[发明专利]基于声学诊断的风机叶片远程听诊方法

说明书

一种基于声学诊断的风机叶片远程听诊方法，包括：采集风机叶片正常状态和叶片损伤状态下的声学信号作为原始数据集；提取出叶片的扫风声；利用倍频程提取信号的能量比作为特征向量集；利用自适应方法提取特征向量集的主要特征量；将特征向量集划分为训练集和检验集，确定模型参数建立基于SVDD算法故障监测模型；将检验集带入监测模型，得到测试样本精度；发现异常后，将诊断结果发送至集控中心继而及时通知风场的维护人员前去检修。本发明通过声信号分析检测的方法，实现对运转状态下风电机组叶片表面损伤的实时诊断，安装便利维护，高精度拾音器无需与机组接触，无需破坏叶片壳体，也无需停机检测，可用于叶片表面损伤的长期诊断。

技术领域

本发明涉及风机叶片故障监测与故障诊断技术领域，特别涉及一种基于声学诊断的风机叶片远程听诊方法。

背景技术

风机叶片是风力发电机组核心部件之一，是进行能量转换的关键设备，其状态对整机的性能和发电质量有着直接的影响。由于长期运行于变负载及恶劣的环境下，导致其故障频发，因此，对叶片进行状态监测，对于确保风电机组的效率和提高机组安全可靠性具有非常重要的作用。

当前，基于风机叶片状态监测的方法有振动检测，超声波检测，声发射检测等方法。振动检测采集到的信号源复杂多变，很难检测到叶片的早期故障。超声波检测探伤结果不便保存，且较难对风力机叶片实行动态监测。声发射和振动检测需要安装传感器在叶片上，会破坏叶片的固有结构，且安装困难。

因此，提出了一种基于声学诊断的风机叶片远程听诊方法，以解决现有技术中存在的这一问题。为了解决上述技术问题，特提出一种新的技术方案。

发明内容

本发明提供了一种基于声学诊断的风机叶片远程听诊方法，以解决至少一个上述技术问题。

为解决上述问题，作为本发明的一个方面，提供了一种基于声学诊断的风机叶片远程听诊方法，包括以下步骤：

步骤1，通过安装在风机塔底的噪音传感器采集风机叶片正常状态和叶片损伤状态下的声学信号作为原始数据集；

步骤2，将塔底远离机舱的机械噪声过滤掉风噪声后，提取出叶片的扫风声；

步骤3，根据叶片的扫风信号的周期性短时脉冲特性，设定短时脉冲时间阈值和初始能量阈值，利用滑动窗口计算每一帧的能量，以连续多帧能量大于初始能量阈值、且计算连续多帧时间小于短时脉冲时间阈值，作为有效的一个叶片脉冲周期，以连续三个叶片脉冲周期作为一个样本信号，并计算叶片的旋转周期，利用倍频程提取信号的能量比作为特征向量集；

步骤4，根据传感器的安装位置、叶片的故障程度等因素的不同，利用自适应方法提取特征向量集的主要特征量，以去除其中的冗余信息；

步骤5，将特征向量集划分为训练集和检验集，用机器学习常用网格搜索的调参方法检索最优的参数组合，确定模型参数建立基于SVDD算法故障监测模型；

步骤6，将检验集带入基于SVDD算法故障监测模型，得到测试样本精度；

步骤7，在基于SVDD算法故障监测模型发现异常后，将诊断结果发送至集控中心继而及时通知风场的维护人员前去检修。

优选地，步骤2中采用巴特沃斯滤波器过滤掉风噪声，滤波器的阶数取30-50，下限截止频率为50-200Hz，上限截止频率为10-15kHz，其平方幅频响应函数为：

其中，N为滤波器的阶数，Ω_c为3dB截止频率，Ω_u为上限截止频率，Ω_l为下限截止频率。

优选地，步骤4中的自适应方法包括：