简介:风电机组状态监测部位多,数据分析工作量大,人工故障识别的方式使得风电机组状态监测报告滞后.本研究提出一种基于幅值调制比率的风电机组齿轮箱失效自动识别方法,针对风电机组转速不平稳的特点首先对齿轮箱振动加速度信号进行时频分析得到机组的瞬时转速,然后进行阶比处理将等时间间隔信号序列重采样转换成等角度间隔信号序列,频域变换后选择一倍啮合频率和两倍啮合频率幅值较大值,计算调制间隔为转频的多频率点幅值累加和,再将与较大啮合频率处的幅值调制比率作为特征值表征齿轮箱的失效状态.恒速和变速风电机组齿轮箱振动数据分析结果都表明该特征值具有良好的故障与正常状态区分能力,且不同转速下该特征值具有稳定性.
简介:为了明确热HCP马氏体对CoAl和CoNi合金形状记忆效应的作用,研究CoAl和CoNi合金形状记忆效应(SME)与应力诱发马氏体和热HCP马氏体之间的关系。采用原位金相观察合金深冷前后热诱发马氏体的变化,并研究其对应力诱发马氏体和形状记忆效应的影响。结果表明,CoAl和CoNi合金的形状记忆效应都来源于应力诱发HCP马氏体,热马氏体对两者形状记忆效应的贡献都是强化基体。CoAl合金形状记忆效应高于CoNi合金的原因是Al原子对基体更强的固溶强化作用导致CoAl合金基体强度高于CoNi合金强度。