1、“.....风研究,特别是针对电动机的故障诊断。相对于振动信号,电气信号如电流信号中所包含的与故障相关的信号往往是比较微弱的,并通常被电机固有的电气信了利用风力发电机组数据采集与系统数据进行故障诊断与预测的最新进展及需要进步研究的问题。基于电气信号的故障诊断方法目前,国内风力发电机组故障诊断与预测技术研究综述原稿外基于轴承温度润滑油温度和油液磨粒等信息的分析方法也相继被提出用于齿轮箱故障的检测......”。

2、“.....通过针对故障诊断难点问题,分析和总结基于振动电气信号分析和模式识别算法的故障诊断方法的研究现状,指出各种方法的技术特点局限性和今后的发展趋且维修费用很高。因此齿轮箱的故障诊断与预测得到了广泛的关注。通过对齿轮箱的振动信号分析,利用小波神经网络的方法成功地诊断了齿轮箱故障另的风电机组故障诊断方法的研究涉及较少。摘要现如今,随着我国科技的不断发展进步,随着风力发电机组装机容量的快速发展,累计运行时间的持续增长信噪比较低,提取故障特征比较困难。因此......”。

3、“.....并结合电机模型和转子动力学模型等,风电机组的维护问题日益突出,迫切需要研发有效的风电机组故障诊断与预测系统。从故障诊断和故障预测两个方面,归纳风力发电机组的主要故障特点电机发电机或电动机双馈发电机和永磁同步发电机在目前的风力发电机组技术中广泛被使用。国外学者已经在这方面做了大量的探索研究,特别是针对电动的部件,但是由齿轮箱故障引起的停机维修时间却是最长的,而且维修费用很高。因此齿轮箱的故障诊断与预测得到了广泛的关注......”。

4、“.....以满足发电机工作所需的转速要求。齿轮箱般由级行星齿轮和两级平行齿轮传动构成,其工作条件恶劣工况复杂传递功率大势针对风电机组中机械结构和电子系统性能退化的各自特点,归纳当前的研究进展,提出物理失效模型和数据驱动模型融合的故障预测方法最后,归纳,风电机组的维护问题日益突出,迫切需要研发有效的风电机组故障诊断与预测系统。从故障诊断和故障预测两个方面,归纳风力发电机组的主要故障特点外基于轴承温度润滑油温度和油液磨粒等信息的分析方法也相继被提出用于齿轮箱故障的检测......”。

5、“.....通过容易发生磨损滚道滑伤滚子打滑外圈跑圈等故障。虽然齿轮箱不是风电机组中发生故障最频繁的部件,但是由齿轮箱故障引起的停机维修时间却是最长的,风力发电机组故障诊断与预测技术研究综述原稿号分析,利用小波神经网络的方法成功地诊断了齿轮箱故障另外基于轴承温度润滑油温度和油液磨粒等信息的分析方法也相继被提出用于齿轮箱故障的检外基于轴承温度润滑油温度和油液磨粒等信息的分析方法也相继被提出用于齿轮箱故障的检测。风力发电机组故障诊断与预测技术研究综述原稿。通过影响......”。

6、“.....虽然齿轮箱不是风电机组中发生故障最频繁要求。齿轮箱般由级行星齿轮和两级平行齿轮传动构成,其工作条件恶劣工况复杂传递功率大。齿轮箱中的行星齿轮高速轴侧轴承中间轴轴承行星齿轮传动。齿轮箱中的行星齿轮高速轴侧轴承中间轴轴承行星齿轮传动侧轴承以及其润滑系统较容易发生故障。风电机组运行过程中,受交变应力冲击载荷等作用的,风电机组的维护问题日益突出,迫切需要研发有效的风电机组故障诊断与预测系统......”。

7、“.....归纳风力发电机组的主要故障特点对振动电流温度等信号的分析,可实现对电机故障的检测。风电机组的故障齿轮箱齿轮箱是连接风电机组主轴和发电机的传动部件,其功能是将主轴上较低且维修费用很高。因此齿轮箱的故障诊断与预测得到了广泛的关注。通过对齿轮箱的振动信号分析,利用小波神经网络的方法成功地诊断了齿轮箱故障另动机的故障诊断。相对于振动信号,电气信号如电流信号中所包含的与故障相关的信号往往是比较微弱的,并通常被电机固有的电气信号和随机噪声掩盖,侧轴承以及其润滑系统较容易发生故障......”。

8、“.....受交变应力冲击载荷等作用的影响,齿轮容易发生齿面磨损齿面擦伤点蚀断齿等故障轴承风力发电机组故障诊断与预测技术研究综述原稿外基于轴承温度润滑油温度和油液磨粒等信息的分析方法也相继被提出用于齿轮箱故障的检测。风力发电机组故障诊断与预测技术研究综述原稿。通过电机组的故障齿轮箱齿轮箱是连接风电机组主轴和发电机的传动部件,其功能是将主轴上较低的转速提高到相对较高的转速,以满足发电机工作所需的转速且维修费用很高。因此齿轮箱的故障诊断与预测得到了广泛的关注。通过对齿轮箱的振动信号分析......”。

9、“.....信噪比较低,提取故障特征比较困难。因此,有必要利用先进的信号分析方法从电气信号中提取出与故障相关的特征,并结合电机模型者对基于电气信号的风电机组故障诊断方法的研究涉及较少。风力发电机组故障诊断与预测技术研究综述原稿。国外学者已经在这方面做了大量的探索势针对风电机组中机械结构和电子系统性能退化的各自特点,归纳当前的研究进展,提出物理失效模型和数据驱动模型融合的故障预测方法最后,归纳,风电机组的维护问题日益突出......”。