风电机组的变桨轴承的运行状态识别方法、装置和设备制造方法及图纸

本公开提出一种风电机组的变桨轴承的运行状态识别方法、装置和设备，其中，方法包括：采用声音传感器对风电机组的变桨轴承进行监测，以获取待测音频信号；对待测音频信号进行特征提取，以获取第一音频特征；将第一音频特征输入经过训练的运行状态识别模型，以根据运行状态识别模型的输出，确定变桨轴承的目标运行状态。由此，可以实现基于深度学习技术，根据对风电机组的变桨轴承进行监测所得到的待测音频信号的音频特征，自动预测该变桨轴承的运行状态。行状态。行状态。

【技术实现步骤摘要】
风电机组的变桨轴承的运行状态识别方法、装置和设备


[0001]本公开涉及人工智能
，尤其涉及风电机组的变桨轴承的运行状态识别方法、装置和设备。

技术介绍

[0002]风电变桨轴承是风电机组中变桨系统的关键零部件，它与风电机组的叶片直接相连。在风电机组恶劣的运行环境中，风电变桨轴承所承受的载荷极其复杂，且极易发生运行状态的改变。
[0003]为了及时获取风电机组的变桨轴承的运行状态，使得相关工作人员能够及时根据运行状态对风电机组的变桨轴承进行对应的维修和维护，以保证风电机组的正常运行和工作人员的安全，如何对风电机组的变桨轴承的运行状态进行识别是非常重要的。

技术实现思路

[0004]本公开提供了一种风电机组的变桨轴承的运行状态识别方法、装置和设备，以至少在一定程度上解决相关技术中的技术问题之一。本公开的技术方案如下：
[0005]根据本公开的一方面，提供了一种风电机组的变桨轴承的运行状态识别方法，包括：
[0006]采用声音传感器对所述风电机组的变桨轴承进行监测，以获取待测音频信号；
[0007]对所述待测音频信号进行特征提取，以获取第一音频特征；
[0008]将所述第一音频特征输入经过训练的运行状态识别模型，以根据所述运行状态识别模型的输出，确定所述变桨轴承的目标运行状态。
[0009]根据本公开的另一方面，提供了一种风电机组的变桨轴承的运行状态识别装置，包括：
[0010]监测模块，用于采用声音传感器对所述风电机组的变桨轴承进行监测，以获取待测音频信号；
[0011]提取模块，用于对所述待测音频信号进行特征提取，以获取第一音频特征；
[0012]确定模块，用于将所述第一音频特征输入经过训练的运行状态识别模型，以根据所述运行状态识别模型的输出，确定所述变桨轴承的目标运行状态。
[0013]根据本公开的又一方面，提供了一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现本公开上述一方面提出的风电机组的变桨轴承的运行状态识别方法。
[0014]根据本公开的再一方面，提供了一种计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本公开上述一方面提出的风电机组的变桨轴承的运行状态识别方法。
[0015]根据本公开的还一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本公开上述一方面提出的风电机组的变桨轴承的运行状态
识别方法。
[0016]本公开的实施例提供的技术方案至少带来以下有益效果：
[0017]采用声音传感器对风电机组的变桨轴承进行监测，以获取待测音频信号；对待测音频信号进行特征提取，以获取第一音频特征；将第一音频特征输入经过训练的运行状态识别模型，以根据运行状态识别模型的输出，确定变桨轴承的目标运行状态。由此，可以实现基于深度学习技术，根据对风电机组的变桨轴承进行监测所得到的待测音频信号的音频特征，自动预测该变桨轴承的运行状态。
[0018]本公开附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
[0019]本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0020]图1为本公开实施例一所提供的风电机组的变桨轴承的运行状态识别方法的流程示意图；
[0021]图2为本公开实施例二所提供的风电机组的变桨轴承的运行状态识别方法的流程示意图；
[0022]图3为本公开实施例三所提供的风电机组的变桨轴承的运行状态识别方法的流程示意图；
[0023]图4为本公开所提供的风电机组的变桨轴承的运行状态识别流程示意图；
[0024]图5为本公开实施例四所提供的风电机组的变桨轴承的运行状态识别装置的结构示意图；
[0025]图6示出了适于用来实现本专利技术实施方式的示例性电子设备的框图。
具体实施方式
[0026]下面详细描述本公开的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本公开，而不能理解为对本公开的限制。
[0027]相关技术中，对风电机组的变桨轴承的运行状态的识别方法主要是基于振动信号。然而，风电机组的变桨轴承的运行状态多变，且由于振动信号难以通过空气等介质进行传递，采集振动信号的传感器通常需要部署在风电机组的变桨轴承上，然而，上述传感器的部署方式极易造成振动信号的传递路径复杂化，且部署方式复杂繁琐，在风电机组的变桨轴承的长时间运行之后，传感器容易发生脱落失效等问题，上述种种问题导致基于振动信号的风电机组的变桨轴承的运行状态识别较为复杂。
[0028]针对上述存在的至少一项问题，本公开提出一种风电机组的变桨轴承的运行状态识别方法、装置和设备。
[0029]下面参考附图描述本公开实施例的风电机组的变桨轴承的运行状态识别方法、装置和设备。
[0030]图1为本公开实施例一所提供的风电机组的变桨轴承的运行状态识别方法的流程
示意图。
[0031]本公开实施例以该风电机组的变桨轴承的运行状态识别方法被配置于风电机组的变桨轴承的运行状态识别装置中来举例说明，该风电机组的变桨轴承的运行状态识别装置可以应用于任一电子设备中，以使该电子设备可以执行风电机组的变桨轴承的运行状态识别功能。
[0032]其中，电子设备可以为任一具有计算能力的设备，例如可以为个人电脑(Personal Computer，简称PC)、移动终端、服务器等，移动终端例如可以为手机、平板电脑、个人数字助理、穿戴式设备等具有各种操作系统、触摸屏和/或显示屏的硬件设备。
[0033]如图1所示，该风电机组的变桨轴承的运行状态识别方法可以包括以下步骤：
[0034]步骤101，采用声音传感器对风电机组的变桨轴承进行监测，以获取待测音频信号。
[0035]在本公开实施例中，待测音频信号可以是风电机组的变桨轴承在运行工作时，由声音传感器(比如压电式工业拾音器、麦克风等)对风电机组的变桨轴承进行监测而获取的音频信号(又可以称为声音信号)。
[0036]需要说明的是，声音传感器可以为一个，或者也可以为多个，本公开对此不做限制。
[0037]还需要说明的是，本公开对声音传感器的部署方式不做限制，比如可以将多个声音传感器部署在风电机组的变桨轴承的多个不同的方位，或者可以采用一个声音传感器部署在风电机组的变桨轴承的某一个方位等。
[0038]作为一种可能的实现方式，可以对声音传感器采用多种不同的部署方案；可以先对多种不同部署方案中获取的音频信号进行降噪处理，并分别确定降噪处理后的多种不同部署方案中获取的音频信号的信噪比；根据信噪比，从多种不同部署方案中获本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风电机组的变桨轴承的运行状态识别方法，其特征在于，所述方法包括：采用声音传感器对所述风电机组的变桨轴承进行监测，以获取待测音频信号；对所述待测音频信号进行特征提取，以获取第一音频特征；将所述第一音频特征输入经过训练的运行状态识别模型，以根据所述运行状态识别模型的输出，确定所述变桨轴承的目标运行状态。2.根据权利要求1所述的方法，其特征在于，所述将所述第一音频特征输入经过训练的运行状态识别模型，以根据所述运行状态识别模型的输出，确定所述变桨轴承的目标运行状态，包括：将所述第一音频特征输入所述运行状态识别模型，以得到所述运行状态识别模型输出的多个运行状态的预测概率；其中，所述预测概率用于指示所述变桨轴承为对应运行状态的概率；根据所述多个运行状态的预测概率，从所述多个运行状态中确定所述变桨轴承对应的目标运行状态。3.根据权利要求2所述的方法，其中，所述根据所述多个运行状态的预测概率，从所述多个运行状态中确定所述变桨轴承对应的目标运行状态，包括：针对所述多个运行状态中任一运行状态，获取所述任一运行状态对应的设定概率阈值；将所述任一运行状态的预测概率与所述设定概率阈值进行对比；响应于所述任一运行状态的预测概率大于所述设定概率阈值，确定所述变桨轴承对应的目标运行状态包括所述任一运行状态；或，根据所述多个运行状态的预测概率，生成概率分布；对所述概率分布进行采样，以得到采样概率；将所述采样概率对应的运行状态，确定为所述变桨轴承对应的目标运行状态；或，将所述多个运行状态的预测概率中最大的所述预测概率所对应的运行状态，确定为所述变桨轴承对应的目标运行状态。4.根据权利要求1所述的方法，其特征在于，所述采用声音传感器对所述风电机组的变桨轴承进行监测，以获取待测音频信号，包括：采用所述声音传感器对所述风电机组的变桨轴承进行监测，以获取初始音频信号；对所述初始音频信号进行预处理，以获取所述待测音频信号；其中，所述预处理包括降噪处理、连续性检测、端点检测和信号增强中的至少一项。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：响应于对所述目标运行状态的确认操作，采用所述目标运行状态对所述第一音频特征进行标注，或者，响应于对所述目标运行状态的修改操作，对所述目标运行状态进行更新，并采用更新后的所述目标运行状态对所述第一音频特征进行标注，以得到第一训练样本；将所述第一训练样本添加至声纹数据库中。6.根据权利要求1所述的方法，其特征在于，所述将所述第一音频特征输入经过训练的运行状态识别模型，以根据所述运行状态识别模型的输出，确定所述变桨轴承的目标运行
状态之后，所述方法还包括：获取所述风电机组的风电机组的标识信息；...

【专利技术属性】
技术研发人员：尚晓龙，童彤，张克功，郝延，李恭斌，杨立平，张小龙，陶成强，苏善斌，于满源，严兴成，魏昂昂，
申请(专利权)人：中国华能集团清洁能源技术研究院有限公司，
类型：发明
国别省市：