买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉三一重能股份有限公司申请的专利风电机组变桨轴承检测方法、装置及风力机组获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114412726B 。

龙图腾网通过国家知识产权局官网在2025-06-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210062394.8，技术领域涉及：F03D17/00；该发明授权风电机组变桨轴承检测方法、装置及风力机组是由郜志强;刘丽华;田浩设计研发完成，并于2022-01-19向国家知识产权局提交的专利申请。

本风电机组变桨轴承检测方法、装置及风力机组在说明书摘要公布了：本发明提供风电机组变桨轴承检测方法、装置及风力机组，包括：获取风电机组在停机收桨工况下的时序数据集，构建各目标变量的高维关联变量模型，并根据时序数据集，确定高维关联变量模型中各网格单元的目标变量检测值；确定各目标变量检测值在高维决策模型中的目标变量参考值；根据各目标变量检测值及对应的目标变量参考值，确定对待测风电机组变桨轴承的检测结果。本发明通过对每个目标变量的关联变量进行多元非线性拟合，形成高维决策模型，进而综合利用高维决策模型中的目标变量参考值与实际采集的目标变量检测值进行故障检测，考虑了多个目标变量以及各目标变量的所有关联变量的综合影响，准确性更高，且基于机理分析的数据特征，解释性更强。

本发明授权风电机组变桨轴承检测方法、装置及风力机组在权利要求书中公布了：1.一种风电机组变桨轴承检测方法，其特征在于，包括： 获取待测风电机组在停机收桨工况下的时序数据，构建用于进行变桨轴承检测的各目标变量的时序数据集； 在任一目标变量涉及至少一个关联变量的情况下，构建与所述任一目标变量相关的高维关联变量模型，并根据所述任一目标变量的时序数据集，确定所述高维关联变量模型中各网格单元的目标变量检测值； 调用与所述任一目标变量相关的高维决策模型，并确定每个所述目标变量检测值在所述高维决策模型中对应的目标变量参考值； 根据所有目标变量检测值及其对应的目标变量参考值，确定对所述待测风电机组变桨轴承的检测结果； 构建所述高维关联变量模型的方式包括：从时序数据集中筛选出每个采样时刻所采集的目标变量以及其对应的所有关联变量；以关联变量分别作为一个维度，对筛选后的时序数据集进行分箱离散化，构建所述高维关联变量模型，所述时序数据集中的每个时序数据在所述高维关联变量模型中用一个数据点来表示，所述高维关联变量模型中的一个网格单元，是指由关联变量以在各自所在的坐标轴上的预设区间为单位，目标变量从负无穷至正无穷所形成的空间单元； 在所述任一目标变量为变桨电机电流，所述变桨电机电流涉及的关联变量为桨距角、桨叶方位角的情况下，在调用与所述任一目标变量相关的高维决策模型之前，还包括：获取与所述待测风电机组同机型的其它风电机组在停机收桨工况下的历史时序数据，并从所述历史时序数据中筛选出与所述变桨电机电流相关的第一时序数据；按照第一步长将桨叶方位角区间划分为m个第一等分子区间；将桨距角区间内划分为n个第二等分子区间；所述n个第二等分子区间是将桨距角区间内划分为多个桨距角子区间后，根据每个桨距角子区间对应的变桨速度，对每个桨距角子区间进行等距划分后生成的；由所述m个第一等分子区间与所述n个第二等分子区间，构成与所述变桨电机电流相关的高维决策模型，所述高维决策模型为二维决策模型；根据所述第一时序数据，确定位于所述二维决策模型内各网格单元的目标变量历史数据； 在所述任一目标变量包括变桨电机温升，所述变桨电机温升涉及的关联变量为变桨角度、轮毂温度和室外温度的情况下，在调用与所述任一目标变量相关的高维决策模型之前，还包括：获取与所述待测风电机组同机型的其它风电机组在停机收桨工况下的历史时序数据，并从所述历史时序数据中筛选出与所述变桨电机温升相关的第三时序数据；构建与所述变桨电机温升相关的高维决策模型，所述高维决策模型为三维决策模型；根据所述第三时序数据，确定位于所述三维决策模型内各网格单元的目标变量参考值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人三一重能股份有限公司，其通讯地址为：102206 北京市昌平区北清路三一产业园；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。