风机叶片扫风声音信号中异常哨声轮廓的提取及识别方法技术

本申请涉及一种风机叶片扫风声音信号中异常哨声轮廓的提取及识别方法，通过对原始扫风声音信号的时域‑频域转换、对时频谱矩阵的能量特征提取及滤波、对时域片段滤波后特征的异常定位以及对哨声轮廓的异常检测来实现。本方法针对叶片扫风音频中可能存在的异常哨声形态提出了针对性的预处理和特征提取、模式识别和异常检测的方法，可以准确识别高频异常哨声的出现。

Extraction and recognition of abnormal Whistler contour in the sound signal of fan blade sweeping

【技术实现步骤摘要】
风机叶片扫风声音信号中异常哨声轮廓的提取及识别方法
本申请涉及一种风机叶片扫风声音信号中异常哨声轮廓的提取及识别方法，适用于风机故障检测的

技术介绍
风电叶片是风机捕获风能的核心部件，需要长期可靠地运行在极其恶劣的户外环境下，难免会遭受雷击、排水孔堵塞等损伤或故障。叶片在旋转过程中会因排水孔堵塞或雷击破孔产生异常的哨音。研究叶片哨音的典型特征，有助于识别叶片排水孔堵塞或雷击破孔等失效模式，对于叶片损伤进行监测，进而开发在线智能监测系统，改善运维效率有十分重要的意义。为了保持叶片内外气压平衡及确保叶片内部冷凝水及时排出，叶片设计人员在叶尖特定位置设计了排水孔，设计时通过形状和方位的优化巧妙地规避了排水孔引发的哨音问题。然而，当叶片运行在脏污环境或由于叶身内部散落的胶粒导致排水孔被部分堵塞，改变了排水孔的原有形状，边缘的光洁程度也发生变化时，就会在叶片旋转时产生持续的哨音。同时，运行在高雷暴区的风机，也会因为遭受雷击产生破损或孔洞。这些孔洞本身也会引发叶片旋转过程中的哨音产生。哨音的产生是边缘音原理与管定律同时作用的结果。当叶片旋本文档来自技高网...

【技术保护点】
1.一种风机叶片扫风声音信号中异常哨声轮廓的提取方法，其特征在于，包括以下步骤：/n(1)将风机叶片扫风的原始音频信号转换为时频域矩阵；/n(2)对时频域转换后的每个时间范围内进行幅值-能量转换，得到频率和能量特征；/n(3)依次对单个时刻的频率-能量特征进行降噪处理和峰值搜寻；/n(4)根据峰值搜寻的结果二值化时频域矩阵，并进行特征提取；/n(5)使用异常检测模型，构造哨声样本库以进行哨声检测。/n

【技术特征摘要】
1.一种风机叶片扫风声音信号中异常哨声轮廓的提取方法，其特征在于，包括以下步骤：
(1)将风机叶片扫风的原始音频信号转换为时频域矩阵；
(2)对时频域转换后的每个时间范围内进行幅值-能量转换，得到频率和能量特征；
(3)依次对单个时刻的频率-能量特征进行降噪处理和峰值搜寻；
(4)根据峰值搜寻的结果二值化时频域矩阵，并进行特征提取；
(5)使用异常检测模型，构造哨声样本库以进行哨声检测。


2.一种风机叶片扫风声音信号中异常哨声轮廓的提取方法，其特征在于，包括以下步骤：
(1)将原始音频信号转换为时频域矩阵M0；
(2)对经过变换的时频域矩阵M0通过幅值-能量转换关系转变为矩阵M1；
(3)对矩阵M1的每一时间点的列进行抽取，抽取出的一维数组Ft代表了t时刻的原始信号的频域-能量关系；
(4)对Ft进行滤波降噪，得到滤波后的数组F′t；
(5)对F′t进行基于突起程度的峰值搜寻，定位到出现异常尖峰的频率点；
(6)对M1的每一列依次进行滤波和峰值搜寻的处理，若该时间点无满足突起程度阈值的尖峰，则自动设置为0；
(7)将每一个时间段搜寻到满足条件的峰值对应的横坐标重置为1，其它点设置为0，将每一列还原回矩阵内，得到二值化矩阵M2；
(8)将二值化矩阵M2可视化，并将M2作为特征矩阵，从中提取非零元素分布相关的特征向量，形成每个声音样本的特征向量组合；
(9)将提取出哨声轮廓的音频对应的特征向量组合形成哨声特征的样本库，使用检测模型进行训练，构造哨声样本库以进行哨声检测。


3.根据权利要求2所述的提取方法，其特征在于，所述非零元素分布相关的特征向量包括非零元素的最大时间间隔、起止时间和所处频率中的至少一种。<...

【专利技术属性】
技术研发人员：王旻轩，朱小芹，鲍亭文，于成铭，祝海，杨晓茹，路瑶，金超，
申请(专利权)人：北京天泽智云科技有限公司，
类型：发明
国别省市：北京;11