（一）招商方：山东建筑大学

（二）招商标的情况：

*.科技成果简介：

风电机组一般坐落在交通不便、环境恶劣的郊区或是沿海地区，且机舱一般安装在离地几十米甚至上百米的高空，这就造成了风机的日常运维、检修困难重重，维护成本昂贵。随着风力发电机组装机容量的不断增加以及累计运行时间的不断增长，风电机组的维护问题变得日益突出。一方面，风电机组故障主要集中在叶片、齿轮箱、主轴、发电机、变流器等核心部件上，一旦因为这些故障而造成风机停机，其损失不可估量；另一方面，风电机组状态检测极易受到风雨、冰雪等天气因素的干扰，导致单类型检测周期较长，并且风电机组检测数据量庞大，目前尚未形成完备的检测技术标准。因此如何快速、准确的进行风电故障检测成为行业亟需解决的关键问题。目前主要是采用单一的神经网络算法来对风电机组齿轮箱进行故障诊断，这种方法主要存在两个方面的问题。一方面，虽然神经网络算法具有预测精度高、分布式处理能力强等优点，但是也存在学习时间过长、当样本数据量庞大时网络结构过于复杂以及需要提前设置大量阈值和权值等缺点，这对数据量庞大、时间要求较高的系统是极为不利的；另一方面，对于风力发电这种影响因素较多的工业生产系统，运行单一分类器的的故障检测系统可靠性不高，运行条件的变化极有可能会导致误报警。

为了解决现有技术的不足，本成果提供了一种风电齿轮箱故障检测方法、系统、设备及介质，其具有易于操作、成本低廉、检测精度高的效果。一种风电齿轮箱故障检测方法，包括：采集风电机组齿轮箱运行数据和运行数据标签，所述运行数据标签，包括正常数据标签和故障数据标签；将采集的运行数据进行归一化处理，将运行数据输入到********算法中；输出每个运行数据的权重，然后根据权重对运行数据按照从大到小进行排序，选择排序靠前的*个运行数据作为数据特征；将所有数据特征分别输入到四个分类器中，对每个分类器进行训练；然后利用训练好的分类器对测试数据进行检测，输出四个检测结果；最后，将四个检测结果进行融合，输出最终的检测结果。

*.拟转化方式：技术转让、技术许可、合作开发。

（三）招商价格：面议。

（四）交易组织方式：

项目征集到一个意向合作方后，转为正式挂牌项目交易。

投资者如有合作意向，请联系临沂市技术成果交易中心办理登记手续。