本申请涉及一种风机叶片监测方法、装置、计算机设备及存储介质，该方法包括以下步骤：将风机叶片的未损伤状态信号作为后续状态监测的基准信号，未损伤状态信号通过分布在风机叶片内表面的多个压电传感神经元进行获取；获取风机叶片的当前健康状态信号，并对当前健康状态信号和未损伤状态信号进行相关性分析，得到每个压电传感神经元位置处的相应损伤系数；根据各压电传感神经元位置处的相应损伤系数的变化及幅度判断风机叶片损伤的存在及位置。上述风机叶片监测方法、装置、计算机设备及存储介质，根据实际计算中得到的距离损伤越近测得的损伤系数越大的原理判断得出风机叶片损伤位置及程度，能够随时随地按需对风机叶片进行健康状态的监测。行健康状态的监测。行健康状态的监测。
【技术实现步骤摘要】
风机叶片监测方法、装置、计算机设备及存储介质
[0001]本申请涉及结构健康监测领域，特别是涉及一种风机叶片监测方法、装置、计算机设备及存储介质。
技术介绍
[0002]风机叶片作为风电机组运行的最主要的外部部件之一，长期处在恶劣的环境之中，在遭遇极端气候如沙尘暴、冰雹、台风、雷电等造成的撞击以及侵蚀，同时也承受着周期性转动带来的疲劳载荷。诸多的外在条件和运行机制使得风机叶片不可避免地发生一些如裂纹、脱粘、孔洞、纤维断裂等结构损伤。这些损伤的存在会逐步损坏风机叶片、内置电机、塔筒，甚至发生叶片整体坍塌掉落的事故，造成更大规模的经济损失以及人身安全威胁。
[0003]目前国内外针对风机叶片的状态监测和故障诊断方法主要包括红外热成像检测、X射线法、声发射检测、光纤传感器检测、振动检测法。这些方法对于特定范围和特定的损伤都具有一定的效果，但是存在了很多局限性。
[0004]其中最本质的局限性为现有的方法都是检测，而非监测，检测需要人为地操作仪器，进行相应的操作和识别才能检测出损伤的存在，大多数检测方法都需要在停机甚至是在陆地上进行测试。
技术实现思路
[0005]基于此，有必要针对上述技术问题，提供风机叶片监测方法、装置、计算机设备及存储介质，能够随时随地按需进行健康状态的监测。
[0006]第一方面，本申请提供了一种风机叶片监测方法，所述方法包括：
[0007]将风机叶片的未损伤状态信号作为后续状态监测的基准信号，所述未损伤状态信号通过分布在风机叶片内表面的多个压电传感神经元进行获取；
[0008]获取风机叶片的当前健康状态信号，并对所述当前健康状态信号和所述未损伤状态信号进行相关性分析，得到每个所述压电传感神经元位置处的相应损伤系数；
[0009]根据各压电传感神经元位置处的所述相应损伤系数的变化及幅度判断风机叶片损伤的存在及位置。
[0010]在其中一个实施例中，所述未损伤状态信号为相对未损伤状态信号。
[0011]在其中一个实施例中，所述将风机叶片的未损伤状态信号作为后续状态监测的基准信号，之前还包括：
[0012]获取压电传感神经元采集的基准时域信号，所述基准时域信号通过电磁激振器对风机叶片进行激励从而产生；
[0013]对所述基准时域信号进行傅里叶变换后得到基准频域信号，并将所述基准频域信号的频域数据作为风机叶片的未损伤状态信号，所述基准频域信号的频域数据为基准频谱信号。
[0014]在其中一个实施例中，所述获取风机叶片的当前健康状态信号，包括：
[0015]根据获取的当前时域信号电压值首次达到0.01点位的位置对所述当前时域信号进行截断；
[0016]对经过窗函数及滤波处理的截断后的所述当前时域信号进行获取；
[0017]对所述当前时域信号的有效时域信号段进行获取，所述有效时域信号段为通过信号的衰减率对电磁激振器发出的脉冲信号尾端进行识别，再向后截取20％脉冲信号的长度，最后进行降噪后得到；
[0018]对所述有效时域信号段进行傅里叶变换后得到当前频域信号，并将所述当前频域信号的频域数据作为风机叶片的当前健康状态信号，所述当前频域信号的频域数据为当前频谱信号。
[0019]在其中一个实施例中，所述得到每个所述压电传感神经元位置处的相应损伤系数，之后还包括：
[0020]根据不同所述压电传感神经元位置处的相应损伤系数大小对所述损伤系数的判断阈值进行标定。
[0021]在其中一个实施例中，所述根据各压电传感神经元位置处的所述相应损伤系数的变化及幅度判断风机叶片损伤的存在及位置，包括：
[0022]根据每个所述压电传感神经元位置处的损伤系数与所述损伤系数判断阈值之间的差值对风机叶片是否存在损伤进行判断；
[0023]根据所述差值变化对风机叶片损伤的位置进行判断。
[0024]第二方面，本申请提供了一种风机叶片监测装置，所述装置包括：
[0025]第一获取模块，用于将风机叶片的未损伤状态信号作为后续状态监测的基准信号，所述未损伤状态信号通过分布在风机叶片内表面的多个压电传感神经元进行获取；
[0026]第二获取模块，用于获取风机叶片的当前健康状态信号，并对所述当前健康状态信号和所述未损伤状态信号进行相关性分析，得到每个所述压电传感神经元位置处的相应损伤系数；
[0027]比较模块，用于根据各压电传感神经元位置处的所述相应损伤系数的变化及幅度判断风机叶片损伤的存在及位置。
[0028]第三方面，本申请提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
[0029]第四方面，本申请提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述方法的步骤。
[0030]第五方面，本申请提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述任一项所述方法的步骤。
[0031]上述风机叶片监测方法、装置、计算机设备及存储介质，通过预先录入风机叶片的未损伤状态信号作为风机叶片后续状态监测信号，在需要时获取风机叶片当前健康状态信号，并将当前健康状态信号与未损伤状态信号进行比较，最后根据比较结果得到不同压电传感神经元位置处的损伤系数，再根据实际计算中得到的距离损伤越近测得的损伤系数越大的原理从而判断得出风机叶片损伤位置及程度。使用该方法能够随时随地按需对风机叶片进行健康状态的监测。
附图说明
[0032]图1为第一个实施例的风机叶片监测方法流程图；
[0033]图2为第二个实施例的风机叶片监测方法流程图；
[0034]图3为第三个实施例的风机叶片监测方法流程图；
[0035]图4为第四个实施例的风机叶片监测方法流程图；
[0036]图5为一个实施例的风机叶片监测装置模块图；
[0037]图6为一个实施例的压电传感神经元的结构示意图；
[0038]图7为一个实施例的风机叶片截面传感神经元布置示意图；
[0039]图8为一个实施例的远离损伤的传感神经元的时域和频域信号示意图；
[0040]图9为一个实施例的靠近损伤的传感神经元的时域和频域信号示意图；
[0041]图10为一个实施例的损伤系数三维柱状示意图；
[0042]图11为一个实施例的计算机设备的内部结构图。
具体实施方式
[0043]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地说明，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0044]如图1所示，在一个实施例中，一种风机叶片监测方法，包括以下步骤：
[00本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种风机叶片监测方法，其特征在于，所述方法包括：将风机叶片的未损伤状态信号作为后续状态监测的基准信号，所述未损伤状态信号通过分布在风机叶片内表面的多个压电传感神经元进行获取；获取风机叶片的当前健康状态信号，并对所述当前健康状态信号和所述未损伤状态信号进行相关性分析，得到每个所述压电传感神经元位置处的相应损伤系数；根据各压电传感神经元位置处的所述相应损伤系数的变化及幅度判断风机叶片损伤的存在及位置。2.根据权利要求1所述的风机叶片监测方法，其特征在于，所述未损伤状态信号为相对未损伤状态信号。3.根据权利要求1所述的风机叶片监测方法，其特征在于，所述将风机叶片的未损伤状态信号作为后续状态监测的基准信号，之前还包括：获取压电传感神经元采集的基准时域信号，所述基准时域信号通过电磁激振器对风机叶片进行激励从而产生；对所述基准时域信号进行傅里叶变换后得到基准频域信号，并将所述基准频域信号的频域数据作为风机叶片的未损伤状态信号，所述基准频域信号的频域数据为基准频谱信号。4.根据权利要求3所述的风机叶片监测方法，其特征在于，所述获取风机叶片的当前健康状态信号，包括：根据获取的当前时域信号电压值首次达到0.01点位的位置对所述当前时域信号进行截断；对经过窗函数及滤波处理的截断后的所述当前时域信号进行获取；对所述当前时域信号的有效时域信号段进行获取，所述有效时域信号段为通过信号的衰减率对电磁激振器发出的脉冲信号尾端进行识别，再向后截取20％脉冲信号的长度，最后进行降噪后得到；对所述有效时域信号段进行傅里叶变换后得到当前频域信号，并将所述当前频域信号的频域数据作为风机叶片的当前健康状态信号，所述当前频域信号的频...
【专利技术属性】
技术研发人员：申岩峰，陆润叶，
申请(专利权)人：英太利盛苏州科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。