风电机组叶片异常检测方法及系统与流程

1.本发明涉及风力发动机技术领域，具体而言，涉及风电机组叶片异常检测方法及系统。


背景技术：

2.随着环保意识的日益加深以及科技技术的不断发展，人们越来越重视可再生的新型清洁能源，其中，风能属于其中之一，而风电机组作为将风能转换为电能的设备，对于其的安全探测不容忽视。风机叶片作为风电机组的关键设备之一，在风电机组的运行过程中起着至关重要的作用，就目前而言，由于风电机组通常设置在较为恶劣的环境中，导致了在运行过程中叶片会因损坏而产生不同程度的异常情况，基于此，我们亟需一种能够检测风电机组叶片的异常情况的方法及系统。


技术实现要素：

3.本发明的目的在于提供风电机组叶片异常检测方法及系统，其通过获取风电机组的叶片振动信号与原始叶片振动信号作为对比，以获取的偏差率作为判断依据，并对风电机组叶片异常区域进行标注，不仅能够及时发现风电机组的叶片异常情况，而且能够对风电机组的叶片异常区域进行精准检测，方便管理人员的及时检修，避免风电机组发生叶片断裂等安全事故，提高了安全性。
4.本发明的实施例通过以下技术方案实现：
5.风电机组叶片异常检测方法，该方法的步骤包括：
6.基于风机叶片的相对探测区域分别布设有多种传感器，以获取风机叶片的相关特征信号，经去噪优化后，提取相关特征信号之一的振动特征信号；
7.在预设条件下，对振动特征信号进行检验，计算获取风机叶片振动特征信号的最高频率值，以表征为风机叶片的振动特定频率；
8.根据振动特定信号确定风机叶片振型大小及方向，分析风机叶片振型大小的偏差率，判断偏差率是否达到特定区间，根据判断结果对风机叶片的异常区域进行标注，完成风电机组叶片异常区域的精准检测。
9.可选的，所述去噪优化具体通过小波变换进行处理，其步骤如下：
10.对风机叶片的相关特征信号进行多尺度分解，其中，风机叶片的相关特征信号为带噪信号；
11.对分解后的风机叶片相关特征信号在不同尺度下进行去噪处理，经小波逆变换后，形成去噪后的风机叶片的相关特征信号。
12.可选的，所述风机叶片相关特征信号的数学模型公式如下：
13.m(x)＝n(x)+kh(x)
14.其中，m(x)为风机叶片相关特征信号的数学模型，x＝1,2,3,...,n-1，n(x)为需要保留的频率信号，h(x)为需要去除的频率信号，k为需要去除频率信号的强度。
15.可选的，在预设条件下，对振动特征信号进行检验，所述预设条件具体为：
16.通过互功率谱相位图对振动特征信号进行确定，其中，互功率谱相位设定为指定参数，同时与互功率谱相位所对应的相干函数设定为指定性能，以获取风机叶片振动特征信号的最高频率值。
17.可选的，偏差率的具体判断过程为：
18.判断偏差率是否达到特定区间；
19.若否，则判断风机叶片处于正常状态，结束；
20.若是，则判断风机叶片处于异常状态，根据偏差率的大小确定风机叶片的异常区域，同时根据预设的风机叶片三维建模与风机叶片振型方向对风机叶片的异常区域进行标注，完成风电机组叶片异常区域的精准检测。
21.可选的，所述风机叶片的相对探测区域具体为：风机叶片的根部、风机叶片的中部以及风机叶片的尖部。
22.风电机组叶片异常检测系统，包括：
23.传感器组件，用于执行风机叶片的信号探测；
24.处理组件，用于执行风机叶片振动特征信号的提取及处理；
25.分析组件，用于根据处理组件的反馈结果获取风机叶片的异常情况并标注。
26.本发明实施例的技术方案至少具有如下优点和有益效果：
27.本发明实施例通过获取风电机组的叶片振动信号与原始叶片振动信号作为对比，以获取的偏差率作为判断依据，并对风电机组叶片异常区域进行标注，不仅能够及时发现风电机组的叶片异常情况，而且能够对风电机组的叶片异常区域进行精准检测，方便管理人员的及时检修，避免风电机组发生叶片断裂等安全事故，提高了安全性。
附图说明
28.本发明将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
29.图1为本发明实施例提供的风电机组叶片异常检测方法的整体流程示意图；
30.图2为本发明实施例提供的风电机组叶片异常检测系统的原理示意图。
具体实施方式
31.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
32.如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
33.本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时
处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
34.实施例一
35.如图1所示，图1为本发明实施例提供的风电机组叶片异常检测方法的整体流程示意图，风电机组叶片异常检测方法，该方法的步骤包括：
36.基于风机叶片的相对探测区域分别布设有多种传感器，以获取风机叶片的相关特征信号，经去噪优化后，提取相关特征信号之一的振动特征信号；
37.在预设条件下，对振动特征信号进行检验，计算获取风机叶片振动特征信号的最高频率值，以表征为风机叶片的振动特定频率；
38.根据振动特定信号确定风机叶片振型大小及方向，分析风机叶片振型大小的偏差率，判断偏差率是否达到特定区间，若否，则判断风机叶片处于正常状态，结束，若是，则判断风机叶片处于异常状态，根据偏差率的大小确定风机叶片的异常区域，同时根据预设的风机叶片三维建模与风机叶片振型方向对风机叶片的异常区域进行标注，完成风电机组叶片异常区域的精准检测。
39.在本实施例中，本实施例选择在风机叶片的叶尖部位，叶片中部以及叶片根部分别对应安装相应的传感器，可以理解的，多种传感器在本实施例中采用为振动传感器，在实际运用中，可以包括温度传感器、风速传感器等，所述的提取具体在风电机组叶片进行多功能检测中所运用，本实施例以振动传感器示例，此时的振动传感器获取的相关特征信号，实际上为带噪的振动信号，带噪的振动信号分析出来的叶片特定振动频率(即固有频率)不准确，因此，本实施例对其进行去噪处理，去噪后的振动信号可用于分析目前风电机组叶片的特定频率，在此处，本实施例示例性的采用互功率谱相位和相干函数分析风电机组叶片的特定频率，设定相干函数的性能值为0.96，同时设定互功率谱相位在0度作为本实施例的在预设条件下的情况，获取的最高频率值即为本实施例的特定振动频率，在本实施例中风电机组叶片的振型方向可采用根据风电机组的叶片特定频率在互功率谱相位的数据来获取，同时风电机组叶片的振型大小可根据风电机组的叶片特定频率在传递率曲线的数据来获取，实际上，换另一种运用方式，风电机组的叶片在出厂时，记录有其初始的特定频率，本实施例可通过对风机叶片以及出厂风机叶片同时进行振动激励测试，之后判断两者在相同频率下的差值，通过下述公式获取偏差率：其中，σ为风电机组叶片的异常(在此处是风电机组叶片的损坏或破损)程度即本实施例的所述偏差率，f'为测试中的出厂风电机组叶片的振动频率，f为测试中的风电机组叶片的振动频率，可以理解的，本实施例以具体实验数据作为说明，偏差率的判断依据包括叶尖部位、叶片中部以及叶片根部三处分别或同时达到特定区间时，才会启动本实施例中的根据判断结果对风机叶片的异常区域进行标注，其中，本实施例以下述经实验数据作为参考的特征区间表征为判定风电机组叶片出现异常破损及损坏的依据，叶尖部位的特定区间为0.0187及以上，叶片中部的特定区间为0.0454及以上，叶片根部的特定区间为0.0415及以上。
40.可以理解的，在本实施例中预设的风机叶片三维建模，其具体根据风电机组叶片的坐标点及其对应的参数通过建模软件所构建，能够配合所检出叶片出现异常区域进行标注。
41.在一些实施过程中，所述去噪优化具体通过小波变换进行处理，其步骤如下：
42.对风机叶片的相关特征信号进行多尺度分解，其中，风机叶片的相关特征信号为带噪信号；
43.对分解后的风机叶片相关特征信号在不同尺度下进行去噪处理，经小波逆变换后，形成去噪后的风机叶片的相关特征信号。
44.在上述实现过程中，本实施例的振动传感器所获取的相关特征信号(带噪信号)通常包含有高低频率的信号，具体的，通常低频振动信号能够反映叶片的真实情况，因此需要对高频信号进行抑制去除，因此，本实施例采用了小波变换以达到抑制去除高频信号(即噪声)的效果，在本实施例中，小波变换算法采用通用阈值规则：其中，sqtwolog为通用阈值规则，η为噪声信号的标准差，i为风机叶片相关特征信号m(x)在1～n尺度通过小波变换后获取的小波系数总和(1＜n＜ω，ω为二进尺度参数)。
45.更为具体的，所述风机叶片相关特征信号的数学模型公式如下：
46.m(x)＝n(x)+kh(x)
47.其中，m(x)为风机叶片相关特征信号的数学模型，x＝1,2,3,...,n-1，n(x)为需要保留的频率信号，h(x)为需要去除的频率信号，k为需要去除频率信号的强度。
48.实施例二
49.如图2所示，图2为本发明实施例提供的风电机组叶片异常检测系统的原理示意图，风电机组叶片异常检测系统，包括：
50.传感器组件，用于执行风机叶片的信号探测；
51.处理组件，用于执行风机叶片振动特征信号的提取及处理；
52.分析组件，用于根据处理组件的反馈结果获取风机叶片的异常情况并标注。
53.本实施例所提供风电机组叶片异常检测系统与上述实施例所提供的风电机组叶片异常检测方法出于相同的发明构思，关于本发明实施例中各个模块更加具体的工作原理参考上述实施例，在本发明实施例中不做赘述。
54.上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
55.同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
56.此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设
备上安装所描述的系统。
57.同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
58.以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.风电机组叶片异常检测方法，其特征在于，该方法的步骤包括：基于风机叶片的相对探测区域分别布设有多种传感器，以获取风机叶片的相关特征信号，经去噪优化后，提取相关特征信号之一的振动特征信号；在预设条件下，对振动特征信号进行检验，计算获取风机叶片振动特征信号的最高频率值，以表征为风机叶片的振动特定频率；根据振动特定信号确定风机叶片振型大小及方向，分析风机叶片振型大小的偏差率，判断偏差率是否达到特定区间，根据判断结果对风机叶片的异常区域进行标注，完成风电机组叶片异常区域的精准检测。2.根据权利要求1所述的风电机组叶片异常检测方法，其特征在于，所述去噪优化具体通过小波变换进行处理，其步骤如下：对风机叶片的相关特征信号进行多尺度分解，其中，风机叶片的相关特征信号为带噪信号；对分解后的风机叶片相关特征信号在不同尺度下进行去噪处理，经小波逆变换后，形成去噪后的风机叶片的相关特征信号。3.根据权利要求2所述的风电机组叶片异常检测方法，其特征在于，所述风机叶片相关特征信号的数学模型公式如下：m(x)＝n(x)+kh(x)其中，m(x)为风机叶片相关特征信号的数学模型，x＝1,2,3,...,n-1，n(x)为需要保留的频率信号，h(x)为需要去除的频率信号，k为需要去除频率信号的强度。4.根据权利要求1所述的风电机组叶片异常检测方法，其特征在于，在预设条件下，对振动特征信号进行检验，所述预设条件具体为：通过互功率谱相位图对振动特征信号进行确定，其中，互功率谱相位设定为指定参数，同时与互功率谱相位所对应的相干函数设定为指定性能，以获取风机叶片振动特征信号的最高频率值。5.根据权利要求1所述的风电机组叶片异常检测方法，其特征在于，偏差率的具体判断过程为：判断偏差率是否达到特定区间；若否，则判断风机叶片处于正常状态，结束；若是，则判断风机叶片处于异常状态，根据偏差率的大小确定风机叶片的异常区域，同时根据预设的风机叶片三维建模与风机叶片振型方向对风机叶片的异常区域进行标注，完成风电机组叶片异常区域的精准检测。6.根据权利要求1所述的风电机组叶片异常检测方法，其特征在于，所述风机叶片的相对探测区域具体为：风机叶片的根部、风机叶片的中部以及风机叶片的尖部。7.风电机组叶片异常检测系统，其特征在于，包括：传感器组件，用于执行风机叶片的信号探测；处理组件，用于执行风机叶片振动特征信号的提取及处理；分析组件，用于根据处理组件的反馈结果获取风机叶片的异常情况并标注。

技术总结
本发明涉及风力发动机技术领域，具体而言，涉及风电机组叶片异常检测方法及系统，该方法的步骤包括：基于风机叶片的相对探测区域分别布设有多种传感器，以获取风机叶片的相关特征信号，经去噪优化后，提取相关特征信号之一的振动特征信号；在预设条件下，对振动特征信号进行检验，计算获取风机叶片振动特征信号的最高频率值，以表征为风机叶片的振动特定频率；根据振动特定信号确定风机叶片振型大小及方向，分析风机叶片振型大小的偏差率，判断偏差率是否达到特定区间，根据判断结果对风机叶片的异常区域进行标注，完成风电机组叶片异常区域的精准检测。区域的精准检测。区域的精准检测。


技术研发人员：由梓默 段瑞龙 王吉超 郑权 史立志 刘畅
受保护的技术使用者：华能新能源股份有限公司河北分公司
技术研发日：2023.03.21
技术公布日：2023/6/28