[发明专利]风机叶片故障诊断方法、装置、设备及计算机存储介质

权利要求书

1.一种风机叶片故障诊断方法，其特征在于，包括：

获取风机叶片的叶片状态信息；

将所述叶片状态信息输入故障诊断模型，输出故障诊断结果；其中，所述故障诊断模型是利用训练样本集对预设的神经网络结构进行模型训练得到的，所述训练样本集中的每个训练样本包括样本叶片状态信息和所述样本叶片状态信息的标签。

2.根据权利要求1所述的风机叶片故障诊断方法，其特征在于，所述获取风机叶片的叶片状态信息，包括：

接收数据采集装置发送的所述叶片状态信息；其中，所述数据采集装置通过传感器采集所述叶片状态信息。

3.根据权利要求2所述的风机叶片故障诊断方法，其特征在于，所述接收数据采集装置发送的所述叶片状态信息，包括：

接收所述数据采集装置通过数据处理装置发送的所述叶片状态信息；其中，所述数据处理装置对所述叶片状态信息进行滤波、特征提取和频段分解中的至少一种处理。

4.根据权利要求3所述的风机叶片故障诊断方法，其特征在于，所述工控机通过WIFI或光纤向服务器发送所述叶片状态信息。

5.根据权利要求2所述的风机叶片故障诊断方法，其特征在于，所述传感器包括声发射传感器、加速度传感器中的至少一种。

6.根据权利要求1所述的风机叶片故障诊断方法，其特征在于，在所述将所述叶片状态信息输入故障诊断模型，输出故障诊断结果之前，包括：

获取至少两个的风机叶片不同时刻的样本初始叶片状态信息；

利用工控机依次对所述样本初始叶片状态信息进行滤波、特征提取和频段分解，并计算各频段内的能量占比；其中，所述能量占比包括声发射能量占比和加速度能量占比；

对所述声发射能量占比和所述加速度能量占比进行组合，得到二维信号或三维信号；

将所述二维信号或所述三维信号确定为所述样本叶片状态信息；

利用所述样本叶片状态信息和所述样本叶片状态信息的标签，对所述神经网络结构进行模型训练，得到所述故障诊断模型。

7.根据权利要求6所述的风机叶片故障诊断方法，其特征在于，利用工控机对所述样本初始叶片状态信息进行频段分解，并计算各频段内的能量占比，包括：

采用小波包算法对所述样本初始叶片状态信息进行频段分解，计算各频段内的小波包系数；

将所述小波包系数确定为所述能量占比。

8.一种风机叶片故障诊断装置，其特征在于，包括：

第一获取模块，用于获取风机叶片的叶片状态信息；

输出模块，用于将所述叶片状态信息输入故障诊断模型，输出故障诊断结果；其中，所述故障诊断模型是利用训练样本集对预设的神经网络结构进行模型训练得到的，所述训练样本集中的每个训练样本包括样本叶片状态信息和所述样本叶片状态信息的标签。

9.根据权利要求8所述的风机叶片故障诊断装置，其特征在于，所述第一获取模块，包括：

接收单元，用于接收数据采集装置发送的所述叶片状态信息；其中，所述数据采集装置通过传感器采集所述叶片状态信息。

10.根据权利要求9所述的风机叶片故障诊断装置，其特征在于，所述接收单元，包括：

接收子单元，用于接收所述数据采集装置通过数据处理装置发送的所述叶片状态信息；其中，所述数据处理装置对所述叶片状态信息进行滤波、特征提取和频段分解中的至少一种处理。

11.根据权利要求10所述的风机叶片故障诊断装置，其特征在于，所述工控机通过WIFI或光纤向服务器发送所述叶片状态信息。

12.根据权利要求9所述的风机叶片故障诊断装置，其特征在于，所述传感器包括声发射传感器、加速度传感器中的至少一种。