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！

龙图腾网获悉华北电力大学(保定)申请的专利一种基于转频波动特性的风电机组叶轮不平衡诊断方法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：CN118911937B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202410986818.9，技术领域涉及：F03D17/00；该发明授权一种基于转频波动特性的风电机组叶轮不平衡诊断方法是由万书亭;张伯麟;赵晓艳;王萱;王城宇;张雄;绳晓玲;豆龙江设计研发完成，并于2024-07-23向国家知识产权局提交的专利申请。

本一种基于转频波动特性的风电机组叶轮不平衡诊断方法在说明书摘要公布了：本发明属于风电机组故障诊断技术领域，公开了一种基于转频波动特性的风电机组叶轮不平衡诊断方法，包括以下步骤：基于局部峰值搜索算法获取风电机组齿轮箱振动信号的时频脊线和叶轮瞬时转频曲线；对提取的叶轮瞬时转频曲线进行角域重采样，获得角域上的叶轮瞬时转频；运用最小二乘法原理对角域瞬时转频曲线进行多项式拟合去除趋势项，获得叶轮瞬时转频的波动项；对角域叶轮瞬时转频波动项进行傅里叶变换，获得频谱分析，提取并分析信号中频率成分，实现风电机组叶轮质量不平衡故障诊断。本发明采用上述一种基于转频波动特性的风电机组叶轮不平衡诊断方法，实现对风电机组叶轮不平衡故障的准确诊断，提升风电机组的运行可靠性和安全性。

本发明授权一种基于转频波动特性的风电机组叶轮不平衡诊断方法在权利要求书中公布了：1.一种基于转频波动特性的风电机组叶轮不平衡诊断方法，其特征在于，包括以下步骤： S1、基于局部峰值搜索算法获取风电机组齿轮箱振动信号的时频脊线和叶轮瞬时转频曲线，其中计算瞬时叶轮转频的具体过程如下： S11、基于振动加速度传感器获取风电机组传动系统振动信号，通过滑动窗口得到不同时间段信号的频率分布，基于STFT算法获得振动信号的时频谱分布Xτ,f，如下所示： 其中，xt为初始信号，ht为窗函数；Xτ,f为信号xt在τ时刻频率为f的信号频率成分；*为共轭函数；ht-τ为滑动窗口；信号的能量密度频谱为： SPτ,f＝|Xτ,f|22； S12、在分析时段上随机获取n个初始时刻点，索引初始时刻谱能量最大的频率，筛选分析频段内时频谱能量最大的频率，如下所示： ft,f＝argmaxXt,f3； S13、对当前时刻分析频段内时频谱能量最大的频率与前一时刻的频率进行比较，判断条件如下所示： ft,f＞αft-1,f||ft,f＜βft-1,f4； 其中，α、β由专家经验获得；若式4不成立，那么该时刻谱能量最大对应的频率值为0，循环式3和4直至满足式4为止，从而获取该时刻点的频率值； S14、基于局部峰值搜索算法，从该时刻向前、向后搜索下一时刻对应的频率值，直到搜索全部分析时段为止，得到分析时段的时频脊线； S15、重复步骤S11～S14提取所需谱能量较高的时频脊线 S16、确定与叶轮瞬时转频fr之间的比例系数kf，计算叶轮瞬时转频，如下所示： S2、对提取的叶轮瞬时转频曲线进行角域重采样，获得角域上的叶轮瞬时转频，具体过程如下： S21、叶轮旋转角位移θt，如下所示： θt＝at2+bt+c6； 其中，a,b,c为待求系数；t为采样时间； S22、根据三个连续的键相信号的时间点t0,t1,t2与等角度增量Δφ之间的关系建立如下方程组： S23、将公式7代入到公式6中进行求解得到a,b,c，如下所示： S24、根据求得的二次项系数，获得角位移与时间的关系式，从而计算出等角度间隔重采样所对应的时刻，如下所示： S25、为避免重复采样，θ满足： 式中，Δθ为转轴重采样的角度增量，N为采样点数； S3、运用最小二乘法原理对角域瞬时转频曲线进行多项式拟合去除趋势项，获得叶轮瞬时转频的波动项，具体过程如下： S31、待去除趋势项的原始数据为xn,yn,n＝1,2,...,N，xn为自变量，yn为因变量即输出项；构造一个多项式拟合函数Yx表示趋势项，如下所示： 其中，ak为多项式系数；k为多项式阶数，为正整数，取值由原始待分析信号趋势所确定；当k＝1时即为线性趋势项进行求解； S32、基于最小二乘法，通过最小化所有数据点的误差平方和E，找到最佳{ak}的值，使得拟合的曲线Yx与实际数值yx之间的差距最小，如下所示： S33、确定趋势项需要求解{ak}的值，使得E最小，根据多元函数求极值条件，如下所示： 其中，j＝0,1,2,...,m，用矩阵进行表示得： 其中，当m＝1时，Yx＝a0+a1x，则a0,a1的取值，如下所示： S34、用原始信号减去Yx所表示的趋势项，即去除待分析原始信号yx中的趋势，如下所示： S4、对角域叶轮瞬时转频波动项进行傅里叶变换，获得频谱分析，提取并分析信号中频率成分，实现风电机组叶轮质量不平衡故障诊断，包括以下步骤： S41、当叶轮存在质量不平衡时，风电机组叶轮转频fr，如下所示： 其中，Tw为风对叶轮的转矩，Te为发电机电磁转矩，nP为发电机极对数，J为转动惯量，fwind为随机风速导致的叶轮转频，frg为叶轮质量不平衡导致的转频波动； S42、在fr中，frgcosθ只是波动项，fwind中既存在趋势项，也存在波动项，通过最小二乘法去趋势处理后，转频fr只剩下波动项fr-wave，如下所示： fr-wave＝fR-wave-frgcosθ18； 其中，fR-wave为由风速导致的转频变化中的波动分量； S43、对fr-wave进行频谱分析后，频谱中的主要频率特征为质量不平衡特征，特征频率为： 12πrad-119。

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华北电力大学(保定)，其通讯地址为：071000 河北省保定市莲池区永华北大街619号；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”。