第7240期 沈阳工业大学等单位的2个项目通过科技成果评价

　　2022年3月18日，第三方专业科技成果评价机构——中科合创(北京)科技成果评价中心在沈阳依据科技部《科学技术评价办法》的有关规定，按照科技成果评价的标准及程序，本着科学、独立、客观、公正的原则，组织专家对沈阳工业大学等单位完成的“复杂声环境下的噪声溯源与振动噪声控制技术及应用”、“大数据与物理模型协同驱动的风力机关键部件智能运维技术及应用”2个项目进行了科技成果评价。

　　此次成果评价专家委员会由东北大学教授、所长宋桂秋，沈阳化工大学教授、副校长金志浩，沈阳理工大学教授、院长魏永合，北方重工集团有限公司教授级高级工程师、副总经理赵凯军，沈阳铸造研究所有限公司研究员祝强，沈阳航空航天大学教授、主任艾延廷，辽宁省沈阳生态环境监测中心教授级高级工程师、总工程师林宏等专家组成。

　　经过专家评审，认为由沈阳工业大学、辽宁科技学院等单位共同完成的“复杂声环境下的噪声溯源与振动噪声控制技术及应用”项目通过声场分析，实现了复杂声环境下的噪声溯源与定位；研究了声振耦合下的模态特征，优化了颗粒阻尼隔振系统结构参数；系统研究了吸声、消声、隔声构件的结构参数对其吸声特性的影响，根据声源特性对降噪设施优化设计，研究了声源与吸隔声构件的频率特性的匹配关系，获得了理想的噪声控制效果。项目主要创新点如下：通过构建声振数据库，获取复杂声环境下的振动与噪声分布特性，利用盲源分离、RBFN神经网络等算法，优化了分析模型参数，分离出主要噪声源，获取复杂声环境下的声振传播特征，提高了声场分析精度；基于噪声辅助集合的门限自回归模型延拓经验模式分解算法，定量分析了结构振动传声的模态特征，研究砂粒类椭球颗粒的耗能机理及动态特性；通过建立颗粒阻尼隔振系统模型，采用功率流理论分析声振传递特性，优化了颗粒阻尼系统参数，提高了隔振效率;针对噪声源的频率特性及声传播特性，优化了声学构件的结构参数，实现了声源与吸隔声构件的频率特性的良好匹配，获得了理想的降噪效果。项目获授权发明专利2项、实用新型专利11项，发表SCI、EI论文16篇，成果已在国能辽宁热力公司、中粮(公主岭)生化能源公司等十余家企业成功应用，取得了显著的经济和社会效益。项目成果达到国际先进水平。沈阳工业大学、宁波坤博测控科技有限公司等单位共同完成的“大数据与物理模型协同驱动的风力机关键部件智能运维技术及应用”项目针对风力机关键部件，重点研究了早期故障状态感知、微弱信号特征提取、故障智能诊断、剩余寿命预测等关键技术。将智能诊断技术应用于风电装备的在线健康监测，解决了风力机关键部件传统故障诊断精度低、零部件退化状态难以评估的问题，提高了风力机故障诊断与寿命预测的准确性。项目主要创新点如下：提出了基于多维状态感知与特征融合的风力机数据驱动故障诊断技术，实现了风力机关键部件的微弱信号特征提取与精准故障诊断；提出了一种基于多场耦合数据与物理模型结合的风力机故障诊断方法，将多维故障数据与对应的物理模型相结合，提高了风机关键部件寿命预测精度；构建了深层特征与风力机健康状态之间的非线性映射关系，使用迁移学习方法，实现了风力机关键部件的健康状态评估。项目获授权发明专利4项、实用新型专利14项，登记软件著作权17项，发表SCI、EI论文23篇，项目成果已在沈阳吉地安风电科技公司、天津国电洁能电力有限公司等十余家企业成功应用，取得了显著的经济和社会效益。项目成果达到国际先进水平。经专家组全面审核，与会专家一致同意，“复杂声环境下的噪声溯源与振动噪声控制技术及应用”、“大数据与物理模型协同驱动的风力机关键部件智能运维技术及应用”2个项目通过科技成果评价。