基于声学算法的叶片状态监测系统及其监测方法技术方案

本发明专利技术涉及风机用噪声采集技术领域，具体为一种基于声学算法的叶片状态监测系统，包括安装在风机塔筒下方的噪声采集设备，由所述噪声采集设备采集风机叶片噪声信号经网络传输至数据采集系统统一处理，并经由数据储存系统对采集数据进行暂存；暂存在所述数据储存系统中的风机噪声数据由监测预警系统分析，通过所述监测预警系统提取噪声的梅尔谱特征，与神经网络中标准值比对，从而识别出叶片的故障原因，最后将分析出的数据通过交互界面展示。本发明专利技术有效降低工作环境恶劣、环境噪声复杂对采集器造成的影响，同时满足声学性能要求和环境可靠性需求；应用模型集成技术，基于无监督和弱监督模型，解决故障样本不足的问题。解决故障样本不足的问题。解决故障样本不足的问题。

【技术实现步骤摘要】
基于声学算法的叶片状态监测系统及其监测方法


[0001]本专利技术涉及风机用噪声采集
，具体为一种基于声学算法的叶片状态监测系统及其监测方法。

技术介绍

[0002]目前，风电场叶片等关键部件的故障检测主要依靠人力现场听音和目视观察，由于风电场往往布置在高山、海岛等偏远地区，受交通和天气的影响维护人员难以及时到现场进行观测，从而导致故障难以及时发现，等发现时往往已造成破坏性的后果。通常由于采集器布置的地方气候环境都是较为恶劣的野外环境，狂风、沙尘、暴雨、低温冰冻、高温曝晒、雷暴等恶劣天气对采集器的可靠性、稳定性带来了巨大的挑战，另外风电场电源不稳定造成电源噪声干扰，塔筒下的箱式变压器和采集器内其他电子装置带来的电磁干扰。
[0003]现有技术中针对风机叶片监测主要有以下几种技术路线：（1）基于振动传感器：主要用于故障监测、结冰监测，通过在叶片表面安装振动传感器，当机械结构故障时，机械或机组运行中通常表现出振动异常。在叶片上安装振动传感器，获取叶片振动的模态频率、模态振型和模态阻尼等参数，并通过对上述参数进行分析获得叶片的动力学特性变化情况，从而判断叶片的健康状态，进行叶片的故障预警。主要缺点在于：硬件成本高；需要在叶片内安装传感器并走线，在机舱内供电并数据传输，安装维护复杂；应用条件受限，传感器对环境敏感度高，容易受到温度、湿度影响；对叶片表面磨损不敏感。
[0004]（2）基于声发射技术：用于检测风电叶片在施加负荷的情况下内部产生缺陷的情况。通过在叶片特定部位（易受损处）安装传感器，通过放大滤波后进入计算机，声发射是指材料断裂时释放的弹性能以应力波的形式在结构中传播的现象。随着压电效应的发现，应力波可以通过压电材料(如压电陶瓷 PZT)的压电效应由力信号转化为电信号被系统接收，通过分析应力波的波形、频率、幅值、时程、波数等信号特征，实现对材料的损伤探测。主要缺点为：硬件成本高；声发射技术的快速衰减性要求声发射传感器部署在受损位置附近，安装维护复杂；应用条件受限，传感器对环境敏感度高，容易受到温度、湿度影响。
[0005]（3）基于图像识别：用于故障监测、雷击监测、结冰监测。通过在塔筒顶部安装长焦高清摄像头；在塔筒顶部安装长焦高清摄像头，对视界内的叶片进行视频拍摄，经图像识别技术进行叶片的故障识别。主要缺点为：安装难度高。需登高出机舱安装并接线，安装维护复杂；受可见度影响大，容易受到云雾、光线等影响。
[0006]（4）基于叶尖计时技术：用于测量叶片颤振、叶片应力、叶片疲劳以及叶片振动异常等。通过沿径向在叶尖旋转轨迹外侧安装多个叶尖定时传感器；通过多脉冲传感器对叶尖扫过同一位置的时间进行测量，由于叶片的振动，叶片的端部相对于转动方向将会向前或向后偏移，从而使得叶片每次到达传感器的实际时间与假设叶片无振动时到达传感器的时间不相等，从而产生一个时间差，再经算法转换为对叶片的振动测量进行故障预警。主要缺点为：受传感器精度影响大；应用条件受限，传感器对环境敏感度高，容易受到温度、湿度
影响；对叶片同步、异步颤动识别效果较好，对颤振、失速等非常规振动状态不敏感。

技术实现思路

[0007]针对现有技术的不足，本专利技术提供了一种基于声学算法的叶片状态监测系统及其监测方法，通过专用设备采集叶片运行时产生的声音信号，并通过系统进行处理识别，从而实现对叶片健康状态的实时监测，对叶片可能产生的故障做出预警。
[0008]为实现以上目的，本专利技术通过以下技术方案予以实现：本专利技术提出了基于声学算法的叶片状态监测系统，包括安装在风机塔筒下方的噪声采集设备，由所述噪声采集设备采集风机叶片噪声信号经网络传输至数据采集系统统一处理，并经由数据储存系统对采集数据进行暂存；暂存在所述数据储存系统中的风机噪声数据由监测预警系统分析，通过所述监测预警系统提取噪声的梅尔谱特征，与神经网络中标准值比对，从而识别出叶片的故障原因，最后将分析出的数据通过交互界面展示。
[0009]本专利技术的进一步限定技术方案，前述的基于声学算法的叶片状态监测系统，所述噪声采集设备包括设置在采集器主体箱内的采集模块、网络模块、防护模块和电源模块，采集器主体箱通过固定支架安装在风机塔筒下方；所述采集模块由麦克风阵列和音频采集板组成，所述麦克风阵列采集到的声音信号经音频采集板处理后由所述网络模块向外传输，所述防护模块包括设置在所述采集器主体箱内加热片和除湿装置；所述电源模块采用自复位防雷装置和工业电源组合，通过所述工业电源为所述网络模块、防护模块以及采集模块供电。
[0010]前述的基于声学算法的叶片状态监测系统，所述麦克风阵列安装在所述采集器主体箱顶部的支撑板上，所述麦克风阵列外部设有环状的缓冲网，在麦克风阵列外侧还设有隔音罩；所述音频采集板安装在所述麦克风阵列的背面，所述音频采集板的处理芯片采用FPGA或STM32MCU；所述音频采集板外侧设有电磁屏蔽罩。
[0011]前述的基于声学算法的叶片状态监测系统，所述采集器主体箱的侧壁上设有支撑立柱，所述支撑立柱上安装DIN导轨，用以安装固定所述网络模块、防护模块和电源模块；所述麦克风阵列粘接有所述加热片；所述加热片为塑胶加热片或陶瓷加热片。
[0012]前述的基于声学算法的叶片状态监测系统，所述数据采集系统、数据储存系统以及监测预警系统之间通过工业以太网连接通信。
[0013]前述的基于声学算法的叶片状态监测系统，所述噪声采集设备的音频采集器测量频率范围为：20
‑
20000Hz，采样频率设置为：48000Hz。
[0014]一种基于声学算法的叶片状态监测系统的监测方法包括以下步骤：（1）噪声信号由所述噪声采集设备采集，经由网络服务发送至数据采集系统，对采集的数据与气象信息和机组信息进行初步融合处理，再将处理后的数据发送至数据存储系统；（2）数据存储系统按照预先设定的存储规则，将数据存储在指定位置；当监测预警系统发出数据调取请求后，数据存储系统的数据可供具有权限的服务进行访问；（3）监测预警系统能够对数据存储系统上的数据进行读取、编辑、查找、删除操作；（4）监测预警系统实时获取采集到的噪声数据后，分别执行以下操作：对数据进行降噪、波束成形等预处理；
对噪声数据进行梅尔谱特征提取；将梅尔谱特征数据输入神经网络的预警算法对目标的状态进行判断；（5）对分析判断后的数据通过交互界面进行展示。
[0015]本申请方案的采集器可布置在风电场塔筒底下，采集现场风机运行时的噪声，通过网络发送至集中控制中心进行基于大数据、人工智能的叶片故障识别与预警，可以帮助运维团队及运维系统实现对风机叶片的健康状态的跟踪监测，提供科学的决策支撑。
[0016]本专利技术提供具备以下有益效果：本专利技术有效降低工作环境恶劣、环境噪声复杂对采集器造成的影响，同时满足声学性能要求和环境可靠性需求；应用模型集成技术，基于无监督和弱监督模型，解决故障样本不足的问题；通过监测风机叶片的工作噪声，来发现例如叶片涂层损伤、叶片鼓包、叶片开裂、雷击事件、叶片结冰等多种异常情况，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于声学算法的叶片状态监测系统，其特征在于：包括安装在风机塔筒下方的噪声采集设备，由所述噪声采集设备采集风机叶片噪声信号经网络传输至数据采集系统统一处理，并经由数据储存系统对采集数据进行暂存；暂存在所述数据储存系统中的风机噪声数据由监测预警系统分析，通过所述监测预警系统提取噪声的梅尔谱特征，与神经网络中标准值比对，从而识别出叶片的故障原因，最后将分析出的数据通过交互界面展示。2.根据权利要求1所述的基于声学算法的叶片状态监测系统，其特征在于：所述噪声采集设备包括设置在采集器主体箱（1）内的采集模块、网络模块、防护模块和电源模块，采集器主体箱（1）通过固定支架安装在风机塔筒下方；所述采集模块由麦克风阵列（8）和音频采集板（9）组成，所述麦克风阵列采集到的声音信号经音频采集板处理后由所述网络模块向外传输，所述防护模块包括设置在所述采集器主体箱内加热片（7）和除湿装置（12）；所述电源模块采用自复位防雷装置（10）和工业电源（11）组合，通过所述工业电源（11）为所述网络模块、防护模块以及采集模块供电。3.根据权利要求2所述的基于声学算法的叶片状态监测系统，其特征在于：所述麦克风阵列安装在所述采集器主体箱顶部的支撑板（5）上，所述麦克风阵列外部设有环状的缓冲网，在麦克风阵列外侧还设有隔音罩；所述音频采集板安装在所述麦克风阵列的背面，所述音频采集板的处理芯片采用FPGA或STM32MCU；所述音频采集板（9）外侧设有电磁屏蔽罩。4.根据权利要求2所述的基于声学算法的叶...

【专利技术属性】
技术研发人员：牛国智，李行，丁爱军，曾佳佳，刘凯，谭振国，
申请(专利权)人：苏州矗能智造科技有限公司五凌电力有限公司新能源分公司江永晟华能源开发有限公司，
类型：发明
国别省市：