[發(fā)明專利]風(fēng)機(jī)葉片異常檢測(cè)方法、裝置、設(shè)備、介質(zhì)及產(chǎn)品

在審

• 申請(qǐng)?zhí)枺?/td>: 202111163546.5
• 申請(qǐng)日: 2021-09-30
• 公開（公告）號(hào): CN113807465A
• 公開（公告）日: 2021-12-17
• 發(fā)明（設(shè)計(jì)）人: 鐘慧超;江容;楊勇
• 申請(qǐng)（專利權(quán)）人: 江蘇金風(fēng)軟件技術(shù)有限公司;北京金風(fēng)慧能技術(shù)有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N20/00
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 王寶筠

本申請(qǐng)?zhí)峁┝艘环N風(fēng)機(jī)葉片異常檢測(cè)方法，從數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)獲取風(fēng)機(jī)的運(yùn)行數(shù)據(jù)，然后通過聚類算法對(duì)運(yùn)行數(shù)據(jù)進(jìn)行特征提取，獲取特征數(shù)據(jù)，然后將特征數(shù)據(jù)輸入至預(yù)先訓(xùn)練好的異常檢測(cè)模型，獲得風(fēng)機(jī)葉片振動(dòng)是否異常的結(jié)果，如此實(shí)現(xiàn)低成本高可靠性地對(duì)于風(fēng)機(jī)葉片異常的檢測(cè)。

技術(shù)領(lǐng)域

本申請(qǐng)涉及風(fēng)機(jī)技術(shù)領(lǐng)域，尤其涉及一種風(fēng)機(jī)葉片異常檢測(cè)方法、裝置、設(shè)備、介質(zhì)及產(chǎn)品。

背景技術(shù)

風(fēng)力發(fā)電機(jī)(也稱風(fēng)機(jī))是將風(fēng)能轉(zhuǎn)換為機(jī)械功，機(jī)械功帶動(dòng)轉(zhuǎn)子旋轉(zhuǎn)，最終輸出交流電的電力設(shè)備。風(fēng)機(jī)葉片是風(fēng)機(jī)的重要基礎(chǔ)零部件，在風(fēng)的驅(qū)動(dòng)下，風(fēng)機(jī)葉片能夠?qū)L(fēng)能轉(zhuǎn)化為機(jī)械能。當(dāng)風(fēng)機(jī)出現(xiàn)鼓包、裂紋等狀況是，可能導(dǎo)致葉片的載荷不平衡，導(dǎo)致風(fēng)機(jī)葉片異常。風(fēng)機(jī)葉片異常可能導(dǎo)致風(fēng)機(jī)工作異常，影響風(fēng)機(jī)的安全性。

通常情況下，可以通過采集葉片的音頻信號(hào)以對(duì)葉片異常進(jìn)行檢測(cè)，但是這種方法通常需要加裝特定的采集設(shè)備，并且容易受到噪聲等因素的影響，對(duì)于所采集的數(shù)據(jù)的處理難度較高。

由此，業(yè)界亟需一種成本較低的風(fēng)機(jī)葉片異常檢測(cè)方法。

發(fā)明內(nèi)容

本申請(qǐng)?zhí)峁┝艘环N風(fēng)機(jī)葉片異常檢測(cè)方法，該方法能夠有效降低風(fēng)機(jī)葉片異常檢測(cè)的成本，提供一種廉價(jià)且可靠性高的風(fēng)機(jī)葉片異常檢測(cè)方法。本申請(qǐng)還提供了上述方法對(duì)應(yīng)的裝置、設(shè)備、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

第一方面，本申請(qǐng)?zhí)峁┝艘环N風(fēng)機(jī)葉片異常檢測(cè)方法，該方法包括：

從數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)獲取風(fēng)機(jī)的運(yùn)行數(shù)據(jù)；

通過聚類算法對(duì)運(yùn)行數(shù)據(jù)進(jìn)行特征提取，獲取特征數(shù)據(jù)；

將特征數(shù)據(jù)輸入至完成訓(xùn)練的異常檢測(cè)模型，獲得風(fēng)機(jī)葉片振動(dòng)是否異常的檢測(cè)結(jié)果，異常檢測(cè)模型根據(jù)訓(xùn)練特征數(shù)據(jù)訓(xùn)練獲得。

在一些可能的實(shí)現(xiàn)方式中，運(yùn)行數(shù)據(jù)包括發(fā)動(dòng)機(jī)轉(zhuǎn)速、機(jī)艙加速度。

在一些可能的實(shí)現(xiàn)方式中，通過聚類算法對(duì)運(yùn)行數(shù)據(jù)進(jìn)行特征提取，獲取特征數(shù)據(jù)之前，還包括：

根據(jù)發(fā)動(dòng)機(jī)轉(zhuǎn)速對(duì)運(yùn)行數(shù)據(jù)進(jìn)行清洗，獲取多個(gè)固定轉(zhuǎn)速區(qū)間的機(jī)艙加速度。

在一些可能的實(shí)現(xiàn)方式中，通過聚類算法對(duì)運(yùn)行數(shù)據(jù)進(jìn)行特征提取，獲取特征數(shù)據(jù)，包括：

對(duì)預(yù)設(shè)時(shí)間段的機(jī)艙加速度按照時(shí)間窗口分倉(cāng)，得到n個(gè)加速度倉(cāng)；

根據(jù)固定轉(zhuǎn)速區(qū)間從n個(gè)加速度倉(cāng)中確定有效加速度倉(cāng)并對(duì)其中相鄰的有效加速度倉(cāng)進(jìn)行合并，得到機(jī)艙加速度對(duì)應(yīng)的m個(gè)目標(biāo)數(shù)據(jù)文本；

分別統(tǒng)計(jì)m個(gè)目標(biāo)數(shù)據(jù)文本在各個(gè)機(jī)艙加速度類別中的頻率；

根據(jù)頻率形成目標(biāo)向量，目標(biāo)向量用于表征各個(gè)數(shù)據(jù)文本的頻率分布；

根據(jù)目標(biāo)向量獲取特征數(shù)據(jù)。

在一些可能的實(shí)現(xiàn)方式中，根據(jù)目標(biāo)向量獲取特征數(shù)據(jù)，包括：

使用聚類算法對(duì)各個(gè)目標(biāo)向量進(jìn)行聚類處理，得到p個(gè)簇類；

確定各個(gè)簇類的聚類中心；

統(tǒng)計(jì)各個(gè)目標(biāo)向量在p個(gè)簇類中的頻率分布；

將頻率分布形成的特征向量確定為特征數(shù)據(jù)。

在一些可能的實(shí)現(xiàn)方式中，異常檢測(cè)模型的訓(xùn)練步驟包括：

獲取風(fēng)機(jī)的訓(xùn)練特征數(shù)據(jù)；

對(duì)訓(xùn)練特征數(shù)據(jù)增加第一標(biāo)簽和第二標(biāo)簽，其中，第一標(biāo)簽用于指示對(duì)應(yīng)的訓(xùn)練特征數(shù)據(jù)為風(fēng)機(jī)正常運(yùn)行狀態(tài)的運(yùn)行數(shù)據(jù)，第二標(biāo)簽用于指示對(duì)應(yīng)的訓(xùn)練特征數(shù)據(jù)為風(fēng)機(jī)異常運(yùn)行狀態(tài)下的運(yùn)行數(shù)據(jù)；