[發明專利]基于AI聽診的風機故障檢測方法及系統、風機安全系統

在審

• 申請號: 202210803912.7
• 申請日: 2022-07-07
• 公開（公告）號: CN115163426A
• 公開（公告）日: 2022-10-11
• 發明（設計）人: 張鐵龍;賈棟棟;路旭偉;張寧;李少華;張曉輝;王鵬英;康永亮
• 申請（專利權）人: 府谷縣京能新能源有限公司
• 主分類號: F03D17/00
• 分類號: F03D17/00
• 代理公司: 寧夏君創未來專利代理事務所(普通合伙) 64107
• 代理人: 鄭重

本申請涉及基于AI聽診的風機故障檢測方法及系統、風機安全系統，采集風機葉片運行過程中的第三聲音信號，并對第三聲音信號數模轉換及降噪處理，得到聲音信號C，提取聲音信號C的實際特征，并與標準特征參照對比，計算第一相似度；在第一相似度小于等于第一預設值的情況下，實際特征與故障特征集中的任意一者參照對比，并分別計算第二相似度，對第二相似度按照降序排列，取前M個與第二相似度對應的故障特征，得到與之對應的故障類型或者M個故障類型的組合；檢測到故障后，報警并提供故障診斷意見和維修方案。上述方案能夠利用AI聽診結合深度學習技術對實時采集的工作噪聲進行聲學特征提取及比對，以實時檢測葉片是否出現故障。

技術領域

本申請涉及風機故障檢測技術領域，特別是涉及基于AI聽診的風機故障檢測方法及系統、風機安全系統。

背景技術

風力發電機是將風能轉換為機械功，機械功帶動轉子旋轉，最終輸出交流電的電力設備。風力發電機一般有風輪、發電機、調向器、塔架、限速安全機構和儲能裝置等構件組成。

隨著能源危機和環境問題的日益嚴重，風電裝備由此得到了迅猛發展。在風電迅猛發展的同時，風力發電機高額的運行維護成本影響了風場的經濟效益。風場一般地處偏遠、環境惡劣，并且機艙位于70m至90m以上的高空，給機組的維護維修工作造成了困難，增加了機組的運行維護成本。并且高額的運行維護費用增加了風場的運營成本，降低了風電的經濟效益。

風機葉片是風力發電機組核心部件之一，是進行能量轉換的關鍵設備，其狀態對整機的性能和發電質量有直接的影響。由于長期運行于變負載及惡劣的環境下導致其故障頻發，因此對葉片進行狀態監測，對于確保風電機組的效率和提高機組安全可靠性具有非常重要的作用。

傳統的葉片損傷、故障的檢測手段是使用望遠鏡觀察和利用繩索垂降進行人工檢測，存在檢測效率低，工人勞動強度大；高空作業，檢測成本高，安全性低，檢測時間長，停機發電量損失大等缺點。而現有的一種檢測方案是使用無人機高空巡檢風機葉片表面缺陷，將無人機拍攝所得的風機葉片表面原始圖像回傳后，通過人工識別風機葉片表面是否有缺陷，但是這種方法依然需要人工識別缺陷無法做到產生實時的檢測結果，同時，這種方法僅能周期性的檢測葉片是否出現故障，在檢測前，葉片可能故障運行了較長時間，無法實時檢測葉片是否出現故障。

發明內容

基于此，有必要針對現有風機葉片檢測仍處于較低水平的人工操作，效率較低，檢測成本高，以及無法實時檢測等現狀，提供基于AI聽診的風機故障檢測方法及系統、風機安全系統，能夠利用AI聽診結合深度學習技術對實時采集的工作噪聲進行聲學特征提取及比對，以實時檢測葉片是否出現故障，防患于未然，能以最低的成本達到最好的檢測效果，進而為風電機組葉片結構的安全運營提供具有極高性價比的技術支持，極大地降低了風場的生產風險，提高了風場的生產效能，解決現有風機葉片檢測仍處于較低水平的人工操作，效率較低，檢測成本高，以及無法實時檢測的問題。

基于AI聽診的風機故障檢測方法，包括：

采集風機葉片無故障運行過程中的第一聲音信號，并對所述第一聲音信號數模轉換及降噪處理，得到聲音信號A，提取所述聲音信號A的特征，得到標準特征；分別采集風機葉片在N個不同故障類型下運行過程中的第二聲音信號，并對N個所述第二聲音信號數模轉換及降噪處理，得到N個聲音信號B，分別提取N個所述聲音信號B的故障特征，得到故障特征集合，其中N大于等于50；

采集風機葉片運行過程中的第三聲音信號，并對所述第三聲音信號數模轉換及降噪處理，得到聲音信號C，提取所述聲音信號C的實際特征，并與所述標準特征參照對比，計算第一相似度；

在所述第一相似度小于等于第一預設值的情況下，所述實際特征與所述故障特征集中的任意一者參照對比，并分別計算第二相似度，得到N個所述第二相似度，對所述第二相似度按照降序排列，取前M個與所述第二相似度對應的所述故障特征，得到與之對應的故障類型或者M個故障類型的組合，其中M小于等于5；