[发明专利]风电叶片的叶根螺栓的故障检测方法、系统、设备及介质

权利要求书

1.一种风电叶片的叶根螺栓的故障检测方法，其特征在于，所述故障检测方法包括：

获取风电叶片的叶根螺栓的历史风机数据；

根据预设规则对所述历史风机数据进行提取，得到评价所述叶根螺栓是否故障的模型特征及与所述模型特征对应的特征数据；

基于所述模型特征、所述特征数据和随机森林算法构建评价所述叶根螺栓的故障检测模型；

获取与待检测的叶根螺栓对应的当前风机数据；

将所述当前风机数据输入所述故障检测模型，输出表征所述待检测的叶根螺栓是否故障的故障值。

2.如权利要求1所述的风电叶片的叶根螺栓的故障检测方法，其特征在于，所述根据预设规则对所述历史风机数据进行提取，得到评价所述叶根螺栓是否故障的模型特征的步骤具体包括：

将所述历史风机数据中的每个参数作为一个原始特征；

基于熵值算法得到每个原始特征的熵值，并提取熵值排序靠前的若干原始特征生成第一特征集合；

基于专家评分法对每个原始特征进行打分，并提取得分排序靠前的若干原始特征生成第二特征集合；

将所述第一特征集合中的特征作为所述模型特征；或，将所述第二特征集合中的特征作为所述模型特征；或，将所述第一特征集合中的特征和所述第二特征集合中的特征均作为所述模型特征；或，获取所述第一特征集合与所述第二特征集合的第一特征并集，并根据所述第一特征并集中每个特征的熵值和/或得分得到所述第一特征并集中每个特征的第一重要度，并提取第一重要度排序靠前的若干特征作为所述模型特征。

3.如权利要求2所述的风电叶片的叶根螺栓的故障检测方法，其特征在于，所述基于专家评分算法对每个原始特征进行打分，并提取得分排序靠前的若干原始特征生成第二特征集合的步骤之后，所述故障检测方法还包括：

依次剔除一个原始特征，并基于剩余的原始特征、与所述剩余的原始特征对应的历史风机数据和随机森林算法构建评价叶根螺栓的多个预备故障检测模型；

分别将风机测试数据输入所述多个预备故障检测模型，并统计每个预备故障检测模型的准确率；

提取准确率排序靠后的预备故障检测模型对应的剔除特征生成第三特征集合；

将所述第三特征集合中的特征作为所述模型特征；或，将所述第一特征集合中的特征、所述第二特征集合中的特征和所述第三特征集合中的特征均作为所述模型特征；或，获取所述第一特征集合、所述第二特征集合和所述第三特征集合的第二特征并集，并根据所述第二特征并集中每个特征的熵值和/或得分和/或准确率得到所述第二特征并集中每个特征的第二重要度，并提取第二重要度排序靠前的若干特征作为所述模型特征。

4.如权利要求3所述的风电叶片的叶根螺栓的故障检测方法，其特征在于，所述提取准确率排序靠后的预备故障检测模型对应的剔除特征生成第三特征集合的步骤之后，所述故障检测方法还包括：

将所述第一特征集合中的特征的熵值进行归一化处理；

将所述第二特征集合中的特征的得分进行归一化处理；

将所述第三特征集合中的特征的准确率进行归一化处理；

所述根据所述第一特征并集中每个特征的熵值和/或得分得到所述第一特征并集中每个特征的第一重要度的步骤中，根据归一化后的熵值和/或归一化后的得分得到所述第一重要度；

所述根据所述第二特征并集中每个特征的熵值和/或得分和/或准确率得到所述第二特征并集中每个特征的第二重要度的步骤中，根据归一化后的熵值和/或归一化后的得分和/或归一化后的准确率得到所述第二重要度。

5.如权利要求2所述的风电叶片的叶根螺栓的故障检测方法，其特征在于，所述将所述历史风机数据中的每个参数作为一个原始特征的步骤之后，所述故障检测方法还包括：

滤除所述原始特征中的无关特征，所述无关特征为与所述叶根螺栓的故障不相关的特征。