System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种风机叶片状态检测方法、装置及存储介质制造方法及图纸_技高网

一种风机叶片状态检测方法、装置及存储介质制造方法及图纸

技术编号:40392728 阅读:6 留言:0更新日期:2024-02-20 22:23
本发明专利技术涉及风力发电检测技术领域,尤其是指一种风机叶片状态检测方法、装置、设备及计算机存储介质。本发明专利技术所述的风机叶片状态检测方法,利用安装于风电叶片内部的振动传感器,取得振动数据,将零漂信息进行充分利用,可用来代替其它位置传感器,利用去除基底特征信号后的振动信号来做风电叶片的阶次和模态变化等,对风电叶片的健康做出判断,提高了风电叶片状态检测的准确度。

【技术实现步骤摘要】

本专利技术涉及风力发电检测,尤其是指一种风机叶片状态检测方法、装置、设备及计算机存储介质。


技术介绍

1、风力发电机组包括风轮、发电机;风轮中含叶片、轮毂、加固件等组成;它有叶片受风力旋转发电、发电机机头转动等功能。其中叶片是风电机组将风能转化为机械能的重要部件之一,是获取较高风能利用系数和经济效益的基础,叶片状态的好坏直接影响到整机的性能和发电效率。由于叶片长期运行在自然环境中,外界气候对叶片运行会造成很大影响,尤其是台风、雷雨、冰雪、沙尘等恶劣气候随时都可能对叶片造成危害甚至风力发电机组倒塌事故。这样就需要监测叶片的健康状态,为了能够快速,及时的监测叶片的健康状态,现有技术就推出了cn112324629a-一种基于振动和声音的风电叶片早期损伤监测系统及方法,提及了振动传感器的实用方法,由于振动传感器要求安装在固定位置,如果安装在类似风电叶片这种旋转底座上,则会对振动数据带来额外的信息,这个信息称为基底信息,而现有技术中振动信号处理中并未涉及风叶位置即基底特征信号的提取,从而导致风机叶片的状态检测不够准确。


技术实现思路

1、为此,本专利技术所要解决的技术问题在于克服现有技术中风机叶片的状态检测不够准确的问题。

2、为解决上述技术问题,本专利技术提供了一种风机叶片状态检测方法,包括:

3、获取风机叶片的振动信号;

4、对所述振动信号进行基底特征信号提取;

5、对所述振动信号中的所述基底特征信号进行去除,得到处理后的振动信号;

6、根据所述基底特征信号进行测象分析,并根据所述处理后的振动信号进行阶次和振动模态分析;

7、根据分析结果得到风机叶片状态检测结果。

8、优选地,所述对所述振动信号进行基底特征信号提取包括:

9、确定滑动窗口大小i,并以预设步长逐步移动滑动窗口截取振动信号的中的振动数据,得到k个包含i个振动数据的振动数据样本;

10、去除第k k∈1...k个振动数据样本中预设数量的较大的振动数据和预设数量的较小的振动数据,并对剩余的振动数据取均值,得到第k个基底信号特征;

11、对k个基底信号特征进行拼接,得到目标基底信号特征。

12、优选地,所述滑动窗口大小为采样率和最高速度时所对应的每个叶片的周期的乘积与等分数的比值。

13、优选地,所述滑动窗口大小为奇数。

14、优选地,所述剩余的振动数据的个数为奇数。

15、优选地,所述根据所述基底特征信号进行测象分析包括:

16、从所述基底特征信号中提取叶片信息;

17、从所述叶片信息中提取多个叶片旋转周期的数据;

18、将每个叶片旋转周期的数据点分为多组,并对每组的第一个数据点进行反余弦变化,得到多组叶片角度位置。

19、优选地,所述根据所述处理后的振动信号进行阶次和振动模态分析包括:

20、将所述多组叶片角度位置引入所述处理后的振动信号,进行振动模态分析。

21、本专利技术还提供了一种风机叶片状态检测装置,包括:

22、振动信号采集模块,用于获取风机叶片的振动信号;

23、基底特征信号提取模块,用于对所述振动信号进行基底特征信号提取;

24、振动信号处理模块,用于对所述振动信号中的所述基底特征信号进行去除,得到处理后的振动信号;

25、信号分析模块,用于根据所述基底特征信号进行测象分析,并根据所述处理后的振动信号进行阶次和振动模态分析;

26、状态检测模块,用于根据分析结果得到风机叶片状态检测结果。

27、本专利技术还提供了一种风机叶片状态检测设备,包括:

28、存储器,用于存储计算机程序;

29、处理器,用于执行所述计算机程序时实现上述一种风机叶片状态检测方法步骤。

30、本专利技术还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述一种风机叶片状态检测方法的步骤。

31、本专利技术的上述技术方案相比现有技术具有以下优点:

32、本专利技术所述的风机叶片状态检测方法,利用安装于风电叶片内部的振动传感器,取得振动数据,将零漂信息进行充分利用,可用来代替其它位置传感器,利用去除基底特征信号后的振动信号来做风电叶片的阶次和模态变化等,对风电叶片的健康做出判断,提高了风电叶片状态检测的准确度。

本文档来自技高网
...

【技术保护点】

1.一种风机叶片状态检测方法,其特征在于,包括:

2.根据权利要求1所述的风机叶片状态检测方法,其特征在于,所述对所述振动信号进行基底特征信号提取包括:

3.根据权利要求2所述的风机叶片状态检测方法,其特征在于,所述滑动窗口大小为采样率和最高速度时所对应的每个叶片的周期的乘积与等分数的比值。

4.根据权利要求2所述的风机叶片状态检测方法,其特征在于,所述滑动窗口大小为奇数。

5.根据权利要求2所述的风机叶片状态检测方法,其特征在于,所述剩余的振动数据的个数为奇数。

6.根据权利要求1所述的风机叶片状态检测方法,其特征在于,所述根据所述基底特征信号进行测象分析包括:

7.根据权利要求6所述的风机叶片状态检测方法,其特征在于,所述根据所述处理后的振动信号进行阶次和振动模态分析包括:

8.一种风机叶片状态检测装置,其特征在于,包括:

9.一种风机叶片状态检测设备,其特征在于,包括:

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述一种风机叶片状态检测方法的步骤。

...

【技术特征摘要】

1.一种风机叶片状态检测方法,其特征在于,包括:

2.根据权利要求1所述的风机叶片状态检测方法,其特征在于,所述对所述振动信号进行基底特征信号提取包括:

3.根据权利要求2所述的风机叶片状态检测方法,其特征在于,所述滑动窗口大小为采样率和最高速度时所对应的每个叶片的周期的乘积与等分数的比值。

4.根据权利要求2所述的风机叶片状态检测方法,其特征在于,所述滑动窗口大小为奇数。

5.根据权利要求2所述的风机叶片状态检测方法,其特征在于,所述剩余的振动数据的个数为奇数。

6.根...

【专利技术属性】
技术研发人员:卢回忆张旋赵宿辰刘加曹宏刘德广
申请(专利权)人:北京华控智加科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1