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()
【技术实现步骤摘要】
本申请涉及振动测量,尤其涉及一种风电机组叶片腐蚀监测数据处理方法、装置、设备及存储介质。
技术介绍
1、随着风电技术的不断发展和风能资源的逐步拓展,风电机组已从早期的内陆型逐步向海上型发展。海上风力发电机组长期运行在高温高湿的海洋性气候环境中,空气中所含的湿度和盐度较高,其对机组内机械和电气设备的腐蚀非常严重,因此,提高风电机组在恶劣的盐雾环境下对机组设备的保护、提高风电机组防腐能力是海上风力发电机组开发中的重要内容之一。
2、传统海上风电机组叶片防腐技术存在以下问题:防腐效果难以实时监测,无法精确预测腐蚀位置;叶片应力状态难以准确评估,易导致结构疲劳破坏;涂层磨损情况缺乏实时反馈,未能及时修复。
技术实现思路
1、本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
2、为此,本申请的第一个目的在于提出一种风电机组叶片腐蚀监测数据处理方法,旨在解决海上风电机组叶片防腐领域的实时监测与预警难题,有效延长叶片寿命,降低维护成本,提高风电机组运行效率。
3、本申请的第二个目的在于提出一种风电机组叶片腐蚀监测数据处理装置。
4、本申请的第三个目的在于提出一种电子设备。
5、本申请的第四个目的在于提出一种计算机可读存储介质。
6、为达上述目的,本申请第一方面实施例提出了一种风电机组叶片腐蚀监测数据处理方法,包括:
7、在待监测风电机组叶片的表面涂层设置叶片腐蚀监测传感器,采集叶片腐蚀监测传感器的多传感器
8、基于多传感器融合算法,对叶片腐蚀监测数据进行数据融合,确定叶片腐蚀监测特征指标;
9、结合小波变换和时频分析的自适应滤波算法,对叶片腐蚀监测数据按照叶片腐蚀监测特征指标进行特征提取分析,用于叶片腐蚀监测的特征数据。
10、其中,在待监测风电机组叶片的表面涂层设置叶片腐蚀监测传感器,包括:
11、在风电机组叶片表面涂层中的底层涂层中设置腐蚀传感器,用于通过电化学技术实时监测风电机组叶片表面腐蚀程度,以预测风电机组叶片的腐蚀位置;
12、在风电机组叶片表面涂层中的中层涂层设置自适应应力传感器,用于通过电阻应变原理是是是感知风电机组叶片表面应力状态,以进行风电机组叶片表面应力评估预警;
13、在风电机组叶片表面涂层中的上层涂层设置高精度光学传感器,用于实时监测风电机组叶片涂层的光泽度和颜色变化,以实现风电机组叶片故障智能诊断及提供修复建议。
14、其中,腐蚀传感器包括防腐底层厚度传感器和底层粘结力传感器;防腐底层厚度传感器安装在底层涂层下方,用于实时监测防腐底层的厚度;底层粘结力传感器用于检测底层涂层与叶片基材之间的附着力;
15、自适应应力传感器包括中层腐蚀传感器、应力传感器和中层环境温湿度传感器;中层腐蚀传感器用于监测风电机组叶片表面涂层中的中层涂层的腐蚀程度;应力传感器用于监测风电机组叶片表面涂层中的中层涂层的应力情况;中层环境温湿度传感器用于监测风电机组叶片表面涂层中的中层涂层的温度和湿度;
16、高精度光学传感器包括光学传感器和上层环境温湿度传感器;光学传感器用于监测风电机组叶片表面涂层中的上层涂层的光泽度和颜色变化,评估上层涂层的磨损程度;上层环境温湿度传感器用于监测风电机组叶片表面涂层中的上层涂层的温度和湿度。
17、其中,采集叶片腐蚀监测传感器的多传感器感应数据并进行数据处理,包括:
18、通过递归滤波算法对多传感器感应数据进行数据处理,以去除多传感器感应数据中的噪声信号;
19、通过自适应滤波算法对多传感器感应数据进行数据处理,以去除多传感器感应数据中的平滑信号。
20、其中,基于多传感器融合算法,对叶片腐蚀监测数据进行数据融合,确定叶片腐蚀监测特征指标,包括:
21、对每个风电机组叶片腐蚀监测传感器采集的原始数据进行小波变换,将信号从时域转换到小波域,获得各个传感器的小波系数;
22、针对每个传感器的小波系数,使用自适应滤波器进行处理,得到经过滤波后的小波系数;
23、将每个传感器经过滤波后的小波系数进行融合,通过融合后的小波系数表示综合多个传感器信息的特征;
24、对融合后的小波系数进行逆小波变换,从小波域恢复到时域,逆小波变换得到的信号表示综合多传感器的特征分析结果。
25、其中,小波变换和时频分析的自适应滤波算法包括:
26、将叶片腐蚀监测数据作为输入信号输入滤波器,并对输入信号进行小波变换,得到小波系数;
27、根据信号特性和滤波要求,选择合适的滤波器类型,初始化滤波器的前向系数和反馈系数;
28、对小波系数进行时频分析,提取输入信号的时频特征,通过误差计算,比较提取的时频特征与期望特征之间的差异;
29、根据误差情况,自适应调整滤波器的前向系数和反馈系数,直至滤波器的输出特征满足预设的性能要求。
30、其中,对输入信号进行小波变换,得到小波系数,包括:
31、定义原始信号:给定一个包含输入信号的原始信号;
32、定义小波函数:选择小波函数,小波函数是一组预定义的小波滤波器系数;其中,小波函数的类型至少包括daubechies小波和haar小波;
33、进行小波变换:通过将原始信号与小波函数进行卷积运算,得到小波变换后的小波系数;在计算过程中,将小波函数滑动地与原始信号进行加权求和,得到每个时间点的小波系数,得到一个包含小波系数的数组;
34、输出结果:小波变换后的小波系数表示信号在不同时频域的特征。
35、为达上述目的,本申请第二方面实施例提出了一种风电机组叶片腐蚀监测数据处理装置,包括:
36、采集模块,用于在待监测风电机组叶片的表面涂层设置叶片腐蚀监测传感器,采集叶片腐蚀监测传感器的多传感器感应数据并进行数据处理,作为叶片腐蚀监测数据;
37、融合模块,用于基于多传感器融合算法,对叶片腐蚀监测数据进行数据融合,确定叶片腐蚀监测特征指标;
38、处理模块,用于结合小波变换和时频分析的自适应滤波算法,对叶片腐蚀监测数据按照叶片腐蚀监测特征指标进行特征提取分析,用于叶片腐蚀监测的特征数据。
39、为达上述目的,本申请第三方面实施例提出了一种电子设备,包括:处理器,以及与处理器通信连接的存储器;
40、存储器存储计算机执行指令;
41、处理器执行存储器存储的计算机执行指令,以实现如前述技术方案的方法。
42、为达上述目的,本申请第四方面实施例提出了一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,计算机执行指令被处理器执行时用于实现如前述技术方案的方法。
43、区别于现有技术,本专利技术提供的一种风电机组叶片腐蚀监测数据处理方本文档来自技高网...
【技术保护点】
1.一种风电机组叶片腐蚀监测数据处理方法,其特征在于,包括:
2.根据权利要求1所述的风电机组叶片腐蚀监测数据处理方法,其特征在于,所述在待监测风电机组叶片的表面涂层设置叶片腐蚀监测传感器,包括:
3.根据权利要求2所述的风电机组叶片腐蚀监测数据处理方法,其特征在于,所述腐蚀传感器包括防腐底层厚度传感器和底层粘结力传感器;所述防腐底层厚度传感器安装在底层涂层下方,用于实时监测防腐底层的厚度;所述底层粘结力传感器用于检测底层涂层与叶片基材之间的附着力;
4.根据权利要求1所述的风电机组叶片腐蚀监测数据处理方法,其特征在于,采集所述叶片腐蚀监测传感器的多传感器感应数据并进行数据处理,包括:
5.根据权利要求1所述的风电机组叶片腐蚀监测数据处理方法,其特征在于,所述基于多传感器融合算法,对所述叶片腐蚀监测数据进行数据融合,确定叶片腐蚀监测特征指标,包括:
6.根据权利要求1所述的风电机组叶片腐蚀监测数据处理方法,其特征在于,所述小波变换和时频分析的自适应滤波算法包括:
7.根据权利要求6所述的风电机组叶片腐蚀监测数
8.一种风电机组叶片腐蚀监测数据处理装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括:处理器,以及与所述处理器通信连接的存储器;
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中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1-7中任一项所述的方法。
...【技术特征摘要】
1.一种风电机组叶片腐蚀监测数据处理方法,其特征在于,包括:
2.根据权利要求1所述的风电机组叶片腐蚀监测数据处理方法,其特征在于,所述在待监测风电机组叶片的表面涂层设置叶片腐蚀监测传感器,包括:
3.根据权利要求2所述的风电机组叶片腐蚀监测数据处理方法,其特征在于,所述腐蚀传感器包括防腐底层厚度传感器和底层粘结力传感器;所述防腐底层厚度传感器安装在底层涂层下方,用于实时监测防腐底层的厚度;所述底层粘结力传感器用于检测底层涂层与叶片基材之间的附着力;
4.根据权利要求1所述的风电机组叶片腐蚀监测数据处理方法,其特征在于,采集所述叶片腐蚀监测传感器的多传感器感应数据并进行数据处理,包括:
5.根据权利要求1所述的风电机组叶片腐蚀监测数据处理方法,其特征...
【专利技术属性】
技术研发人员:叶昭良,郭小江,唐巍,刘鑫,闫姝,李新凯,廖猜猜,陈新明,邱旭,张波,冷鹏,张斌,秦志文,逯智科,高峰,冯乐,忻一豪,陆正阳,陈高楼,鲍鹏,韩陆,李壮,
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:
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。