上述实验台存在以下不足：该模拟实验台仅仅采用异步电动机驱动带动轴承转动，检测滚动轴承的故障度，不能模拟海面环境中的海面空气湿度和海水侵蚀的影响，导致实验数据不精确。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于深度学习的海上风机故障检测装置，可以模拟海风，从而试验结果更加准确。本专利技术的目的可以通过以下技术方案来实现：一种基于深度学习的海上风机故障检测装置，包括试验台、风机和用于固定风机的风机支架，所述装置还包括设于试验台上的控制箱和隔离箱，所述风机支架和风机均位于隔离箱，所述控制箱中设有供风机构和用于模拟海风的海风模拟机构，所述风机中设有故障检测机构；所述海风模拟机构将模拟海水雾化后添加至供风机构提供的风中，从而模拟海风，所述故障检测机构基于深度学习算法检测风机是否发生故障。所述供风机构包括鼓风机、进风架和导风组件，所述鼓风机通过螺钉固定于控制箱的底部内壁，所述控制箱的侧壁开有通风口，所述进风架焊接于该通风口中，所述导风组件位于隔离箱中，且输入端连接进风架，输出端正对风机，所述进风架内设置有螺旋状电热管。所述导风组件包括依次连接的连接框和风罩，所述连接框的输入端焊接于进风架的输出端，所述风罩的输出端正对风机设置。所述连接框的两侧内壁均设有多个第二凸起和多个第三凸起，底端内壁焊接有第一凸起，顶端内壁设有有多个第三凸起，所述第一凸起为圆锥状，所述第三凸起为波浪形带状，所述第二凸起为圆台形。所述风罩的横截面为圆弧状结构且开口渐扩。所述海风模拟机构包括储纳箱、水泵和连通架，所述储纳箱设于控制箱顶端，且其上设有加料口，所述加料口内插接有密封盖，所述水泵的输入端通过第一导管连接储纳箱，输出端通过第二导管连接至连通架的输入端，所述连通架的输出端通过第三导管连接至进风架顶端，并与进风架连通。所述海风模拟机构还包括电机和设于电机输出轴上的搅拌架，所述电机安装于储纳箱上，所述搅拌架伸入储纳箱中。所述隔离箱的一侧外壁铰接有隔离盖，且隔离盖上嵌装有观察窗，所述隔离箱的顶端内壁焊接有检测板，且检测板的底端通过螺钉固定有温度传感器和湿度传感器。所述故障检测机构包括第一柔性联轴器、风机轴承、固定框、第二柔性联轴器和堆栈式自动编码器，所述风机轴承的一端通过第一柔性联轴器连接风机的风轮传动轴，另一端通过第二柔性联轴器连接于风机的发电机一端，所述固定框固定于该风机轴承外壁上，所述堆栈式自动编码器安装于固定框上；所述堆栈式自动编码器内添加逐层贪婪训练法，该贪婪训练过程中：每次误差反馈训练过程都仅训练网络中的一层；首先训练一个只有一个隐藏层的浅层网络；对这层隐含层训练后，再开始训练包含下一个隐藏层的浅层网络。所述控制箱的侧壁通过螺钉固定有显示台和操作台。与现有技术相比，本专利技术具有以下有益效果：1)通过海风模拟机构和供风机构，可以模拟海风，从而模拟海上风机真实的状态，能够更加接近海水模拟，提高了试验的准确性。2)通过设计独特的连接框，且第二凸起和第三凸起都可拆卸式设计，可以进行调节，从而可以有效改变风向，提高了海风模拟真实度。3)通过设置储纳箱、电机和搅拌架，通过加料口加入海水元素与水，电机带动搅拌架均匀混合，能够进一步接近海水模拟，提高了试验的准确性。4)通过设置供风机构和导风组件，进风架内设置有螺旋状电热管，能够根据需求调节隔离箱内的进风温度，提高检测结构的多样性。5)通过水泵抽取储料箱的海水模拟液进入进风架内，随风进入隔离箱内，可以模拟海水侵蚀，保障了故障检测的准确性。6)通过设置故障检测机构，堆栈式自动编码器内添加逐层贪婪训练法，首先训练一个只有一个隐藏层的浅层网络；对这层隐含层训练后，再开始训练包含下一个隐藏层的浅层网络；提高了智能深度学习效果，适应后期海上风机的现实使用；无需人工现场检测，降低了人工成本和人工操作的危险性。附图说明图1为本专利技术的结构示意图；图2为本专利技术的结构仰视图；图3为本专利技术的侧面结构剖视图；图4为连接框的内部结构示意图；图5为图3中A部分的结构放大图；图6为堆栈式自动编码器的结构示意图；其中：1、试验台，2、隔离箱，3、风机，4、隔离盖，5、观察窗，6、电机，7、控制箱，8、显示台，9、操作台，10、连接框，11、风罩，12、风机支架，13、温度传感器，14、湿度传感器，15、检测板，16、鼓风机，17、支撑台，18、水泵，19、储纳箱，20、密封盖，21、第一凸起，22、第二凸起，23、第三凸起，24、第一导管，25、连通架，26、第二导管，27、第三导管，28、进风架，29、第一柔性联轴器，30、堆栈式自动编码器，31、固定框，32、第二柔性联轴器。具体实施方式下面结合附图和具体实施例对本专利技术进行详细说明。本实施例以本专利技术技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。一种基于深度学习的海上风机故障检测装置，包括试验台1、风机3和用于固定风机3的风机支架12，装置还包括焊接于试验台1上的控制箱7和隔离箱2，风机支架12和风机3均位于隔离箱2，控制箱7中设有供风机构和用于模拟海风的海风模拟机构，风机3中设有故障检测机构，控制箱7的侧壁通过螺钉固定有显示台8和操作台9；海风模拟机构将模拟海水雾化后添加至供风机构提供的风中，从而模拟海风，故障检测机构基于深度学习算法检测风机3是否发生故障。供风机构包括鼓风机16、进风架28和导风组件，鼓风机16通过螺钉固定于控制箱7的底部内壁，控制箱7的侧壁开有通风口，进风架28焊接于该通风口中，导风组件位于隔离箱2中，且输入端连接进风架28，输出端正对风机3，进风架28内设置有螺旋状电热管。导风组件包括依次连接的连接框10和风罩11，连接框10的输入端焊接于进风架28的输出端，风本文档来自技高网...

【技术保护点】
1.一种基于深度学习的海上风机故障检测装置，包括试验台(1)、风机(3)和用于固定风机(3)的风机支架(12)，其特征在于，所述装置还包括设于试验台(1)上的控制箱(7)和隔离箱(2)，所述风机支架(12)和风机(3)均位于隔离箱(2)，所述控制箱(7)中设有供风机构和用于模拟海风的海风模拟机构，所述风机(3)中设有故障检测机构；/n所述海风模拟机构将模拟海水雾化后添加至供风机构提供的风中，从而模拟海风，所述故障检测机构基于深度学习算法检测风机(3)是否发生故障。/n

【技术特征摘要】
1.一种基于深度学习的海上风机故障检测装置，包括试验台(1)、风机(3)和用于固定风机(3)的风机支架(12)，其特征在于，所述装置还包括设于试验台(1)上的控制箱(7)和隔离箱(2)，所述风机支架(12)和风机(3)均位于隔离箱(2)，所述控制箱(7)中设有供风机构和用于模拟海风的海风模拟机构，所述风机(3)中设有故障检测机构；
所述海风模拟机构将模拟海水雾化后添加至供风机构提供的风中，从而模拟海风，所述故障检测机构基于深度学习算法检测风机(3)是否发生故障。


2.根据权利要求1所述的一种基于深度学习的海上风机故障检测装置，其特征在于，所述供风机构包括鼓风机(16)、进风架(28)和导风组件，所述鼓风机(16)通过螺钉固定于控制箱(7)的底部内壁，所述控制箱(7)的侧壁开有通风口，所述进风架(28)焊接于该通风口中，所述导风组件位于隔离箱(2)中，且输入端连接进风架(28)，输出端正对风机(3)，所述进风架(28)内设置有螺旋状电热管。


3.根据权利要求2所述的一种基于深度学习的海上风机故障检测装置，其特征在于，所述导风组件包括依次连接的连接框(10)和风罩(11)，所述连接框(10)的输入端焊接于进风架(28)的输出端，所述风罩(11)的输出端正对风机(3)设置。


4.根据权利要求3所述的一种基于深度学习的海上风机故障检测装置，其特征在于，所述连接框(10)的两侧内壁均设有多个第二凸起(22)和多个第三凸起(23)，底端内壁焊接有第一凸起(21)，顶端内壁设有多个第三凸起(23)，所述第一凸起(21)为圆锥状，所述第三凸起(23)为波浪形带状，所述第二凸起(22)为圆台形。


5.根据权利要求3所述的一种基于深度学习的海上风机故障检测装置，其特征在于，所述风罩(11)的横截面为圆弧状结构且开口渐扩。


6.根据权利要求2所述的一种基于深度学习的海上风机故障检测装置，其特征在于，所述海风模拟机构包括储纳箱(...

【专利技术属性】
技术研发人员：刘松，吕菁，徐金迪，田震，郝元峰，
申请(专利权)人：上海电机学院，
类型：发明
国别省市：上海;31