【技术实现步骤摘要】
本申请涉及智能监测领域，且更为具体地，涉及一种风力发电机组的叶片状态在线监测系统及其方法。
技术介绍
1、风电一直是世界增长最快的新能源，据国家有关部门预测：2020年全球风力发电装机将达到12.31亿千瓦，占全球发电总量12％。我国每年装机容量年超过30％。风力发电机一般安装在户外，条件恶劣，离地面几十米高，因此风力发电电机与叶片很容易发生故障。随着风力发电装机量的增加，风力发电机的维护与维修已成为一个人们日益关注的问题。
2、针对上述技术问题，相关技术中是利用在线监测仪检测，通过数据传输系统将检测结果传输到监控中心，例如，通常是采集叶片的振动数据来判断叶片的状态是否正常。但是，振动状态并不能直接表示叶片状态，导致对于叶片状态监测的精准度较低。
3、因此，如何提高风力发电机组的叶片状态在线监测的精准度，是亟需解决的技术问题。
技术实现思路
1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种风力发电机组的叶片状态在线监测系统及其方法，其通过使用多模态图像(contrastive language–image pre-training，clip)模型的联合编码器来基于频域特征对振动特征进行编码优化以得到优化振动图形特征矩阵，进一步将优化振动图形特征矩阵通过分类器得到用于表示待监测风力发电机组的叶片的状态是否异常的分类结果，提高了风力发电机组的叶片状态异常性判断的精准度。
2、根据本申请的一个方面，提供了一种风力发电机组的叶片状态在线监
3、数据监控与采集单元，用于获取由声音传感器采集的待监测风力发电机组的叶片在预定时间段内产生的声音信号和由振动传感器采集的所述待监测风力发电机组的叶片在所述预定时间段内的振动信号；
4、小波变换单元，用于基于小波变换从所述声音信号提取多个频域统计特征值；
5、频域序列编码单元，用于将所述多个频域统计特征值输入训练完成的多模态图像clip模型的序列编码器以得到频域特征向量；
6、振动波形编码单元，用于将所述振动信号的波形图输入所述训练完成的clip模型的图像编码器以得到振动图形特征向量；
7、联合编码单元，用于使用所述训练完成的clip模型的联合编码器基于所述频域特征向量对所述振动图像特征向量进行优化编码以得到优化振动图形特征矩阵；以及
8、监测结果生成单元，用于将所述优化振动图形特征矩阵作为分类特征矩阵输入训练完成的分类器以得到分类结果，所述分类结果用于表示待监测风力发电机组的叶片的状态是否异常。
9、根据本申请的另一方面，提供了一种风力发电机组的叶片状态在线监测方法，方法包括：
10、获取由声音传感器采集的待监测风力发电机组的叶片在预定时间段内产生的声音信号和由振动传感器采集的所述待监测风力发电机组的叶片在所述预定时间段内的振动信号；
11、基于小波变换从所述声音信号提取多个频域统计特征值；
12、将所述多个频域统计特征值输入训练完成的多模态图像clip模型的序列编码器以得到频域特征向量；
13、将所述振动信号的波形图输入所述训练完成的clip模型的图像编码器以得到振动图形特征向量；
14、使用所述训练完成的clip模型的联合编码器基于所述频域特征向量对所述振动图像特征向量进行优化编码以得到优化振动图形特征矩阵；
15、将所述优化振动图形特征矩阵作为分类特征矩阵输入训练完成的分类器以得到分类结果，所述分类结果用于表示待监测风力发电机组的叶片的状态是否异常。
16、根据本申请的又一方面，提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如上所述的风力发电机组的叶片状态在线监测方法。
17、本申请提供的一种风力发电机组的叶片状态在线监测系统及其方法，其通过使用clip模型的联合编码器来基于频域特征对振动特征进行编码优化以得到优化振动图形特征矩阵，进一步将优化振动图形特征矩阵通过分类器得到用于表示待监测风力发电机组的叶片的状态是否异常的分类结果，来提高对于风力发电机组的叶片状态异常性判断的精准度。
本文档来自技高网...【技术保护点】
1.一种风力发电机组的叶片状态在线监测系统，其特征在于，包括：
2.根据权利要求1所述的风力发电机组的叶片状态在线监测系统，其特征在于，所述频域序列编码单元，包括：
3.根据权利要求2所述的风力发电机组的叶片状态在线监测系统，其特征在于，
4.根据权利要求1所述的风力发电机组的叶片状态在线监测系统，其特征在于，所述振动波形编码单元，包括：
5.根据权利要求1所述的风力发电机组的叶片状态在线监测系统，其特征在于，所述联合编码单元，用于：使用所述训练完成的Clip模型的联合编码器来基于所述频域特征向量采用如下公式对所述振动图像特征向量进行优化编码以得到所述优化振动图形特征矩阵；
6.根据权利要求1-5任一项所述的风力发电机组的叶片状态在线监测系统，其特征在于，所述监测结果生成单元，用于：使用所述分类器采用如下公式对所述分类特征矩阵进行处理以生成所述分类结果，其中，所述公式为：
7.根据权利要求1-5任一项所述的风力发电机组的叶片状态在线监测系统，其特征在于，还包括用于对所述Clip模型和所述分类器进行训练的训练模
8.根据权利要求7所述的风力发电机组的叶片状态在线监测系统，其特征在于，所述分类损失单元，包括：
9.根据权利要求8所述的风力发电机组的叶片状态在线监测系统，其特征在于，在所述训练过程的每一轮迭代中，基于所述可学习的参数的远程迁移矩阵和所述惩罚向量，以如下公式对由所述训练优化振动图形特征矩阵展开得到的训练分类特征向量进行更新；
10.一种风力发电机组的叶片状态在线监测方法，其特征在于，包括：
...【技术特征摘要】
1.一种风力发电机组的叶片状态在线监测系统，其特征在于，包括：
2.根据权利要求1所述的风力发电机组的叶片状态在线监测系统，其特征在于，所述频域序列编码单元，包括：
3.根据权利要求2所述的风力发电机组的叶片状态在线监测系统，其特征在于，
4.根据权利要求1所述的风力发电机组的叶片状态在线监测系统，其特征在于，所述振动波形编码单元，包括：
5.根据权利要求1所述的风力发电机组的叶片状态在线监测系统，其特征在于，所述联合编码单元，用于：使用所述训练完成的clip模型的联合编码器来基于所述频域特征向量采用如下公式对所述振动图像特征向量进行优化编码以得到所述优化振动图形特征矩阵；
6.根据权利要求1-5任一项所述的风力发电机组的叶片状态在线监测系统，其特...
【专利技术属性】
技术研发人员：周峰，杨政厚，韩健，陈兆圣，王兵，许庆现，
申请(专利权)人：北京华能新锐控制技术有限公司，
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。