发明的一个实施例中，图3所示装置的分析处理模块320，用于实时分析不同叶片的噪音信号的频谱特征之间的差异；对于每个叶片，判断该叶片与其他各叶片的当前噪音信号的频谱特征之间的差异是否均出现异常，是则确定该叶片发生故障。其中，该叶片与其他任一叶片的当前噪音信号的频谱特征之间的差异出现异常包括:二者的当前噪音信号的频谱特征之间的差异超出预定范围。
[0057]在本发明的一个实施例中，图3所示装置的分析处理模块320，用于判断一个叶片的噪音信号的频谱的频率范围是否达到嘯叫频率范围，是则确定该叶片发生故障。
[0058]在本发明的一个实施例中，图3所示装置的信号采集器310，进一步用于采集风力发电机组在初始运行时各叶片的全转速状态的噪音信号，作为各叶片的全转速标准噪音信号；分析处理模块320，进一步用于根据各叶片的当前噪音信号的周期获得当前转速；从各叶片的全转速标准噪音信号中获取与当前转速对应的各叶片的当前标准噪音信号，获得各叶片的当前标准噪声信号的频谱特征；对于每个叶片，比较该叶片的当前噪音信号的频谱特征与当前标准噪音信号的频谱特征，如果存在异常，则确定该叶片发生故障。
[0059]在本发明的一个实施例中，图3所示装置的信号采集器310包括:安装在所述风力发电机组的机舱部位的拾音器或拾音器阵列。
[0060]在本发明的一个实施例中，将上述拾音器或拾音器阵列设置在耳蜗结构中，利用耳蜗结构的特点能够实现定向、定距离对噪音信号的采集，能够抑制环境噪声，实现回声消除，并对拾音器或拾音器阵列进行防雨、防风沙的保护，提高拾音器或拾音器阵列的采集效率，延长拾音器或拾音器阵列的使用寿命。
[0061]图3所示的装置的各实施例与图1-图2相关的各实施例相对应，上文中已详细说明，在此不再赘述。
[0062]综上所述，本发明提供的技术方案在不影响风力发电机组正常运行的前提下，通过对风力发电机组各叶片实施非接触式的噪音信号的采集、处理和分析，实时监测叶片状态，能够及时、准确地对叶片的各种异常状态或故障状态做出诊断，进而能够针对所诊断出的故障制定相应的应对措施，降低由于突发事故产生的不必要损失及停机维护检修带来的发电损失，减少叶片的维修维护成本，提高风力发电机组的整体可靠性、稳定性与综合效益，减少巡检工作中的人为疏忽和安全隐患，对山区等风况复杂、不易巡检地区尤为适合。
[0063]以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
【主权项】
1.一种风力发电机组叶片故障诊断的方法，其特征在于，该方法包括: 采集风力发电机组各叶片的噪音信号； 获得各叶片的噪音信号的频谱特征； 根据各叶片的噪音信号的频谱特征判断是否存在发生故障的叶片。2.如权利要求1所述的方法，其特征在于，所述根据各叶片的噪音信号的频谱特征判断是否存在发生故障的叶片包括: 分析不同叶片的噪音信号的频谱特征之间的差异； 对于每个叶片，如果该叶片与其他各叶片的当前噪音信号的频谱特征之间的差异均出现异常，则确定该叶片发生故障； 其中，该叶片与其他任一叶片的当前噪音信号的频谱特征之间的差异出现异常包括:二者的当前噪音信号的频谱特征之间的差异超出预定范围。3.如权利要求1所述的方法，其特征在于，所述根据各叶片的噪音信号的频谱特征判断是否存在发生故障的叶片包括: 如果一个叶片的噪音信号的频谱的频率范围达到嘯叫频率范围，则确定该叶片发生故障。4.如权利要求1所述的方法，其特征在于， 在所述采集风力发电机组各叶片的噪音信号之前，该方法进一步包括:采集风力发电机组在初始运行时各叶片的全转速状态的噪音信号，作为各叶片的全转速标准噪音信号； 在所述采集风力发电机组各叶片的噪音信号之后，该方法进一步包括:根据各叶片的当前噪音信号的周期获得当前转速；从各叶片的全转速标准噪音信号中获取与当前转速对应的各叶片的当前标准噪音信号；获得各叶片的当前标准噪声信号的频谱特征； 则所述根据各叶片的噪音信号的频谱特征判断是否存在发生故障的叶片包括:对于每个叶片，比较该叶片的当前噪音信号的频谱特征与当前标准噪音信号的频谱特征，如果存在异常，则确定该叶片发生故障。5.如权利要求1所述的方法，其特征在于，所述采集风力发电机组各叶片的噪音信号包括: 将拾音器或拾音器阵列安装在所述风力发电机组的机舱部位，利用所述拾音器或拾音器阵列采集风力发电机组各叶片的噪音信号。6.一种风力发电机组叶片故障诊断的装置，其特征在于，该装置包括: 信号采集器，用于采集风力发电机组各叶片的噪音信号； 分析处理模块，用于获得各叶片的噪音信号的频谱特征；根据各叶片的噪音信号的频谱特征判断是否存在发生故障的叶片。7.如权利要求6所述的装置，其特征在于， 所述分析处理模块，用于实时分析不同叶片的噪音信号的频谱特征之间的差异；对于每个叶片，判断该叶片与其他各叶片的当前噪音信号的频谱特征之间的差异是否均出现异常，是则确定该叶片发生故障； 其中，该叶片与其他任一叶片的当前噪音信号的频谱特征之间的差异出现异常包括:二者的当前噪音信号的频谱特征之间的差异超出预定范围。8.如权利要求6所述的装置，其特征在于， 所述分析处理模块，用于判断一个叶片的噪音信号的频谱的频率范围是否达到嘯叫频率范围，是则确定该叶片发生故障。9.如权利要求6所述的装置，其特征在于， 所述信号采集器，进一步用于采集风力发电机组在初始运行时各叶片的全转速状态的噪音信号，作为各叶片的全转速标准噪音信号； 所述分析处理模块，进一步用于根据各叶片的当前噪音信号的周期获得当前转速；从各叶片的全转速标准噪音信号中获取与当前转速对应的各叶片的当前标准噪音信号，获得各叶片的当前标准噪声信号的频谱特征；对于每个叶片，比较该叶片的当前噪音信号的频谱特征与当前标准噪音信号的频谱特征，如果存在异常，则确定该叶片发生故障。10.如权利要求6所述的装置，其特征在于，所述信号采集器包括:安装在所述风力发电机组的机舱部位的拾音器或拾音器阵列。
【专利摘要】本发明公开了一种风力发电机组叶片故障诊断的方法和装置，该方法包括：采集风力发电机组各叶片的噪音信号；获得各叶片的噪音信号的频谱特征；根据各叶片的噪音信号的频谱特征判断是否存在发生故障的叶片。上述可知，本发明提供的技术方案在不影响风力发电机组正常运行的前提下，通过对风力发电机组各叶片的噪音信号的采集、处理和分析，实时监测叶片状态，能够及时、准确地对叶片的各种异常状态或故障状态做出诊断，进而能够针对所诊断出的故障制定相应的应对措施，降低由于突发事故产生的不必要损失及停机维护检修带来的发电损失，减少叶片的维修维护成本，提高风力发电机组的整体可靠性、稳定性与综合效益。
【IPC分类】G01M13/00
【公开号】CN105136435
【申请号】CN201510415280
【发明人】张彪, 岳宁, 刘张辉, 刘晓枫
【申请人】北京汉能华科技股份有限公司
【公开日】2015年12月9日
【申请日】2015年7月15日