[发明专利]叶片开裂的监测模型训练方法及叶片开裂的监测方法

说明书

本申请公开了一种叶片开裂的监测模型训练方法及叶片开裂的监测方法。叶片开裂的监测模型训练方法包括：在获取m组训练样本之后，对每组训练样本标记状态标签，其中，每组训练样本为风机机组在第一预设时长内的运行参数，对第一目标时段中的每组训练样本标记第一状态标签，对第二目标时段中的每组训练样本标记第二状态标签，接着，通过标记状态标签后的训练样本对监测模型进行训练，这样训练得到的监测模型，可以使用风机机组的运行参数监测叶片开裂状态，能够对风机机组的叶片是否开裂进行整体的监测，解决了监测风机叶片开裂的方法难以对风机叶片进行整体监测的技术问题。

技术领域

本申请属于风机机组监测技术领域，尤其涉及一种叶片开裂的监测模型训练方法及叶片开裂的监测方法。

背景技术

风机叶片损伤的主要形式有表面磨损、表面剥蚀与脱落、材料脆化、材料碳化以及裂纹与开裂，其中裂纹形式的损伤是最严重的风机叶片损伤，如果不及时发现损伤将会给风电场带来巨大的经济损伤，威胁风电机组的安全正常运行，甚至造成掉落等风险。肉眼很难分辨出风机叶片出现的早期损伤，而且监测安装在很高位置的叶片是非常不便的。相关技术使用的声发射、超声波以及红外热成像等局部无损监测技术在航天、土木、建筑等各个领域已经被广泛应用，也被应用在对风机叶片损伤的识别。但是，这种监测技术并不适用对风机叶片开裂进行监测，其原因是，对于风机叶片这样的大型构件，在不知道故障的大致位置的情况下，难以对所有局部进行监测；其次，不能监测不可见位置的损伤，通过这种监测技术对叶片开裂进行监测，巡检工作量非常繁重。

发明内容

本申请实施例提供一种叶片开裂的监测模型训练方法、装置、叶片开裂的监测方法、装置及电子设备、存储介质，能够解决相关技术中监测风机叶片开裂的方法难以对风机叶片进行整体监测的技术问题。

第一方面，本申请实施例提供一种叶片开裂的监测模型训练方法，该方法包括：

获取m组训练样本，其中，每组训练样本为风机机组在第一预设时长内的运行参数，m为正整数；

对每组训练样本标记状态标签；其中，对第一目标时段中的每组训练样本标记第一状态标签，对第二目标时段中的每组训练样本标记第二状态标签；其中，第一预设时长之内包括第一目标时段和/或第二目标时段，第一目标时段为未发现叶片开裂、且距离发现叶片开裂超过第二预设时长的时段，第二目标时段为距离发现叶片开裂未超过第二预设时长的时段；第一状态标签为常量；第二状态标签为变量，变量的值根据距离发现叶片开裂的时长确定；

通过标记状态标签后的m组训练样本对监测模型进行训练，得到完成训练的监测模型，其中，完成训练的监测模型用于根据风机机组的运行参数监测风机机组的叶片开裂状态。

进一步地，第一状态标签为第一数值，对第二目标时段中的每组训练样本标记第二状态标签，包括：

确定第二目标时段中每组训练样本的监测数据条数p，p为正整数；

根据第一映射函数，生成p个数值，以用于作为第二状态标签，并使得p个数值从第一数值逐渐增加或减小至第二数值；

分别对第二目标时段中的p组训练样本一一对应地标记p个数值。

进一步地，第一映射函数包括S型生长曲线sigmoid函数。

进一步地，通过标记状态标签后的m组训练样本对监测模型进行训练，得到完成训练的监测模型，包括：

对每组训练样本中的运行参数执行特征值映射处理，以将运行参数映射为对应的特征值，得到与m组训练样本一一对应的m组特征值训练样本；其中，特征值映射处理用于将每个运行参数的数值按照与运行参数的类型对应的第二映射函数映射为对应的特征值；

根据标记状态标签后的m组特征值训练样本，对监测模型进行机器学习训练，得到完成训练的监测模型。