基于声学算法的叶片状态监测系统及其监测方法
阅读说明：本技术 基于声学算法的叶片状态监测系统及其监测方法 (Blade state monitoring system based on acoustic algorithm and monitoring method thereof ) 是由 牛国智 李行 丁爱军 曾佳佳 刘凯 谭振国 于 2021-09-01 设计创作，主要内容包括：本发明涉及风机用噪声采集技术领域,具体为一种基于声学算法的叶片状态监测系统,包括安装在风机塔筒下方的噪声采集设备,由所述噪声采集设备采集风机叶片噪声信号经网络传输至数据采集系统统一处理,并经由数据储存系统对采集数据进行暂存；暂存在所述数据储存系统中的风机噪声数据由监测预警系统分析,通过所述监测预警系统提取噪声的梅尔谱特征,与神经网络中标准值比对,从而识别出叶片的故障原因,最后将分析出的数据通过交互界面展示。本发明有效降低工作环境恶劣、环境噪声复杂对采集器造成的影响,同时满足声学性能要求和环境可靠性需求；应用模型集成技术,基于无监督和弱监督模型,解决故障样本不足的问题。(The invention relates to the technical field of noise acquisition for a fan, in particular to a blade state monitoring system based on an acoustic algorithm, which comprises noise acquisition equipment arranged below a fan tower, wherein fan blade noise signals acquired by the noise acquisition equipment are transmitted to a data acquisition system through a network for uniform processing, and the acquired data are temporarily stored through a data storage system; fan noise data temporarily stored in the data storage system are analyzed by a monitoring and early warning system, Mel spectrum features of noise are extracted through the monitoring and early warning system and are compared with standard values in a neural network, accordingly fault reasons of the blades are identified, and finally the analyzed data are displayed through an interactive interface. The invention effectively reduces the influence of severe working environment and complex environmental noise on the collector, and simultaneously meets the requirements of acoustic performance and environmental reliability; the problem of insufficient fault samples is solved by applying a model integration technology based on unsupervised and weakly supervised models.)
技术领域
本发明涉及风机用噪声采集技术领域，具体为一种基于声学算法的叶片状态监测系统及其监测方法。
背景技术
目前，风电场叶片等关键部件的故障检测主要依靠人力现场听音和目视观察，由于风电场往往布置在高山、海岛等偏远地区，受交通和天气的影响维护人员难以及时到现场进行观测，从而导致故障难以及时发现，等发现时往往已造成破坏性的后果。通常由于采集器布置的地方气候环境都是较为恶劣的野外环境，狂风、沙尘、暴雨、低温冰冻、高温曝晒、雷暴等恶劣天气对采集器的可靠性、稳定性带来了巨大的挑战，另外风电场电源不稳定造成电源噪声干扰，塔筒下的箱式变压器和采集器内其他电子装置带来的电磁干扰。
现有技术中针对风机叶片监测主要有以下几种技术路线：
（1）基于振动传感器：主要用于故障监测、结冰监测，通过在叶片表面安装振动传感器，当机械结构故障时，机械或机组运行中通常表现出振动异常。在叶片上安装振动传感器，获取叶片振动的模态频率、模态振型和模态阻尼等参数，并通过对上述参数进行分析获得叶片的动力学特性变化情况，从而判断叶片的健康状态，进行叶片的故障预警。主要缺点在于：硬件成本高；需要在叶片内安装传感器并走线，在机舱内供电并数据传输，安装维护复杂；应用条件受限，传感器对环境敏感度高，容易受到温度、湿度影响；对叶片表面磨损不敏感。
（2）基于声发射技术：用于检测风电叶片在施加负荷的情况下内部产生缺陷的情况。通过在叶片特定部位（易受损处）安装传感器，通过放大滤波后进入计算机，声发射是指材料断裂时释放的弹性能以应力波的形式在结构中传播的现象。随着压电效应的发现，应力波可以通过压电材料(如压电陶瓷 PZT)的压电效应由力信号转化为电信号被系统接收，通过分析应力波的波形、频率、幅值、时程、波数等信号特征，实现对材料的损伤探测。主要缺点为：硬件成本高；声发射技术的快速衰减性要求声发射传感器部署在受损位置附近，安装维护复杂；应用条件受限，传感器对环境敏感度高，容易受到温度、湿度影响。
（3）基于图像识别：用于故障监测、雷击监测、结冰监测。通过在塔筒顶部安装长焦高清摄像头；在塔筒顶部安装长焦高清摄像头，对视界内的叶片进行视频拍摄，经图像识别技术进行叶片的故障识别。主要缺点为：安装难度高。需登高出机舱安装并接线，安装维护复杂；受可见度影响大，容易受到云雾、光线等影响。
（4）基于叶尖计时技术：用于测量叶片颤振、叶片应力、叶片疲劳以及叶片振动异常等。通过沿径向在叶尖旋转轨迹外侧安装多个叶尖定时传感器；通过多脉冲传感器对叶尖扫过同一位置的时间进行测量，由于叶片的振动，叶片的端部相对于转动方向将会向前或向后偏移，从而使得叶片每次到达传感器的实际时间与假设叶片无振动时到达传感器的时间不相等，从而产生一个时间差，再经算法转换为对叶片的振动测量进行故障预警。主要缺点为：受传感器精度影响大；应用条件受限，传感器对环境敏感度高，容易受到温度、湿度影响；对叶片同步、异步颤动识别效果较好，对颤振、失速等非常规振动状态不敏感。
发明内容
针对现有技术的不足，本发明提供了一种基于声学算法的叶片状态监测系统及其监测方法，通过专用设备采集叶片运行时产生的声音信号，并通过系统进行处理识别，从而实现对叶片健康状态的实时监测，对叶片可能产生的故障做出预警。
为实现以上目的，本发明通过以下技术方案予以实现：本发明提出了基于声学算法的叶片状态监测系统，包括安装在风机塔筒下方的噪声采集设备，由所述噪声采集设备采集风机叶片噪声信号经网络传输至数据采集系统统一处理，并经由数据储存系统对采集数据进行暂存；暂存在所述数据储存系统中的风机噪声数据由监测预警系统分析，通过所述监测预警系统提取噪声的梅尔谱特征，与神经网络中标准值比对，从而识别出叶片的故障原因，最后将分析出的数据通过交互界面展示。
本发明的进一步限定技术方案，前述的基于声学算法的叶片状态监测系统，所述噪声采集设备包括设置在采集器主体箱内的采集模块、网络模块、防护模块和电源模块，采集器主体箱通过固定支架安装在风机塔筒下方；所述采集模块由麦克风阵列和音频采集板组成，所述麦克风阵列采集到的声音信号经音频采集板处理后由所述网络模块向外传输，所述防护模块包括设置在所述采集器主体箱内加热片和除湿装置；所述电源模块采用自复位防雷装置和工业电源组合，通过所述工业电源为所述网络模块、防护模块以及采集模块供电。
前述的基于声学算法的叶片状态监测系统，所述麦克风阵列安装在所述采集器主体箱顶部的支撑板上，所述麦克风阵列外部设有环状的缓冲网，在麦克风阵列外侧还设有隔音罩；所述音频采集板安装在所述麦克风阵列的背面，所述音频采集板的处理芯片采用FPGA或STM32MCU；所述音频采集板外侧设有电磁屏蔽罩。
前述的基于声学算法的叶片状态监测系统，所述采集器主体箱的侧壁上设有支撑立柱，所述支撑立柱上安装DIN导轨，用以安装固定所述网络模块、防护模块和电源模块；所述麦克风阵列粘接有所述加热片；所述加热片为塑胶加热片或陶瓷加热片。
前述的基于声学算法的叶片状态监测系统，所述数据采集系统、数据储存系统以及监测预警系统之间通过工业以太网连接通信。
前述的基于声学算法的叶片状态监测系统，所述噪声采集设备的音频采集器测量频率范围为：20-20000Hz，采样频率设置为：48000Hz。
一种基于声学算法的叶片状态监测系统的监测方法包括以下步骤：
（1）噪声信号由所述噪声采集设备采集，经由网络服务发送至数据采集系统，对采集的数据与气象信息和机组信息进行初步融合处理，再将处理后的数据发送至数据存储系统；
（2）数据存储系统按照预先设定的存储规则，将数据存储在指定位置；当监测预警系统发出数据调取请求后，数据存储系统的数据可供具有权限的服务进行访问；
（3）监测预警系统能够对数据存储系统上的数据进行读取、编辑、查找、删除操作；
（4）监测预警系统实时获取采集到的噪声数据后，分别执行以下操作：
对数据进行降噪、波束成形等预处理；
对噪声数据进行梅尔谱特征提取；
将梅尔谱特征数据输入神经网络的预警算法对目标的状态进行判断；
（5）对分析判断后的数据通过交互界面进行展示。
本申请方案的采集器可布置在风电场塔筒底下，采集现场风机运行时的噪声，通过网络发送至集中控制中心进行基于大数据、人工智能的叶片故障识别与预警，可以帮助运维团队及运维系统实现对风机叶片的健康状态的跟踪监测，提供科学的决策支撑。
本发明提供具备以下有益效果：本发明有效降低工作环境恶劣、环境噪声复杂对采集器造成的影响，同时满足声学性能要求和环境可靠性需求；应用模型集成技术，基于无监督和弱监督模型，解决故障样本不足的问题；通过监测风机叶片的工作噪声，来发现例如叶片涂层损伤、叶片鼓包、叶片开裂、雷击事件、叶片结冰等多种异常情况，并对异常进行预警。
附图说明
图1为本发明系统组成示意图。
图2为本发明数据处理流程示意图。
图3为本发明噪声采集设备结构示意图。
图4为图3内部结构示意图。
图5为采集器局部放大图。
在图3-图5中：
1.采集器主体箱，2.隔声罩，3.缓冲网，4.支撑立柱，5.支撑板，6.DIN导轨，7.加热片，8.麦克风阵列，9.音频采集板，10.自复位防雷装置，11.工业电源，12.除湿装置，13.光纤交换机。
具体实施方式
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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本实施例提供一种基于声学算法的叶片状态监测系统，如图1-2所示，包括安装在风机塔筒下方的噪声采集设备，由噪声采集设备采集风机叶片噪声信号经网络传输至数据采集系统统一处理，并经由数据储存系统对采集数据进行暂存；暂存在数据储存系统中的风机噪声数据由监测预警系统分析，通过监测预警系统提取噪声的梅尔谱特征，与神经网络中标准值比对，从而识别出叶片的故障原因，最后将分析出的数据通过交互界面展示。
监测方法包括以下步骤：
（1）噪声信号由噪声采集设备采集，经由网络服务发送至数据采集系统，对采集的数据与气象信息和机组信息进行初步融合处理，再将处理后的数据发送至数据存储系统；
（2）数据存储系统按照预先设定的存储规则，将数据存储在指定位置；当监测预警系统发出数据调取请求后，数据存储系统的数据可供具有权限的服务进行访问；
（3）监测预警系统能够对数据存储系统上的数据进行读取、编辑、查找、删除操作；
（4）监测预警系统实时获取采集到的噪声数据后，分别执行以下操作：
对数据进行降噪、波束成形等预处理；
对噪声数据进行梅尔谱特征提取；
将梅尔谱特征数据输入神经网络的预警算法对目标的状态进行判断；
（5）对分析判断后的数据通过交互界面进行展示。
本实施例的噪声采集设备如图3-5所示，包括设置在采集器主体箱1内的采集模块、网络模块、防护模块和电源模块，采集器主体箱通过固定支架安装在风机塔筒下方，网络模块支持光纤或网线的通讯，系统可在链式单网或环网中组网使用，系统可在链式单网或环网中组网使用，采集器主体箱结构全部由304不锈钢加工而成，固定支架及隔声罩2为非标部件，根据现场使用环境进行安装调整。
本实施例的采集器主体箱1面板顶部安装麦克风阵列8上设有高度约为250mm的隔声罩2，用以消除近地面的如：箱式变压器、冷水机组的噪声干扰。麦克风阵列8外侧设有一环状的缓冲网3，其作用减轻雨水对防水透声膜的冲击，并有防止鸟类或者高空坠物对透声膜的破坏。采集器主体向1在其内部有四根支撑立柱4，用以支撑采集器所需的各种电子装置及元器件，而无需在面板上开孔以增加透水的风险。支撑立柱4顶端有支撑板5，用以安装麦克风阵列8和音频采集板9，使麦克风尽可能的尽可能靠近面板，并起到透声膜破裂防止雨水流到内部各种电子装置上的作用，还可以有效隔离除湿装置12运行时的噪声。麦克风阵列8采用环形平面阵设计，可以满足波束的指向性要求。麦克风阵列8粘接有加热片7，加热片在环境温度低于设定温度下开始加热，可以防止采集器面板听音孔被冰雪覆盖。支撑立柱4上安装有DIN导轨6，采集器内的各种电子装置可以快速的安装和拆卸，便于检修。采集器主体箱1内安装有自复位防雷装置10，当雷击涌流超过设定值时自动切断电源，雷击过后自动复位，无需人工复位。采集器主体箱1内安装有除湿装置12，当采集器内湿度达到或超过设定值，自动启动除湿功能。本实施例的采集模块由麦克风阵列8和音频采集板9组成，麦克风阵列不局限于本实施例所使用的环形阵列，音频采集板9的处理芯片为FPGA或STM32MCU。网络模块采用工业用光纤交换机13；电源模块采用自复位防雷装置10和工业电源11，自复位防雷装置10可以在过电压和过电流时自动切断电源，而后自动恢复。工业电源11具有的纹波电流和噪声小，宽环境温度和输入电压，具有过电流、过温度、过电压关断功能等特点。防护模块包括加热片7、除湿装置12以及音频采集板9的电磁屏蔽罩。加热片7可以采用塑胶加热片或陶瓷加热片，控温形式采用正温度系数的自控温加热片PTC，自控温加热片可以无需温控器。除湿装置12可以使采集器内部湿度符合电源模块、网络模块的湿度要求，电磁屏蔽罩可以屏蔽其他模块对采集模块的电磁干扰。
本实施例在风电设备附近选择最佳安装地点，通常要满足以下条件：采集器与风电设备间无阻隔；周围无严重环境噪声干扰；距离供电设施距离较近；便于安装及维护。噪声采集设备通过支撑立柱安装并固定在指定位置，麦克风阵列面向叶片位置，麦克风阵列配有隔声罩、缓冲网及加热片保护，减少麦克风阵列受到环境因素的干扰。
当风电设备正常运行时，噪声采集设备会对叶片工作时产生的声音信号进行采集，声音信号通过环形麦克风阵列进行采集，经光纤传输至系统进行处理。音频采集器测量频率范围为：20-20000Hz，采样频率设置为：48000Hz。系统对传输过来的信号数据进行数据清洗、信号处理和特征工程等工作，并通过深度学习的方法来实现对叶片故障的预测和预警。
本实施例针对叶片等关键部件进行预防性维护，降低部件损耗并减少因部件损坏导致的停产时间，有效降低整体维护成本并提高生产效率风场的实际工作年限也受惠于此进一步延长。对叶片外表涂层损伤的故障监测，并进行故障位置、故障类型、故障阶段进行定性评估。持续对叶片故障进行跟踪，避免因叶片损坏导致的叶片断裂、倒塌等生产安全事故。
本实施例的经济效益，有效减少因叶片故障导致的停机时长，在技术得以推广实施并配合运维业务流程的优化后，预计因叶片故障导致的停机时长可以减少60%，大幅降低因停机导致的发电损失。有效减少叶片维修吊装的次数，通过在早期发现叶片故障，进行及时修补，避免大型吊装施工造成的高昂成本。根据NREL复合材料制造教育和技术 （CoMET）机构研究显示，风电行业内5年以上机组的叶片更换率高达1%，即一个25机组的风场年平均更换叶片数达到0.75次，预计单个风场应用叶片监测预警技术，5年内节约的叶片更换费用平均可达200万元以上。通过预测性维护叶片，保障叶片工作的气动效率，提高长期发电收益高达5%，以一个50MW风场年2000有效发电时长计算，年发电量提升可达500万度。
安全效益，风机叶片工作在高空，全天候的条件下，经常受到空气介质，大气射线，沙尘，雷电，暴雨，冰雪的侵袭，其故障率在整机中约占了三分之一以上，并且人工巡检及维修的过程中也存在着极大的安全隐患，通过以人工智能为手段的风电叶片实时监测系统能够在24小时全天候及时发现叶片异常并作出预警，大大提高了对于“人”和“机”的安全保障。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：一种海上风电机组支撑结构状态监测系统