【技术实现步骤摘要】
本公开涉及风机叶片损伤在线监测和智能识别，特别涉及一种模型的训练方法及风机叶片异响类别的识别方法、系统。
技术介绍
1、目前，针对叶片健康状态的在线监测主要有振动监测、图像监测、声发射监测、声学监测4种方案。
2、其中，振动监测主要从叶片振动的加速度振动频谱中识别叶片的固有频率，通过固有频率的偏移来判断叶片是否存在损伤。通常情况下，叶片损伤时，其固有频率会出现一定程度的下降，然而在风场应用中，振动监测方案需要将加速度传感器安装至叶片内部距叶根1/3叶片展长的位置，这种安装方式实施起来较为困难，并且在风机运行时，采集到的振动信号中，叶轮转频成分能量远高于固有频率的能量，导致固有频率成分难以定位，进而影响振动监测的准确率。
3、图像监测是利用红外摄像机获取叶片腔体内的图像，结合图像识别算法监测叶片腔体中的漏光光斑，进而判断叶片是否存在裂纹等损伤。然而随着叶片长度增长，其柔性增大，运行时叶片变形增大，摄像机获取图像的范围有限，难以观测到易产生损伤的叶尖位置；此外，叶片漆面不均导致的漏光亦常常干扰图像识别算法的监测结果，...
【技术保护点】
1.一种异响类别识别模型的训练方法，其特征在于，所述训练方法包括：
2.如权利要求1所述的异响类别识别模型的训练方法，其特征在于，所述异响类别识别模型用于响应于所述目标距离小于对应真实异响类别的球域半径，识别所述样本声音信号对应的预测异响类别为所述真实异响类别。
3.如权利要求1所述的异响类别识别模型的训练方法，其特征在于，所述利用所述训练样本对异响类别识别模型进行训练的步骤具体包括：
4.如权利要求1所述的异响类别识别模型的训练方法，其特征在于，所述异响类别识别模型用于将所述样本声音信号的时频谱图沿频率轴方向进行幅值池化，得到样本...
【技术特征摘要】
1.一种异响类别识别模型的训练方法，其特征在于，所述训练方法包括：
2.如权利要求1所述的异响类别识别模型的训练方法，其特征在于，所述异响类别识别模型用于响应于所述目标距离小于对应真实异响类别的球域半径，识别所述样本声音信号对应的预测异响类别为所述真实异响类别。
3.如权利要求1所述的异响类别识别模型的训练方法，其特征在于，所述利用所述训练样本对异响类别识别模型进行训练的步骤具体包括：
4.如权利要求1所述的异响类别识别模型的训练方法，其特征在于，所述异响类别识别模型用于将所述样本声音信号的时频谱图沿频率轴方向进行幅值池化，得到样本时频谱图，以及提取所述样本时频谱图的声音特征。
5.如权利要求1所述的异响类别识别模型的训练方法，其特征在于，在利用所述训练样本对异响类别识别模型进行训练的步骤之前，还包括：
6.如权利要求4或5所述的异响类别识别模型的训练方法，其特征在于，所述将所述样本声音信号的时频谱图沿频率轴方向进行幅值池化，得到样本时频谱图的步骤具体包括：
7.如权利要求6所述的异响类别识别模型的训练方法，其特征在于，所述将所述样本声音信号进行短时傅里叶变换的步骤前还包括：
8.如权利要求1-5中任一项所述的异响类别识别模型的训练方法，其特征在于，所述风机叶片设于轮毂上，所述风机叶片与所述轮毂的连接处设有面向叶片内部的阵列式收音设备；
9.一种风机叶片异响类别的识别方法，其特征在于，所述识别方法包括：
10.如权利要求9所述的风机叶片异响...
【专利技术属性】
技术研发人员：邢赛博，黄永民，胡双全，阮庆洲，朱华城，曹广启，
申请(专利权)人：上海电气风电集团股份有限公司，
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。