欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025100309899
申请人: 河海大学
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于声纹识别的海上风机叶片在线监测方法,其特征在于,其包括以下具体步骤:获取风机声纹数据、天气情况数据和风机发电量数据;

构建信号处理模型,通过信号放大器、滤波器和特征提取单元对采集到的声纹信号进行去噪、放大及特征提取,提取声纹信号参数;

构建深度学习模型,将声纹信号参数、天气数据和风机发电量导入深度学习模型评估未来风机叶片裂纹,包括:将声纹信号的频率和振幅输入CNN卷积神经网络输出声纹特征向量,将声纹特征向量、天气数据和风机发电量代入时间序列输入矩阵中,将时间序列特征矩阵输入LSTM长短时记忆网络中,输出预估损伤评分,所述预估损伤评分为未来外部环境变化对风机产生的影响;

构建裂纹评估模型,将裂纹声源位置、裂纹深度、裂纹长度和预估损伤评分导入裂纹评估模型评估未来天气情况下风机叶片裂纹程度;

根据裂纹损伤评分对风机裂纹进行分级并报警。

2.如权利要求1所述的一种基于声纹识别的海上风机叶片在线监测方法,其特征在于,所述获取风机声纹数据、天气情况数据和风机发电量数据包括以下具体步骤:S11、通过设置在监测位置的声纹采集终端获取运行状态下风机叶片的声纹数据,并且获取风机裂纹历史数据;

S12、通过监测站获取海上天气情况数据,通过发电站获取风机发电量数据;

S13、将风机叶片裂纹历史数据、天气情况历史数据和发电量历史数据构建成训练集。

3.如权利要求2所述的一种基于声纹识别的海上风机叶片在线监测方法,其特征在于,所述构建信号处理模型,通过信号放大器、滤波器和特征提取单元对采集到的声纹信号进行去噪、放大及特征提取包括以下具体步骤:S21、将采集到的声纹信号导入信号放大器对初级采集的声纹信号进行放大处理,将放大后的信号导入滤波器进行噪声过滤,将处理后的信号导入特征提取单元进行特征提取,提取声纹信号的频率、振幅、频域幅值参数;

S22、将声纹信号参数代入峭度值计算公式中计算峭度值,其中,峭度值计算公式为:其中,xi为第i个瞬时信号振幅,x′为信号振幅均值,N为总信号数;

S23、将声纹信号参数代入频带能量计算公式中计算频带能量,其中,频带能量计算公式为:其中,M(f)为声纹信号的频域幅值,[f1,f2]为声纹信号频率范围;

S24、将声纹信号参数代入高频谐波计算公式中计算为高频谐波,其中,高频谐波计算公式为:其中,fb为高频截止频率,为高频区域的能量总和,∑[M(f)]2为整个频率范围内的总能量。

4.如权利要求3所述的一种基于声纹识别的海上风机叶片在线监测方法,其特征在于,所述构建深度学习模型,将声纹信号参数、天气数据和风机发电量导入深度学习模型评估未来风机叶片裂纹包括以下具体步骤:S31、将声纹信号的频率和振幅输入CNN卷积神经网络提取声纹空间特征,输出声纹特征向量S,将声纹特征向量、天气数据和风机发电量代入时间序列输入矩阵中,其中,时间序列输入矩阵为:其中,Wj为第j时刻的风速,Dj为第j时刻的风向,Tj为第j时刻的温度,Rj为第j时刻的湿度,Pj为第j时刻的发电量,Sj为第j时刻的声纹特征向量,而j为1至n中的任一项;

S32、将时间序列特征矩阵输入LSTM长短时记忆网络中,输出预估损伤评分,其中,预估损伤评分计算公式为:Y=fLSTM(X),其中,fLSTM为LSTM网络的时间建模函数,Y损伤评分。

5.如权利要求4所述的一种基于声纹识别的海上风机叶片在线监测方法,其特征在于,所述构建裂纹评估模型,将裂纹声源位置、裂纹深度、裂纹长度和预估损伤评分导入裂纹评估模型评估未来天气情况下风机叶片裂纹程度包括以下具体步骤:S41、通过声纹采集终端接受信号到达时间差计算裂纹声源位置,其中,裂纹声源位置的计算公式为:d=v×t,其中,v为声波传播速度,t为声纹信号到达的时间差;

S42、将声纹信号参数代入裂纹深度计算公式中计算裂纹深度,其中,裂纹深度计算公式为:其中,v为声波传播速度,t为声纹信号到达的时间差,Kr为风机正常状态下的峭度值,Er为风机正常状态下的频带能量,K为当前峭度值,E为当前频带能量;

S43、将声纹信号参数代入裂纹长度计算公式中计算裂纹长度,其中,裂纹长度计算公式为:其中,A为当前检测到的信号幅值,A0为风机正常状态下的初始幅值,α为声波在材料中的衰减系数,C为幅值单位转换因子,Kr为风机正常状态下的峭度值,K为当前峭度值,Hr为风机正常状态下的高频谐波,H为当前高频谐波;

S44、将裂纹声源位置、裂纹深度、裂纹长度和预测损伤评分代入裂纹损伤评分公式中评估未来天气情况下风机叶片裂纹程度,其中,裂纹损伤评分公式为:其中,Y为预估损伤评分,d为裂纹声源位置,ξ为裂纹声源位置权重,h为裂纹深度,L为裂纹长度,hm为风机叶片承受最大裂纹深度,Lm为风机叶片承受最大裂纹长度,λ为裂纹聚集程度,其中,裂纹聚集程度计算公式为:其中,ρ为风机叶片长度,u为现有裂纹之间的平均距离。

6.如权利要求5所述的一种基于声纹识别的海上风机叶片在线监测方法,其特征在于,根据裂纹损伤评分对风机裂纹进行分级并报警,在检测到叶片裂纹时依据不同等级发出报警信号,远程报警单元通过网络将报警信息传输至远程监控中心。

7.一种基于声纹识别的海上风机叶片在线监测系统,其基于如权利要求1-6任一项的所述一种基于声纹识别的海上风机叶片在线监测方法实现,其特征在于,其具体包括:数据获取模块,用于获取风机声纹数据、天气情况数据和风机发电量数据;

信号处理模块,用于对采集到的声纹信号进行去噪、放大及特征提取;

深度学习模块,用于将声纹信号参数、天气数据和风机发电量导入深度学习模型评估未来风机叶片裂纹;

裂纹评估模块,用于将评估未来天气情况下风机叶片裂纹程度;

报警模块,用于通过裂纹损伤评分对风机裂纹进行分级并报警。

8.一种电子设备,其特征在于,包括:处理器和存储器,其中,所述存储器中存储有可供处理器调用的计算机程序;

所述处理器通过调用所述存储器中存储的计算机程序,执行如权利要求1-6任一项所述的一种基于声纹识别的海上风机叶片在线监测方法。

9.一种计算机可读存储介质,其特征在于,储存有指令,当所述指令在计算机上运行时,使得计算机执行如权利要求1-6任一项所述的一种基于声纹识别的海上风机叶片在线监测方法。