【技术实现步骤摘要】
本专利技术涉及风电设备监测，具体为一种基于风电故障知识库的声纹监测诊断方法。
技术介绍
1、随着我国新能源产业迅猛发展，风力发电规模日益扩大，截至2022年底，国内风电装机突破3.5亿千瓦，风电机组数量达到16万台。另外，根据规划，到2025年，国内风电装机将达到6亿千瓦，风电机组数量将突破22万台。
2、现有的风电在发生故障时，难以探测出故障点，同时不易察觉，同时在对故障点进行探测时，需要工作人员进入进行检修，影响效率，同时也无法针对故障点给出合理的评估和维修建议。
3、为此，我们专利技术一种基于风电故障知识库的声纹监测诊断方法。
技术实现思路
1、鉴于上述和/或现有一种基于风电故障知识库的声纹监测诊断方法中存在的问题，提出了本专利技术。
2、因此，本专利技术的目的是提供一种基于风电故障知识库的声纹监测诊断方法，能够解决上述提出现有的问题。
3、为解决上述技术问题，根据本专利技术的一个方面，本专利技术提供了如下技术方案：
4、一...
【技术保护点】
1.一种基于风电故障知识库的声纹监测诊断方法，其特征在于：包括诊断方法如下：在风电发电机的塔筒底部以及机舱内均安装声纹采集终端，安装于机舱内的声纹检测终端为传动链设备声纹检测，安装于塔筒底部的声纹检测终端为叶片损伤检测，通过各个声纹检测模块电性连接的麦克风对设备运行时的声音进行采集，通过声纹过滤模块的噪声抑制算法、声源增强算法以及盲源分离算法对采集的声音进行过滤，减少噪音，在通过信号采集模块传输至汇控柜，再由汇控柜将采集的各个电机的声纹特征存储至声纹特征库内。
2.根据权利要求1所述的一种基于风电故障知识库的声纹监测诊断方法，其特征在于，采用深度学习算法，...
【技术特征摘要】
1.一种基于风电故障知识库的声纹监测诊断方法，其特征在于：包括诊断方法如下：在风电发电机的塔筒底部以及机舱内均安装声纹采集终端，安装于机舱内的声纹检测终端为传动链设备声纹检测，安装于塔筒底部的声纹检测终端为叶片损伤检测，通过各个声纹检测模块电性连接的麦克风对设备运行时的声音进行采集，通过声纹过滤模块的噪声抑制算法、声源增强算法以及盲源分离算法对采集的声音进行过滤，减少噪音，在通过信号采集模块传输至汇控柜，再由汇控柜将采集的各个电机的声纹特征存储至声纹特征库内。
2.根据权利要求1所述的一种基于风电故障知识库的声纹监测诊断方法，其特征在于，采用深度学习算法，如卷积神经网络（cnn）、长短时记忆网络（lstm）等，对声纹特征进行建模和训练，构建风机故障诊断和预测模型。
3.根据权利要求2所述的一种基于风电故障知识库的声纹监测诊断方法，其特征在于，将建立好的声纹识别模型部署在云端服务器上，通过api接口提供故障诊断和预测服务，在使用时，对机组运行过程中的表征参数数据进行采集、传输和存储，实时将采集的声纹与声纹特征库内的声纹进行对比。
4.根据权利要求3所述的一种...
【专利技术属性】
技术研发人员：谢超善，史建设，王清华，易升升，
申请(专利权)人：北京必可测科技股份有限公司，
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。