风机叶片故障检测方法、系统技术方案

本发明专利技术提供一种风机叶片故障检测方法，首先将光纤传感器与风机叶片相对应，而后通过光纤传感器采集所述风机叶片的振动频率，再根据振动频率判断风机叶片是否受损，若判断该风机叶片受损，则通过故障检测辨别器检测受损的风机叶片以获取所述风机叶片的故障类别结果，从而识别出风机叶片的损伤位置，推算出风机叶片的故障类别，实现风机叶片的故障诊断，提高诊断可靠性。断可靠性。断可靠性。

【技术实现步骤摘要】
风机叶片故障检测方法、系统


[0001]本专利技术涉及故障诊断
，更为具体地，涉及一种风机叶片故障检测方法、系统。

技术介绍

[0002]风力发电机是将风能转换为机械功，机械功带动转子旋转，最终输出交流电的电力设备。风力发电机一般有风轮、发电机(包括装置)、调向器(尾翼)、塔架、限速安全机构和储能装置等构件组成。
[0003]随着能源危机和环境问题的日益严重，世界各国争相发展可再生新兴能源，我国长期规划明确支持“研究开发大型风力发电设备”，风电装备由此得到了迅猛发展。在风电迅猛发展的同时，风力发电机高额的运行维护成本影响了风场的经济效益。风场一般地处偏远、环境恶劣，并且机舱位于70m至90m以上的高空，给机组的维护维修工作造成了困难，增加了机组的运行维护成本。并且高额的运行维护费用增加了风场的运营成本，降低了风电的经济效益。
[0004]现有风力发电机风机叶片故障诊断的方法均存在各自的局限性：要么现场振动情况复杂且不稳定，使得分离振动信号与噪声信号仍是技术难题，小尺寸裂纹的信号常会被噪声信号或整体振动信号湮灭，要么法融入经验性的知识，需要经过庞大数量的样本学习才能保障诊断的可靠性，且存在由于规模庞大导致检测过长的问题。
[0005]因此，亟需一种既能够精准定位，又能够的快速识别的风机叶片故障检测方法、系统。

技术实现思路

[0006]鉴于上述问题，本专利技术的目的是提供一种风机叶片故障检测方法、系统，以解决基于信号处理的诊断方法使得现场振动情况复杂且不稳定，基于人工智能的故障诊断方法存在由于规模庞大导致诊断模型学习和训练时间过长的问题。
[0007]本专利技术提供的一种风机叶片故障检测方法，包括：
[0008]使光纤传感器与风机叶片相对应；
[0009]通过所述光纤传感器采集所述风机叶片的振动频率；
[0010]根据所述振动频率和预设的风机振动频率指标模型数据库判断所述风机叶片是否受损；
[0011]若判断所述风机叶片受损，则通过故障检测辨别器检测受损的风机叶片以获取所述风机叶片的故障类别结果。
[0012]优选地，使光纤传感器与风机叶片相对应的过程，包括：
[0013]将所述光纤传感器贴在所述风机叶片的预设位置上，并将所述光线传感器与处理器相连接。
[0014]优选地，在通过所述光纤传感器采集所述风机叶片的振动频率之前，还包括：
[0015]建立风机振动频率指标模型数据库。
[0016]优选地，建立风机振动频率指标模型数据库的过程，包括：
[0017]预采集风机叶片的运行数据；
[0018]对所述运行数据进行标准化处理以形成数据集；
[0019]对所述数据集进行梯度划分以形成规格梯度；
[0020]为所述规格梯度标注与所述规格梯度相对应的叶片等级以形成标准数据；
[0021]对所述标准数据进行列表式存储以形成指标模型数据库。
[0022]优选地，根据所述振动频率判断所述风机叶片是否受损的过程，包括：
[0023]将所述振动频率与所述指标模型数据库中的标准数据进行对照以获取所述振动频率的所属规格梯度；
[0024]获取与所述振动频率的所属规格梯度相对应的叶片等级；
[0025]根据所述叶片等级判断所述风机叶片是否受损。
[0026]优选地，若判断所述风机叶片未受损，则将所述风机叶片的振动频率与叶片等级作为标准数据输入所述指标模型数据库中。
[0027]优选地，在通过故障检测辨别器检测受损的风机叶片以获取所述风机叶片的故障类别结果之前，还包括训练故障检测辨别器，其中，训练故障检测辨别器的过程，包括：
[0028]获取风机叶片在正常以及不同程度裂纹故障状态下的样本图片；
[0029]将所述样本图片输入卷积神经网络以获取裂纹识别模型；
[0030]对所述裂纹识别模型进行检验测试直至所述裂纹识别模型收敛以获取故障检测辨别器。
[0031]优选地，通过故障检测辨别器检测受损的风机叶片以获取所述风机叶片的故障类别结果的过程，包括：
[0032]对判断受损的风机叶片进行目标锁定以获取目标区域；
[0033]在所述目标区域中进行影像提取以获取目标图像；
[0034]将所述目标图像输入所述故障检测辨别器中以获取所述风机叶片的故障类别结果。
[0035]本专利技术还提供一种风机叶片故障检测系统，实现前述的风机叶片故障检测方法，其中，包括：
[0036]感测对应单元，用于使光纤传感器与风机叶片相对应；
[0037]频率采集单元，用于通过所述光纤传感器采集所述风机叶片的振动频率；
[0038]受损初判单元，用于根据所述振动频率判断所述风机叶片是否受损；
[0039]结果输出单元，用于若判断所述风机叶片受损，则通过故障检测辨别器检测受损的风机叶片以获取所述风机叶片的故障类别结果。
[0040]本专利技术还提供一种计算机可读存储介质，所述可读存储介质上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1
‑
8中任一项所述的风机叶片故障预测方法。
[0041]从上面的技术方案可知，本专利技术提供的风机叶片故障检测方法、系统，首先将光纤传感器与风机叶片相对应，而后通过光纤传感器采集所述风机叶片的振动频率，再根据振动频率判断风机叶片是否受损，若判断该风机叶片受损，则通过故障检测辨别器检测受损
的风机叶片以获取所述风机叶片的故障类别结果，从而识别出风机叶片的损伤位置，推算出风机叶片的故障类别，实现风机叶片的故障诊断，提高诊断可靠性。
附图说明
[0042]通过参考以下结合附图的说明书内容，并且随着对本专利技术的更全面理解，本专利技术的其它目的及结果将更加明白及易于理解。在附图中：
[0043]图1为根据本专利技术实施例的风机叶片故障检测方法的流程图；
[0044]图2为根据本专利技术实施例的风机叶片故障检测系统的示意图；
[0045]图3为根据本专利技术实施例的计算机可读存储介质的示意图。
具体实施方式
[0046]基于信号处理的诊断方法——现场振动情况复杂且不稳定，分离振动信号与噪声信号仍是技术难题，小尺寸裂纹的信号常会被噪声信号或整体振动信号湮灭，且目前的故障监测系统主要是依据故障特征是否超出设定的阈值来判断是否有故障，尚不能做到定位检测；基于人工智能的故障诊断方法——虽然基于人工智能的故障诊断方法快速方便，但是无法融入经验性的知识，需要经过庞大数量的样本学习才能保障诊断的可靠性，且存在由于规模庞大导致诊断模型学习和训练时间过长的问题。
[0047]针对上述问题，本专利技术提供一种风机叶片故障检测方法、系统，以下将结合附图对本专利技术的具体实施例进行详细描述。
[0048]为了说明本专利技术提供的风机叶片故障检测方法、系统，图1对本专利技术实施例的风机叶片故障检测方法进行了示例性标示；图2对本专利技术实施例的风本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风机叶片故障检测方法，其特征在于，包括：使光纤传感器与风机叶片相对应；通过所述光纤传感器采集所述风机叶片的振动频率；根据所述振动频率和预设的风机振动频率指标模型数据库判断所述风机叶片是否受损；若判断所述风机叶片受损，则通过故障检测辨别器检测受损的风机叶片以获取所述风机叶片的故障类别结果。2.如权利要求1所述的风机叶片故障检测方法，其特征在于，使光纤传感器与风机叶片相对应的过程，包括：将所述光纤传感器贴在所述风机叶片的预设位置上，并将所述光线传感器与处理器相连接。3.如权利要求1所述的风机叶片故障检测方法，其特征在于，在通过所述光纤传感器采集所述风机叶片的振动频率之前，还包括：建立风机振动频率指标模型数据库。4.如权利要求3所述的风机叶片故障检测方法，其特征在于，建立风机振动频率指标模型数据库的过程，包括：预采集风机叶片的运行数据；对所述运行数据进行标准化处理以形成数据集；对所述数据集进行梯度划分以形成规格梯度；为所述规格梯度标注与所述规格梯度相对应的叶片等级以形成标准数据；对所述标准数据进行列表式存储以形成指标模型数据库。5.如权利要求4所述的风机叶片故障检测方法，其特征在于，根据所述振动频率判断所述风机叶片是否受损的过程，包括：将所述振动频率与所述指标模型数据库中的标准数据进行对照以获取所述振动频率的所属规格梯度；获取与所述振动频率的所属规格梯度相对应的叶片等级；根据所述叶片等级判断所述风机叶片是否受损。6.如权利要求5所述的风机叶片故障检测方法，其特征在于，若判断所述风机叶片未受损，则将所述风机叶片的振动频率与叶片...

【专利技术属性】
技术研发人员：庞涛，马征，何伟，秦大林，
申请(专利权)人：北京智慧空间科技有限责任公司，
类型：发明
国别省市：