一种风机工作异常的检测方法与流程

1.本发明涉及风机故障检测技术领域，具体涉及一种风机工作异常的检测方法。


背景技术：

2.随着工业的发展，人类对化石能源的需求越来越大，过度的开采和使用导致了能源危机和严重的环境污染，不利于人类社会的可持续发展。如今对于清洁能源的开发逐渐受到重视，以风能、太阳能为代表的可再生能源产业快速发展，在社会供电方面，伴随着风能产业的快速发展和风电机组的广泛安装使用，庞大的机组数量提供了相应的电力。随着风机服役时间的增长，风机出现故障的概率也随之增长。当需要进行异常检测的风机数量较大时，利用人工检测风机工作是否异常的方式消耗的人力资源较大，且检测效率较低。


技术实现要素：

3.为了解决现有利用人工检测风机工作是否异常的方式存在的检测效率较低的问题，本发明的目的在于提供一种风机工作异常的检测方法。
4.本发明的一种风机工作异常的检测方法，包括以下步骤：
5.获取目标区域内各风机的低速轴位移信息、变桨电机的温度信息、各桨叶的桨距角信息和风机齿轮箱的振动信息；
6.根据目标区域内各风机的低速轴位移信息、变桨电机的温度信息和风机齿轮箱的振动信息计算目标区域内各风机的损坏趋势指数；
7.根据目标区域内各风机的损坏趋势指数和低速轴位移信息计算目标区域内任意两风机之间的差异指标，根据目标区域内任意两风机之间的差异指标计算目标区域内各风机对应的离群因子，根据目标区域内各风机对应的离群因子判断目标区域中的异常风机，将目标区域中未被判断为异常风机的风机记为初步正常风机；
8.对于任一初步正常风机：计算该初步正常风机中各桨叶之间的桨距角差异，记为第一差异；根据所述第一差异和该初步正常风机的各桨叶的桨距角计算该初步正常风机的桨距角异常指数，根据所述桨距角差异指数判断该初步正常风机是否异常。
9.进一步的，对于目标区域内的任一风机：该风机的损坏趋势指数与该风机在目标时间段内的低速轴位移值成负相关关系，该风机的损坏趋势指数与该风机在目标时间段内的变桨电机的温度的标准差成负相关关系，该风机的损坏趋势指数与该风机在目标时间段内的变桨电机的温度最大值成负相关关系，该风机的损坏趋势指数与该风机在目标时间段内的风机齿轮箱的振动极差成负相关关系。
10.进一步的，利用如下公式计算目标区域内各风机的损坏趋势指数：
[0011][0012]
其中，u为目标区域内某个风机的损坏趋势指数，mean为求平均，l为该风机在目标时间段的低速轴位移量序列，exp是以自然常数e为底的指数函数，std为求标准差，d为该风
机在目标时间段的变桨电机的温度变化序列，max为求最大值，tanh为双曲正切函数，range为求极差，s为该风机的齿轮箱的振动加速度变化序列。
[0013]
进一步的，对于任意两风机：该两风机之间的差异指标与该两风机之间的损坏趋势指数差异成负相关关系，该两风机之间的差异指标与该两风机之间的低速轴位移差异成负相关关系；利用如下公式计算该两风机之间的差异指标：
[0014][0015]
其中，a,b分别表示两个不同的风机，r(a，b)是风机a和风机b之间的差异指标，abs为取绝对值，ua为风机a的损坏趋势指数，ub为风机b的损坏趋势指数，dtw为动态时间规整算法，la为风机a在目标时间段的低速轴位移量序列，lb为风机b在目标时间段的低速轴位移量序列。
[0016]
进一步的，所述根据目标区域内各风机对应的离群因子判断目标区域中的异常风机，包括：
[0017]
将目标区域内各风机对应的离群因子与阈值进行比较，当某风机对应的局部离群因子大于阈值时，判定该风机为初步异常样本；
[0018]
计算后续设定时间段内各时间段对应的整体离群因子，所述设定时间段包括多个时间段，所述整体离群因子为目标区域中没有被判定为初始异常样本的风机的离群因子的均值；
[0019]
根据所述后续设定时间段内各时间段对应的整体离群因子计算所述后续设定时间段对应的整体离群因子变化特征指数，若所述整体离群因子变化特征指数小于设定值，则判定所述初步异常样本为异常风机。
[0020]
进一步的，利用如下公式计算所述后续设定时间段对应的整体离群因子变化特征指数：
[0021][0022]
其中，σ为所述后续设定时间段对应的整体离群因子变化特征指数，t为所述后续设定时间段包括的时间段的数量，oi为所述后续设定时间段中第i个时间段对应的整体离群因子，o
i-1
为所述后续设定时间段中第i-1个时间段对应的整体离群因子。
[0023]
进一步的，利用如下公式计算各初步正常风机的桨距角异常指数：
[0024][0025]
其中，w为某个初步正常风机的桨距角异常指数，v1为该初步正常风机的第一个桨叶在目标时间段内的桨距角变化序列，v2为该初步正常风机的第二个桨叶在目标时间段内的桨距角变化序列，v3为该初步正常风机的第三个桨叶在目标时间段内的桨距角变化序列，dtw为动态时间规整算法，vf(1)是该初步正常风机的第f个桨叶在目标时间段内的第一个采集时刻的桨距角，vf(2)是该初步正常风机的第f个桨叶在目标时间段内的第二个采集时刻的桨距角，mean为求均值，exp是以自然常数e为底的指数函数。
[0026]
进一步的，所述根据所述桨距角差异指数判断该初步正常风机是否异常，包括：
[0027]
根据目标区域中各初步正常风机对应的桨距角异常指数构建集合{w1，w2，......}，其中w1为目标区域中第1个初步正常风机对应的桨距角异常指数，w2为目标区域中第2个初步正常风机对应的桨距角异常指数；
[0028]
利用如下公式计算各初步正常风机对应的异常判定值：
[0029]
x＝sign(abs(w
i-mean({w1，w2，......}))-0.1))
[0030]
其中，x为某初步正常风机对应的异常判定值，sign函数是符号函数，wi为目标区域中第i个初步正常风机对应的桨距角异常指数，abs为取绝对值，mean为求平均值；
[0031]
对于各初始正常风机，若某初始正常风机对应的异常判定值x为1，那么判定该初始正常风机没有异常；若某初始正常风机对应的异常判定值x为-1，那么判定该初始正常风机出现异常。
[0032]
有益效果：本实施例根据目标区域内各风机的低速轴位移信息、变桨电机的温度信息、各桨叶的桨距角信息和风机齿轮箱的振动信息对目标区域内各风机是否存在异常做出了判断，本实施例实现了对目标区域内是否存在工作异常风机的自动判断，提高了对风机的检测效率。
附图说明
[0033]
图1是本发明的风机工作异常的检测方法的流程图。
具体实施方式
[0034]
为使本发明实施例的目的、技术方案和优点更清楚，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介绍。
[0035]
如图1所示，本实施例的风机工作异常的检测方法包括以下步骤：
[0036]
(1)获取目标区域内各风机的低速轴位移信息、变桨电机的温度信息、各桨叶的桨距角信息和风机齿轮箱的振动信息；
[0037]
本实施例将研究的区域记为目标区域，该目标区域内的环境因素基本一致，在目标区域内的各风机没有出现故障的情况下，目标区域内的各风机的工作情况是一致的。当目标区域内包括多个风机时，对风机的工作进行异常检测的工作量比较大，若依靠人工进行检测，那么需要消耗大量的人力资源，且检测效率较低。为了解决现有利用人工检测风机工作是否异常的方式存在的检测效率较低的问题，本实施例采集了目标区域内各风机的相关信息，包括风机的低速轴位移信息、变桨电机的温度信息、各桨叶的桨距角信息和风机齿轮箱的振动信息，以根据这些信息对目标区域内各风机的工作是否异常进行判断。接下来对相关信息的采集过程进行说明：
[0038]
①
采集风机的低速轴位移信息；
[0039]
风机中低速轴的作用是连接转子轴心与齿轮箱，低速轴运行状态的稳定性会对齿轮箱造成影响。目前大都以间接测量低速轴轴承温度、振动等方式来评估低速轴运行状态，此方式容易收到外部因素的干扰，评估结果不够直观。本实施例基于判定低速轴的位移量可以保证监测结果的准确性。
[0040]
具体的，本实施例使用激光位移传感器采集记录低速轴的位移量信息，将位移传感器安装在固定支架上，将固定支架安装在风机低速轴轴承座上，且位移传感器测量端指
向风机轮盘表面，将传感器控制器接入风机控制系统的数据采集模块，由此就可以获取风机的低速轴位移信息。本实施例的激光位移传感器每1秒采集记录一次信息，以10分钟为一个目标时间段时长，可得到一个低速轴位移量序列l＝{l1，l2，l3，......}，其中，l1为第一个采集时刻对应的低速轴的位移量，l2为第二个采集时刻对应的低速轴的位移量，l3为第三个采集时刻对应的低速轴的位移量。激光位移传感器的读取方式是现有技术，此处不再赘述。
[0041]
②
采集风机变桨电机的温度信息。
[0042]
变桨电机是风机变桨系统的核心部件，也是易出问题的一个部位，本实施例基于变桨电机的温度变化情况来评估其运行状态是否正常。本实施例具体使用温度传感器采集记录变桨电机的温度变化情况，传感器每1秒采集记录一次信息，以10分钟为一个目标时间段时长，可得到变桨电机的温度变化序列d＝{d1，d2，d3，......}。其中，d1为第一个采集时刻对应的变桨电机的温度，d2为第二个采集时刻对应的变桨电机的温度，d3为第三个采集时刻对应的变桨电机的温度。温度传感器的读取方式是现有技术，此处不再赘述。
[0043]
③
采集记录风机各桨叶的桨距角信息。
[0044]
桨距角指风机桨叶与风轮平面的夹角，风机使用变桨距控制，通过调整桨叶迎风角度，进行风机功率的调整。本方案以风机的变桨距系统为分析对象，它们的桨距角由机舱计算机控制按规律同步变化。本实施例中的风机采用同步变桨的方式进行桨距角的调整。本实施例基于scada系统可测量风机各个桨叶的桨距角，桨距角测量包括三个旋转编码器，这三个旋转编码器分布式安装于风机的三个变桨电机的顶端，基于电机转动信息测量各桨叶的桨距角。本实施例桨距角的获取过程为现有技术，此处不再赘述。
[0045]
本实施例的旋转编码器每1秒采集一次信息，以10分钟为一个目标时间段时长，可得到任意一个桨叶的桨距角变化序列vf＝{vf(1)，vf(2)，vf(3)，......}，其中f＝1,2,3，vf(1)为第f个桨叶的第一个采集时刻对应的桨距角，vf(2)为第f个桨叶的第二个采集时刻对应的桨距角，vf(3为第f个桨叶的第三个采集时刻对应的桨距角。
[0046]
④
采集风机齿轮箱的振动变化信息。
[0047]
齿轮箱是风机的核心部件之一，其发生故障的概率也非常高，本实施例基于齿轮箱的振动变化情况来评估其运行状态是否正常。具体的，本实施例基于三轴加速度传感器采集记录变齿轮箱的振动加速度，传感器每1秒采集记录一次信息，以10分钟为一个目标时间段时长，得到一个齿轮箱的振动加速度变化序列s＝{s1，s2，s3，......}，其中，s1为第一个采集时刻对应的齿轮箱的振动加速度，s2为第二个采集时刻对应的齿轮箱的振动加速度，s3为第三个采集时刻对应的齿轮箱的振动加速度。三轴加速度传感器的读取方式是公知的，本发明不再赘述。
[0048]
由此，可以获取目标区域内各风机的低速轴位移信息、变桨电机的温度信息、各桨叶的桨距角信息和风机齿轮箱的振动信息。
[0049]
(2)根据目标区域内各风机的低速轴位移信息、变桨电机的温度信息和风机齿轮箱的振动信息计算目标区域内各风机的损坏趋势指数；
[0050]
对于风机而言，随着其服役时间的增加以及一些外部环境因素的影响，风机的低速轴轴承会出现不同程度的磨损，导致风机的低速轴在风机工作过程中出现窜动和异常位移，低速轴工作不稳定也会造成齿轮箱的损坏；变桨电机的温度变化可以衡量电机当前的
运行健康程度，如果变桨电机温度出现异常变化，则风机出现损坏的趋势更强。对于目标区域内的任一风机而言：该风机的损坏趋势指数与该风机在目标时间段内的低速轴位移值成负相关关系，该风机的损坏趋势指数与该风机在目标时间段内的变桨电机的温度的标准差成负相关关系，该风机的损坏趋势指数与该风机在目标时间段内的变桨电机的温度最大值成负相关关系，该风机的损坏趋势指数与该风机在目标时间段内的风机齿轮箱的振动极差成负相关关系。本实施例计算目标区域内各风机的损坏趋势指数的计算过程如下：
[0051][0052]
其中，u为目标区域内某个风机的损坏趋势指数，u的值域是[0,1]，u越小，意味着风机的损坏趋势越强，u越大，意味着风机的损坏趋势越弱。mean为求平均，l为该风机在目标时间段的低速轴位移量序列，mean(l)代表该风机工作过程中低速轴的位移均值，均值越大，意味着该风机的低速轴在工作中产生的稳定性越差。exp是以自然常数e为底的指数函数，std为求标准差，d为该风机在目标时间段的变桨电机的温度变化序列，std(d)为变桨电机温度的标准差，能反映温度变化的波动性；max为求最大值，max(d)是该风机在目标时间段的变桨电机的温度的最大值，基于温度的最大值可以反映变桨电机是否存在高温积热的情况。tanh为双曲正切函数，range为求极差，s为该风机的齿轮箱的振动加速度变化序列，range(s)是该风机在目标时间段的齿轮箱振动加速度的极差，在同样的工况下，风机的齿轮箱工作情况也应是相同的，因此通过齿轮箱的振动加速度极差反映风机齿轮箱有无出现异常振动。
[0053]
由此，可以得到目标区域内所有风机在工作时的损失趋势指数。
[0054]
(3)根据目标区域内各风机的损坏趋势指数和低速轴位移信息计算目标区域内任意两风机之间的差异指标，根据目标区域内任意两风机之间的差异指标计算目标区域内各风机对应的离群因子，根据目标区域内各风机对应的离群因子判断目标区域中的异常风机，将目标区域中未被判断为异常风机的风机记为初步正常风机；
[0055]
基于上述步骤可以得到目标区域内各风机的损失趋势指数，接下来根据目标区域内各风机的损失趋势指数和低速轴位移情况分析目标区域内不同风机之间的差异。具体的，本实施例利用如下公式计算目标区域内任意两风机之间的差异指标：
[0056][0057]
其中，a,b分别表示两个不同的风机，r(a，b)是风机a和风机b之间的差异指标，abs为取绝对值，abs(u
a-ub)代表风机a和风机b的损坏趋势指数差值，ua为风机a的损坏趋势指数，ub为风机b的损坏趋势指数。dtw为动态时间规整算法，dtw(la，lb)反映风机a和风机b之间的低速轴位移量的数值变化趋势差异，la为风机a在目标时间段的低速轴位移量序列，lb为风机b在目标时间段的低速轴位移量序列，dtw(la，lb)越小，说明风机a和风机b的低速轴工作状态越接近。
[0058]
得到了目标区域内任意两风机之间的差异指标之后，基于该差异指标，可以构建两风机之间的距离函数其中，d(a，b)为风机a与风机b之间的距离。
[0059]
将目标区域内的每个风机视为一个风机样本，基于距离函数可以得到目标区域内
任意一个风机样本与其他风机样本之间的距离，基于此距离本实施例利用一种局部离群因子算法(lof)计算目标区域内各风机对应的离群因子，lof的基本思想是：首先计算每个样本的一个局部可达密度，然后通过局部可达密度进一步计算得到每个样本的一个离群因子，该离群因子即标识了一个样本的离群程度，因子值越大，标识离群程度越高，因子值越小，表示离群程度越低；最后输出离群程度最大的top(n)个点，n为预设值。
[0060]
lof算法的输入层进入的是所有样本的集合，输出层产生的是离群样本的集合。计算每个样本的局部可达密度，进而计算得到每个样本的局部离群因子，选取输出离群程度最高的n个样本。本实施例计算每个样本的第k距离邻域内各样本的第k可达距离的过程如下：
[0061]
选取样本集合中任意两个样本,以j，i为例，定义dk(j)为样本j的第k距离，dk(j)＝d(j，i)，满足如下条件：在集合中至少存在不包括j在内的k个样本i
′
，使得d(j，i
′
)≤d(j，i)；在集合中至多存在不包括j在内的k-1个样本i
′
，使得d(j，i
′
)＜d(j，i)；简而言之，样本i是距离样本j最近的第k个样本。定义nk(j)为样本j的第k距离邻域，此处的邻域可以看成一个集合，包含了所有到样本j的距离小于样本j第k距离的样本，可知|nk(j)|≥k。
[0062]
以样本j为中心，nk(j)中任一样本(此处记为q)到样本j的第k可达距离定义为：
[0063]
rreach_distk(q，j)＝max(dk(q)，d(q，j))
[0064]
样本q到样本j的第k可达距离定义为样本q的第k距离和样本q到样本j的距离中的较大者。利用如下公式计算每个样本的第k局部可达密度(local reachability density)：
[0065][0066]
lrdk(j)为样本j的第k局部可达密度，即样本j的第k距离邻域内的所有样本到样本j的平均第k可达距离的倒数。它表征了样本j的密度情况，当样本j与周围样本密集度越高，各样本的可达距离越可能是较小的各自的第k距离，此时lrd值越大；当样本j与周围样本的密集度越低，各样本的可达距离越可能是较大的两样本之间的实际距离，此时lrd值越小。
[0067]
接下来计算每个样本的第k局部离群因子：
[0068][0069]
lofk(j)为样本j的第k局部离群因子，是样本j的邻域nk(j)内其它样本的局部可达密度与样本j的局部可达密度之比的平均值。如果离群因子越接近1，意味着样本j的密度和其邻域样本密度差不多，j可能和邻域同属一簇；如果离群因子小于1，意味着样本j的密度高于其邻域样本密度，则样本j为正常样本；如果离群因子大于1，意味着样本j的密度低于其邻域样本密度，则样本j可能是异常样本。
[0070]
基于局部离群因子，可使用以下两个准则之一判断离群样本：离群因子最高的n个样本为离群样本，n的值可基于总样本数量以及实际反馈效果来设置和调整；或者给定一个阈值，当局部离群因子大于此阈值时，判定其为异常样本，比如设定参考阈值1.5。
[0071]
在lof方法中，一个样本的离群程度与它周围的样本有关，体现了局部的概念，这是它与其它离群定义不同之处，也是优势所在。此外，使用局部离群因子的平均值判断离群
点，使检测结果更加稳定，不随参数k值的变化而有较大变动。lof算法能发现其它算法遗漏的离群样本，有更好的利用价值。
[0072]
为了排除异常样本出现异常的原因并不是自身出现问题，而是由外部环境因素造成的，本实施例当系统第一次检测出异常风机后，系统会对剩余正常风机的局部离群因子的变化情况进行分析，以确保检测的准确性。具体过程如下：
[0073]
本实施例以10分钟为一个时间段检测所有风机的局部离群因子，如果风机在工作中一直保持正常，它的局部离群因子值一直是比较小且较为稳定，那么风机整体的局部离群因子也是比较稳定的。在第一次检测出异常风机后，本实施例对后续一个小时内正常风机的整体离群因子的变化情况进行分析。整体离群因子是对所有风机离群因子进行均值化得到的，记为{o1，o2，o3，......}，其中，o1是指后续1个小时内的第一个10分钟，o2是指后续1个小时内的第二个10分钟，o3是指后续1个小时内的第三个10分钟。
[0074]
利用如下公式计算基于上述离群因子被判定为正常样本的风机在上述后续一个小时内的整体离群因子变化特征指数：
[0075][0076]
其中，σ是正常风机在一个小时内的整体离群因子变化特征指数，如果σ大于等于0.1，意味着所有风机的离群因子在逐渐变大，出现了最极端的一种情况，所有风机的损坏趋势指数都在变大，此种情况下风机出现的异常可能是由外部环境因素造成，并非风机自身出现问题，这种情况下将所有风机脱网，以避免发生损坏，在下次并网时继续检测是否存在异常风机。反之，如果σ值小于0.1，则判定检测出的离群样本是异常风机，将其暂时脱网，交由人工进行故障处理，其它正常风机继续工作，本实施例将这些正常风机记为初步正常风机。本实施例中是通过观测后续一小时内正常风机的情况来计算整体离群因子变化特征指数，本实施例中的时间段为10分钟，所以本实施例中t＝6。作为其它实施方式，观测的后续时长和时间段发生改变时，t的值也会发生改变。
[0077]
(4)对于任一初步正常风机：计算该初步正常风机中各桨叶之间的桨距角差异，记为第一差异；根据所述第一差异和该初步正常风机的各桨叶的桨距角计算该初步正常风机的桨距角异常指数，根据所述桨距角差异指数判断该初步正常风机是否异常。
[0078]
对于上述初步正常风机进行发电效率上的分析，风机在面临不同的风速时，会通过调整桨距角来增大或者减小风机的功率，本实施例中目标区域内的风机在工作时面临的环境因素也是基本相同的，所以每一个风机的桨距角也应是以相同的规律同步调整的。本实施例中目标区域内的各风机采用的变桨方式是同步变桨，所以对于上述初步正常风机而言，同一风机每一个桨叶的桨距角变化应是相似的，而对于不同风机，其桨距角的整体变化也应是相似的。基于此，本实施例计算了各初步正常风机的桨距角异常指数，计算公式如下：
[0079][0080]
其中，w为某个初步正常风机的桨距角异常指数，v1为该初步正常风机的第一个桨叶在目标时间段内的桨距角变化序列，v2为该初步正常风机的第二个桨叶在目标时间段内的桨距角变化序列，v3为该初步正常风机的第三个桨叶在目标时间段内的桨距角变化序
列，dtw为动态时间规整算法，代表该初步正常风机的三个桨叶的桨距角的变化相似性，通过dtw得到任意两个桨叶桨距角的动态时间规整距离，如果桨叶的桨距角数值变化趋势越接近，dtw的值越小。反映的是该初步正常风机中各桨叶之间的桨距角差异，将该差异记为该初步正常风机对应的第一差异。
[0081]
vf(1)是该初步正常风机的第f个桨叶在目标时间段内的第一个采集时刻的桨距角，vf(2)是该初步正常风机的第f个桨叶在目标时间段内的第二个采集时刻的桨距角，mean为求均值，mean{(vf(1)，vf(2)，......)为该初步正常风机的第f个桨叶在目标时间段内的各采集时刻的桨距角均值，是该初步正常风机的各个桨叶的桨距角均值，当风速恒定时，可基于风机各个桨叶的桨距角均值来评价风机当前的桨距角是否跟其他的风机接近。
[0082]
至此可得到目标区域中各初步正常风机对应的桨距角异常指数，根据目标区域中各初步正常风机对应的桨距角异常指数构建一个集合{w1，w2，......}，对集合{w1，w2，
……
}中的数据进行处理，进而找出初步正常风机中桨距角异常的风机。w1为目标区域中第1个初步正常风机对应的桨距角异常指数，w2为目标区域中第2个初步正常风机对应的桨距角异常指数。
[0083]
对集合{w1，w2，......}进行均值化操作，得到所有初步正常风机的平均桨距角变化指数mean({w1，w2，......})，因为风机的数量是较大的，而桨距角变化指数的值域是[0,1]，所以可以基于该均值对桨距角变化异常的风机进行筛选。本实施例设置一个阈值0.1，作为筛选参照值。具体的，利用如下公式计算各初步正常风机对应的异常判定值：
[0084]
x＝sign(abs(w
i-mean({w1，w2，......}))-0.1))
[0085]
其中，x为某初步正常风机对应的异常判定值，sign函数是符号函数，如果括号内的参数为正值，则返回值为1，意味着此桨距角变化指数对应的风机存在异常；若参数为负值则返回值为-1，意味着风机没有问题。wi为目标区域中第i个初步正常风机对应的桨距角异常指数，abs为取绝对值。
[0086]
对于各初始正常风机，若某初始正常风机对应的异常判定值x为1，那么判定该初始正常风机没有异常；若某初始正常风机对应的异常判定值x为-1，那么判定该初始正常风机出现异常。对于该处被判断为异常的风机，由于其只是相较于正常风机在工作效率上略差，因此可以让其继续工作，等停机之后再进行处理。
[0087]
由此，就可以实现对目标区域内各风机工作是否出现异常的判断。
[0088]
本实施例根据目标区域内各风机的低速轴位移信息、变桨电机的温度信息、各桨叶的桨距角信息和风机齿轮箱的振动信息对目标区域内各风机是否存在异常做出了判断，本实施例实现了对目标区域内是否存在工作异常风机的自动判断，提高了对风机的检测效率。
[0089]
以上所述实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围，均应
包含在本技术的保护范围之内。