一种风机叶片覆冰情况声纹智能在线监测方法及系统技术方案

本发明专利技术涉及一种风机叶片覆冰情况声纹智能在线监测方法及系统，具体步骤包括，通过高保真的音频采集设备采集高保真的宽带音频；通过低频滤波器对采集到的高保真宽带音频进行预处理，滤除低频的噪声；通过预训练的基于序列神经网络的自动编码解码器提取叶片音频信号特征，并通过语谱图形式表征风机叶片的音频信号特征；对语谱图进行切割得到不同风机叶片扫风和扫风间隔区间及分割点坐标；通过灰度直方图均衡化算法增强语谱图局部的对比度，再根据每个风机叶片的所有扫风区间语谱图生成扫风状态下的平均语谱图；根据每个风机叶片的平均语谱图判断运行状态，并根据预设规则实现智能告警

【技术实现步骤摘要】
一种风机叶片覆冰情况声纹智能在线监测方法及系统


[0001]本专利技术涉及风力发电
，具体为一种风机叶片覆冰情况声纹智能在线监测方法及系统
。

技术介绍

[0002]风机叶片是暴露在外部环境长期运行的大部件，在高海拔低温环境下，风机叶片会产生覆冰现象，影响风机正常运行
。
风机叶片有覆冰情况下会通过声音在外部表现出来，会产生高频噪声信号，声音的频率
、
振幅
、
谐波和相位等都会产生变化，通过监测这些变化，可以实现对风机叶片覆冰情况的的在线监测，辅助运行人员启停风机
。
[0003]在现有技术中，
CN116255310A
一种风机叶片覆冰厚度监测装置提出通过感温单元感受温度变化来确定覆冰情况，
CN114439706A
一种风电场风机叶片覆冰状态预测方法提出通过对历史运行数据进行处理预测风机叶片的覆冰状况
。
[0004]现有技术中，一方面是通过预测模型来预测风机的覆冰情况，不能实时反应真实的运行状态，另一方面是通过各种传感器来获得数据并计算覆冰厚度，但从未提及通过音频对风机的覆冰情况进行实时监测
。

技术实现思路

[0005]为了解决上述现有技术中存在的问题，本专利技术提出了一种风机叶片覆冰情况声纹智能在线监测方法及系统
。
[0006]本专利技术的技术方案如下：
[0007]一方面，本专利技术提出一种风机叶片覆冰情况声纹智能在线监测方法，具体步骤包括：
[0008]通过高保真的音频采集设备采集高保真的宽带音频；
[0009]通过低频滤波器对采集到的高保真宽带音频进行预处理，滤除低频的噪声；
[0010]根据预处理后的宽带音频，利用基于序列神经网络的自动编码解码器提取叶片音频信号特征，并通过语谱图形式表征风机叶片的音频信号特征；
[0011]对语谱图进行切割得到不同风机叶片扫风和扫风间隔区间及分割点坐标；
[0012]通过灰度直方图均衡化算法增强语谱图局部的对比度，生成平均语谱图；
[0013]比较分析若干风机叶片的平均语谱图，确定不同平均语谱图对应的覆冰厚度；
[0014]根据每个风机叶片的平均语谱图判断运行状态以及覆冰厚度，并根据预设规则实现智能告警
。
[0015]作为优选实施方式，所述对语谱图进行切割得到不同风机叶片扫风和扫风间隔区间及分割点坐标步骤具体为：
[0016]采用聚类算法对不同风机叶片的语谱图的矩阵进行聚类，得到扫风状态和扫风间隔期的标签序列；利用中值收敛方法修正上述获得的标签序列，精确获得从扫风间隔期到扫风状态的音频发生阶跃的坐标点，以此区分扫风音频和扫风间隔音频，实现精确的音频
分割
。
[0017]作为优选实施方式，所述根据每个风机叶片的平均语谱图判断运行状态步骤具体为：
[0018]根据各风机叶片中随机两个风机叶片的平均语谱图间的均值
、
标准差和协方差计算结构相似度
SSIM
值，并根据各
SSIM
值间的大小差异判断风机叶片的运行状态
。
[0019]作为优选实施方式，所述根据预设规则实现智能告警的步骤具体为：
[0020]预设运行时长和结构相似度
SSIM
值的最小阈值，比较各
SSIM
值的大小：
[0021]在运行时长大于等于最小阈值，各
SSIM
值相同且大于结构相似度的最小阈值，则各风机叶片正常运行；
[0022]当运行时长大于等于最小阈值，各
SSIM
值中有若干个
SSIM
值小于结构相似度的最小阈值，则判断风机叶片存在异常并发出告警信号
。
[0023]另一方面，本专利技术提出一种风机叶片覆冰情况声纹智能在线监测系统，包括：
[0024]音频采集模块，通过高保真的音频采集设备采集高保真的宽带音频；
[0025]滤波处理模块，通过低频滤波器对采集到的高保真宽带音频进行预处理，滤除低频的噪声；
[0026]语谱图生成模块，根据预处理后的宽带音频，利用基于序列神经网络的自动编码解码器提取叶片音频信号特征，并通过语谱图形式表征风机叶片的音频信号特征；
[0027]语谱图切割模块，对语谱图进行切割得到不同风机叶片扫风和扫风间隔区间及分割点坐标；
[0028]平均语谱图生成模块，通过灰度直方图均衡化算法增强语谱图局部的对比度，生成平均语谱图；
[0029]数据预处理模块：比较分析若干风机叶片的平均语谱图，确定不同平均语谱图对应的覆冰厚度；
[0030]告警模块，根据每个风机叶片的平均语谱图判断运行状态以及覆冰厚度，并根据预设规则实现智能告警
。
[0031]作为优选实施方式，所述对语谱图进行切割得到不同风机叶片扫风和扫风间隔区间及分割点坐标步骤具体为：
[0032]采用聚类算法对不同风机叶片的语谱图的矩阵进行聚类，得到扫风状态和扫风间隔期的标签序列；利用中值收敛方法修正上述获得的标签序列，精确获得从扫风间隔期到扫风状态的音频发生阶跃的坐标点，以此区分扫风音频和扫风间隔音频，实现精确的音频分割
。
[0033]作为优选实施方式，所述根据每个风机叶片的平均语谱图判断运行状态步骤具体为：
[0034]根据各风机叶片中随机两个风机叶片的平均语谱图间的均值
、
标准差和协方差计算结构相似度
SSIM
值，并根据各
SSIM
值间的大小差异判断风机叶片的运行状态
。
[0035]作为优选实施方式，所述根据预设规则实现智能告警的步骤具体为：
[0036]预设运行时长和结构相似度
SSIM
值的最小阈值，比较各
SSIM
值的大小：
[0037]在运行时长大于等于最小阈值，各
SSIM
值相同且大于结构相似度的最小阈值，则各风机叶片正常运行；
[0038]当运行时长大于等于最小阈值，各
SSIM
值中有若干个
SSIM
值小于结构相似度的最小阈值，则判断风机叶片存在异常并发出告警信号
。
[0039]另一方面，本专利技术提出一种电子设备，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专利技术任一实施例所述的一种风机叶片覆冰情况声纹智能在线监测方法
。
[0040]另一方面，本专利技术提出一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本专利技术任一实施例所述的一种风机叶片覆冰情况声纹智能在线监测方法
。
[0041]本专利技术具有如下有益效果：
[0042]1、
本专利技术通过采集实时高本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种风机叶片覆冰情况声纹智能在线监测方法，其特征在于，具体步骤包括：通过高保真的音频采集设备采集高保真的宽带音频；通过低频滤波器对采集到的高保真宽带音频进行预处理，滤除低频的噪声；根据预处理后的宽带音频，利用基于序列神经网络的自动编码解码器提取叶片音频信号特征，并通过语谱图形式表征风机叶片的音频信号特征；对语谱图进行切割得到不同风机叶片扫风和扫风间隔区间及分割点坐标；通过灰度直方图均衡化算法增强语谱图局部的对比度，生成平均语谱图；比较分析若干风机叶片的平均语谱图，确定不同平均语谱图对应的覆冰厚度；根据每个风机叶片的平均语谱图判断运行状态以及覆冰厚度，并根据预设规则实现智能告警
。2.
根据权利要求1所述的一种风机叶片覆冰情况声纹智能在线监测方法，其特征在于，所述对语谱图进行切割得到不同风机叶片扫风和扫风间隔区间及分割点坐标步骤具体为：采用聚类算法对不同风机叶片的语谱图的矩阵进行聚类，得到扫风状态和扫风间隔期的标签序列；利用中值收敛方法修正上述获得的标签序列，精确获得从扫风间隔期到扫风状态的音频发生阶跃的坐标点，以此区分扫风音频和扫风间隔音频，实现精确的音频分割
。3.
根据权利要求1所述的一种风机叶片覆冰情况声纹智能在线监测方法，其特征在于，所述根据每个风机叶片的平均语谱图判断运行状态步骤具体为：根据各风机叶片中随机两个风机叶片的平均语谱图间的均值
、
标准差和协方差计算结构相似度
SSIM
值，并根据各
SSIM
值间的大小差异判断风机叶片的运行状态
。4.
根据权利要求3所述的一种风机叶片覆冰情况声纹智能在线监测方法，其特征在于，所述根据预设规则实现智能告警的步骤具体为：预设运行时长和结构相似度
SSIM
值的最小阈值，比较各
SSIM
值的大小：在运行时长大于等于最小阈值，各
SSIM
值相同且大于结构相似度的最小阈值，则各风机叶片正常运行；当运行时长大于等于最小阈值，各
SSIM
值中有若干个
SSIM
值小于结构相似度的最小阈值，则判断风机叶片存在异常并发出告警信号
。5.
一种风机叶片覆冰情况声纹智能在线监测系统，其特征在于，包括：音频采集模块，通过高保真的音频采集设备采集高保真的宽带音频；滤波处理模块，通过低频滤波器对采集到的高保真宽带音频进行预处理，滤除低频的噪声；语谱图生成模块，根据预处理后的宽带音频，利用基于序列神经网络的自动编...

【专利技术属性】
技术研发人员：温晓鸣，
申请(专利权)人：华能福建能源开发有限公司清洁能源分公司，
类型：发明
国别省市：