本发明属于风机监测，尤其涉及一种用于火电机组的风机声纹监测方法。
背景技术：
1、随着电力行业不断发展，对火电厂安全稳定生产运行也提出更高的要求。在锅炉风机设备运行方面，实际作业极容易受到环境、温度、维护等因素影响，导致设备运行出现故障不能及时发现与解决，火电厂运行可靠稳定也无法得到保障。特别是风机叶片和轴承在高强度作业下容易受到各种因素的影响受到磨损，导致叶轮不平衡、轴承磨损等问题出现，若不能对其进行及时处理，叶片遭受磨损的机率也会升高、机组振动可能不断增大甚至引起跳机事故。所以需要加强对风机的监测工作，及时排除隐患，确保风机能够安全稳定地运行。
2、火电机组风机巡检普遍采用现场普查模式，巡检时间过长、现场环境恶劣，针对性不强、效率低下。此外，现有的巡查完全通过运行人员定期巡视排查，存在监测周期长、人工成本高、初期故障排查难度大等问题。图像监控远程巡检，仅能识别表面故障，存在听觉盲区，对于重点模具设备巡视可靠性不高，依然需要采取传统的现场检查模式。
技术实现思路
1、为了解决背景技术中所述的现有的巡查周期过长，凸显监测不准确的问题，本发明提出了如下技术方案：
2、一种用于火电机组的风机声纹监测方法，其特征在于，包括：
3、基于基础模型和故障声纹数据进行训练，以形成风机健康度模型；
4、搭建声纹采集网络并定时采集声纹数据以生成声纹数据集；
5、通过自适应切片算法对所述声纹数据集进行切片处理，从而生成切片数据集；
6、所述风机健康度模型通过特征提取算法对所述切片数据集进行分析，以定期反馈所述声纹采集网络各区域的健康度；
7、智能中枢根据所述健康度对各风机进行监控并在所述健康度低于安全区间时向监控平台发出警报。
8、其中，每个风机表面通过预设拓扑设置分布式的采集节点，每个所述采集节点分别安装采样设备以形成所述声纹采集网络；每个采样设备均与服务器相连，并且每个采样设备之间保持同步。
9、进一步地，所述自适应切片算法包括：
10、时频特性预处理；
11、识别有效声纹片段；
12、根据相似度算法将每组声纹数据进行分割处理切割形成多段切片数据；
13、通过特征匹配算法对所述切片数据进行优化。
14、进一步地，所述健康度f通过f＝fdq*(0.5*fdk+0.5*fpl)*100获取；其中，fdp为风机声纹的强度模型，fdk为风机声纹的带宽模型，fpl为风机声纹的频率模型。
15、进一步地，所述fpl通过获得；其中，所述fapl为正常工况时的风机声纹频率，所述fspl为实际工况时的风机声纹频率。
16、进一步地，所述fdk通过获得；其中，fsdk为实际工况时的风机声纹带宽，fadk为正常工况时的风机声纹带宽。
17、进一步地，在对所述声纹数据进行预处理时，智能中枢需通过自适应降噪算法对所述声纹数据进行滤波。
18、进一步地，当所述风机健康度模型分析所述切片数据集时，若所述fdp、所述fdk、所述fpl之一输出异常，但健康度位于安全区间，则所述智能中枢标记并保存相应的切片数据集为异常数据。
19、有益效果：本发明通过收集故障风机的声纹数据从而训练生成相应的风机健康度模型，在建立声纹采集网络后定期采集各个电机的声纹数据，以此替代人工实现定时监控。
1.一种用于火电机组的风机声纹监测方法，其特征在于，包括：
2.根据权利要求1中所述的一种用于火电机组的风机声纹监测方法，其特征在于，每个风机表面通过预设拓扑设置分布式的采集节点，每个所述采集节点分别安装采样设备以形成所述声纹采集网络；每个采样设备均与服务器相连，并且每个采样设备之间保持同步。
3.根据权利要求2中所述的一种用于火电机组的风机声纹监测方法，其特征在于，所述自适应切片算法包括：
4.根据权利要求3中所述的一种用于火电机组的风机声纹监测方法，其特征在于，所述健康度f通过f＝fdq*(0.5*fdk+0.5*fpl)*100获取；其中，fdp为风机声纹的强度模型，fdk为风机声纹的带宽模型，fpl为风机声纹的频率模型。
5.根据权利要求4中所述的一种用于火电机组的风机声纹监测方法，其特征在于，所述fpl通过获得；其中，所述fapl为正常工况时的风机声纹频率，所述fspl为实际工况时的风机声纹频率。
6.根据权利要求5中所述的一种用于火电机组的风机声纹监测方法，其特征在于，所述fdk通过获得；其中，fsdk为实际工况时的风机声纹带宽，fadk为正常工况时的风机声纹带宽。
7.根据权利要求6中所述的一种用于火电机组的风机声纹监测方法，其特征在于，所述fqd通过获得；其中，所述fsqd为实际工况的风机声纹强度，所述faqd为正常工况的风机声纹强度。
8.根据权利要求7中所述的一种用于火电机组的风机声纹监测方法，其特征在于，在对所述声纹数据进行预处理时，智能中枢需通过自适应降噪算法对所述声纹数据进行滤波。
9.根据权利要求7中所述的一种用于火电机组的风机声纹监测方法，其特征在于，当所述风机健康度模型分析所述切片数据集时，若所述fdp、所述fdk、所述fpl之一输出异常，但健康度位于安全区间，则所述智能中枢标记并保存相应的切片数据集为异常数据。