一种风力发电机叶片故障在位声学诊断方法及监测系统的制作方法
【技术领域】
[0001] 本发明属于风力发电机叶片故障诊断技术，特别涉及一种风力发电机叶片故障在 位声学诊断方法及监测系统。
【背景技术】
[0002] 风力发电机叶片是吸收风能并提供机组运转的重要部件，其成本约占风力发电机 总成本15% -20%。全天候运行叶片所遭受的恶劣环境和复杂气候条件极易造成冲击或疲 劳性损伤和破坏。近30年来的全球风电机组事故统计分析表明，叶片故障所占数量最多且 有逐年增加趋势。叶片故障多发于盛风期，停机维修不仅带来巨大经济损失，同时叶片断裂 也是引起风电机组其他设备故障的重要因素。叶片定期维护修理及出现异常情况后停机检 查，都不能满足风力发电厂实际需要，尤其是构成叶片主体复合材料内部损伤具有隐蔽性， 易导致其整体结构突然崩溃性破坏发生，造成严重财产损失和安全威胁。
[0003] 近十年来，我国风电产业经历了爆发式增长，然而状态监测与故障识别技术严重 落后，风电机组缺少配套状态监测装置，凸显了风电机组状态监测和故障识别的重要性。国 家能源局发布《风力发电科技发展"十二五"专项规划》中指出叶片等关键零部件在线监测 与故障诊断是发展重点方向。风力发电机叶片由多种材料构成其空心整体结构，在复杂变 工况下运行（变桨和偏航运动），不同叶片制造标准不统一，这些都给风力发电机叶片状态 监测与故障诊断带来巨大困难与挑战性。现有叶片状态监测技术大部分是依赖接触式应变 测量以及兰姆波测量，需要提前将传感器贴于叶片表面或埋入内部，监测中传感器数量和 布置对测量结果影响较大，诊断效果不够稳定。
【发明内容】
[0004] 本发明的目的在于解决现有风力发电机叶片故障诊断技术中存在的难题，提供一 种风力发电机叶片故障的在位声学诊断方法，所述方法包括以下步骤：
[0005] S100、采集叶片声信号：在含有异响或哨声的风力发电机叶片附近安装传声器，采 集叶片的声信号；
[0006] S200、滤波降噪：对所述的叶片声信号进行滤波降噪，将降噪后的声信号进行短时 傅里叶变换得到其时频谱图；
[0007] S300、计算叶片故障标准声信号：定义所述时频谱图中的峰值曲线为特征形态时 频曲线，利用多项式拟合原理对特征形态时频曲线进行拟合获得重构特征信号，定义所述 重构特征信号为判断叶片故障的标准声信号；
[0008] S400、判断叶片是否发生故障：计算降噪后的叶片声信号与叶片故障标准声信号 的相关系数，若相关系数大于阈值即表示信号包含叶片故障标准声信号的特征，认为叶片 发生故障，预警并且建议对叶片进行检查。
【附图说明】
[0009] 图1为本发明实施例的实际测试方案示意图；
[0010] 图2中（a)为本发明风电机叶片声信号在维纳滤波前的时频谱图、（b)为本发明 风电机叶片声信号在维纳滤波后的时频谱图；
[0011] 图3初步降噪声信号经过该高通滤波器后的时频谱图；
[0012] 图4中（a)为本发明特征形态峰值曲线与拟合多项式曲线，（b)为本发明标准声 信号的时频谱图；
[0013] 图5中（a)为本发明风力发电机叶片声信号的故障出现周期，（b)本发明标准声 信号与风力发电机叶片声信号的相关系数曲线及峰值点。
【具体实施方式】
[0014] 下面给出本发明的一个具体实施案例，结合附图能更清楚、深入地理解本发明的 目的、技术方案及优点。所提出的实施案例仅用来阐述与解释本发明的详细方法过程，并不 能限制本发明的适用范围。
[0015] 在一个实施例中，提出的一种基于特征形态时频曲线的风力发电机叶片故障在位 声学诊断方法，该方法从强背景风噪声信号中分离出风力发电机叶片故障信息，降低噪声 信号干扰，同时从声信号时频分析出发，聚焦和凸显声信号中的故障特征，实现对风机叶片 故障的诊断。
[0016] 具体步骤如下：
[0017] 步骤1 :在风力发电机叶片附近安装传声器，通过传声器对叶片运行时声音进行 采集与监测，获得叶片的声信号；
[0018] 如图1所述：在风力发电机塔筒门外部上方，应用传声器支架安装并固定传声器 于指定位置，传声器的话筒面须朝向叶片位置，传声器测量获取的声信号由声信号数采设 备采集与存储，并通过声信号处理模块进行分析。该风力发电机叶片监测系统包括传声器、 传声器支架、声信号数采设备及声信号处理模块，在声信号数采设备的采样频率设置时，最 好将采样频率设定为传声器测量最高频率的两倍。
[0019] 更为具体的，所述风力发电机叶片监测系统包括通用便携式电脑一台，国产Econ AVANT MI-7008数据采集仪一套，声望声电MPA 201传声器一只，声探头支架一个，由于声 音信号频率较高，声探头测量频率范围为：20-20000Hz，因此采样频率设置为：48000Hz。
[0020] 优选的，所述步骤1具体包括：将传声器采集的叶片声信号记为S (η)，η = 0， 1，. . .，Ν-1，其中η为时间序列，N为时间序列长度，叶片声信号的采集与监测条件必须满足 以下内容：
[0021] 1)叶片声信号的采集与监测方法适用于三叶水平轴式风力发电机的叶片运行声 信号S (η)监测和故障诊断；
[0022] 2)为保证从采集声信号s (η)中获取故障信息，需要在安装传声器时将传声器接 收信号的部位朝向叶片位置，可将传声器安装于风力发电机外部塔筒门上方，也可以安装 于机舱外部，安装位置需要综合考虑风场风力发电机结构特征、设备布置合理性与简便性 等因素；
[0023] 3)叶片运行速度需要相对稳定并且能够达到激励出叶片故障哨声的水平；
[0024] 4)采集的声信号s (η)时间长度范围N最好选择在3Κ N彡6TMd之间，其中Trad 为叶片的旋转周期，时间长度选择在三倍TMd以上确保能从信号中提取出有效的故障特征， 同时，时间也不宜过长，因为风力发电机在运行时风速是变化的，Trad随时间变化，并且考虑 到监测要求，取值过长会影响计算效率。
[0025] 步骤2 :对采集的声信号使用维纳滤波处理进行初步降噪，再将初步降噪信号进 行短时傅里叶变换得到其时频谱图。其中，采集声信号维纳滤波处理进行降噪前后的时频 图分别如图2(a)和图2(b)所示，信号处理详细步骤如下：
[0026] 步骤2. 1)使用维纳滤波处理采集的声信号s (η)，得到初步降噪信号〗(/〇,其中维 纳滤波器的频响函数表示如下：
【主权项】
1. 一种风力发电机叶片故障在位声学诊断方法，其特征在于：所述方法包括以下步 骤： S100、采集叶片声信号：在含有异响或哨声的风力发电机叶片附近安装传声器，采集叶 片的声信号； S200、滤波降噪：对所述的叶片声信号进行滤波降噪，将降噪后的声信号进行短时傅里 叶变换得到其时频谱图； S300、计算叶片故障标准声信号：定义所述时频谱图中的峰值曲线为特征形态时频曲 线，利用多项式拟合原理对特征形态时频曲线进行拟合获得重构特征信号，定义所述重构 特征信号为判断叶片故障的标准声信号； S400、判断叶片是否发生故障：计算降噪后的叶片声信号与叶片故障标准声信号的相 关系数，若相关系数大于阈值即表示信号包含叶片故障标准声信号的特征，认为叶片发生 故障，预警并且建议对叶片进行检查。
2. 根据权利要求1所述的诊断方法，其特征在于，优选的，所述步骤SlOO中安装传感器 包括将传声器安装于风力发电机外部塔筒门上方或安装于机舱外部，在安装传声器时将所 述传声器接收信号的部位朝向叶片位置。
3. 根据权利要求1所述的诊断方法，其特征在于，所述步骤SlOO中采集叶片的声信号 时保证所述采集到的叶片声信号的长度在三个到六个叶片的旋转周期之间。
4. 根据权利要求1所述的诊断方法，其特征在于，所述步骤S200中对叶片声信号进行 滤波降噪采用维纳滤波原理进行。
5. 根据权利要求1所述的诊断方法，其特征在于，所述步骤S300中特征形态时频曲线 的具体定义包括在所述降噪信号的时频谱图中，以叶片旋转周期为时间间隔，将数个形态 相似且连续变化的峰值曲线。
6. 根据权利要求5所述的诊断方法，其特征在于，所述步骤S300中重构特征信号包括 在特征形态时频曲线上均匀选取10~15个点，依据最小二乘法原理，利用多项式拟合原理 对该特征形态时频曲线进行拟合，求解多项式的系数来得到的。
7. 根据权利要求1所述的诊断方法，其特征在于，所述步骤S400中相关系数计算公式 如下：
其中：Rsy(k)表示相关系数，以〃)，"=〇二2....，-1表示滤波降噪信号，其中11为时间序 列，N为时间序列长度；y*(m)，m = 0，1，2，...，M-1表示重构特征信号，其中m为时间序列， M为时间序列长度；k是相关系数的时间序列，L表示相关系数的长度且L = N+M-1。
8. 根据权利要求7所述的诊断方法，其特征在于，所述步骤S400中所述阈值为0. 2。
9. 一种风力发电机叶片故障监测系统，其特征在于：所述检测系统包括传声器、传声 器支架、声信号数采设备及声信号处理模块； 所述传声器安装在传声器支架并放置在风力发电机叶片周围，感知和监测风力发电机 叶片运行的声信号； 所述传声器支架放置于风力发电机叶片的周围，作用为固定所述传声器于指定安装位 置，便于传声器采集叶片运行的声信号； 所述声信号数采设备接收并存储从传声器到叶片运行的声信号，并将声信号传输到声 信号处理模块； 所述声信号处理模块从所述声信号数采设备中获取叶片运行的声信号并对声信号进 行分析，从而诊断叶片的故障并给出预警判断。
【专利摘要】本发明公开了一种风力发电机叶片故障在位声学诊断方法及监测系统，以叶片受损伤产生裂纹后会在运转过程发出准周期性的异响或哨声为依据，首先对含有异响或哨声的运行叶片声信号进行滤波降噪，从降噪后的声信号时频谱图中提出了特征形态时频曲线；由特征形态时频曲线的拟合多项式重构叶片异响或哨声的特征信号，将特征信号与降噪后的叶片声信号做相关，根据相关系数峰值确定叶片故障声信号报警阈值并判断叶片故障发生及周期。本发明为风力发电机叶片在线监测提供了一种简单高效、低成本与非接触的在位故障诊断方法，给予风力发电机叶片正常运行及维护指导性意见。
【IPC分类】G01M13-00
【公开号】CN104677623
【申请号】CN201510115347
【发明人】陈雪峰, 翟智, 王诗彬, 李想, 杨志勃, 李兵
【申请人】西安交通大学
【公开日】2015年6月3日
【申请日】2015年3月16日