CN109505741B - 一种基于矩形麦克风阵列的风力发电机破损叶片检测方法及装置 - Google Patents

一种基于矩形麦克风阵列的风力发电机破损叶片检测方法及装置 Download PDF

Info

Publication number
CN109505741B
CN109505741B CN201811565195.9A CN201811565195A CN109505741B CN 109505741 B CN109505741 B CN 109505741B CN 201811565195 A CN201811565195 A CN 201811565195A CN 109505741 B CN109505741 B CN 109505741B
Authority
CN
China
Prior art keywords
abnormal sound
microphone array
driven generator
wind driven
sound signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811565195.9A
Other languages
English (en)
Other versions
CN109505741A (zh
Inventor
程泽丰
李晓磊
方文胜
潘翔
邱俭军
沈一宁
章烨辉
楼晨露
章杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201811565195.9A priority Critical patent/CN109505741B/zh
Publication of CN109505741A publication Critical patent/CN109505741A/zh
Application granted granted Critical
Publication of CN109505741B publication Critical patent/CN109505741B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D80/00—Details, components or accessories not provided for in groups F03D1/00 - F03D17/00
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/72—Wind turbines with rotation axis in wind direction

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种基于矩形麦克风阵列的风力发电机破损叶片检测方法及装置。本发明方法包括：利用矩形麦克风阵列，以非接触方式采集异响信号；估计破损叶片产生异响信号的到达角；对异响信号进行常规波束形成；对波束形成输出信号进行短时傅立叶变换，在指定频率区间进行频谱能量累加，利用滑动窗局部极大值搜索方法，获取异响信号的周期性特征，判定风力发电机叶片是否存在破损。本发明提供的基于矩形麦克风阵列的风力发电机破损叶片检测方法及装置，能够准确检测大型风力发电机的破损叶片，并且提供了非接触式的声学检测方案。

Description

一种基于矩形麦克风阵列的风力发电机破损叶片检测方法及 装置
技术领域
本发明涉及多传感器采集和故障检测领域，尤其涉及一种基于矩形麦克风面阵的风力发电机破损叶片检测方法及装置。
背景技术
风力发电机叶片是风电机组的关键部件之一，其性能直接影响风力发电机的发电效率和***稳定性。因叶片整体裸露在外，工作环境多变，叶片破损甚至断裂的事故时有发生。当叶片发生事故特别是断裂事故时，叶片旋转的平衡状态被破坏，可能引起发电机组的剧烈振动导致保护装置失效，从而给发电机组轴系和风机塔筒造成巨大危害。
叶片开裂、破损的原因很多：例如在生产过程中工艺不过关、叶片材料强度不足等，实际机组运行过程中风沙磨损侵蚀、雨雪水汽侵蚀、雷击损坏等。如果在叶片断裂事故发生之前，检测装置及时预警，由专业维护作业人员决定是否停机检测维修，能够在最大程度上避免损失。
目前常用的风力发电机破损叶片的检测方法主要有以下几种：
(1)维护人员通过望远镜等工具观察；
(2)无人机巡查；
(3)风力发电机叶片表面或者内部布置震动或者光学传感器实时检测。
为了解决在复杂多变的环境中风力发电机破损叶片检测的问题，研究人员提出了利用在叶片表面或者内部布置声学/振动传感器，采集风力发电机叶片信号的方法，通过对采集的声学数据的分析，确定破损叶片和完整叶片产生声学信号的不同特征，结合专业维护保障人员多年积累的作业经验，判断风机叶片是否存在破损，是否需要停机检测维修。
在实际过程中，基于声学/振动传感器的破损叶片检测方法存在以下问题：
(1)传感器布放的位置、数目、灵敏度等指标难以确定；
(2)声学/振动传感器采集信号包含叶片、风机轴系等多种信号成分，给分析和确定叶片破损的声学信号特征造成困难；
(3)声学特征往往需要专业维护保障人员筛选和界定，需要巨大的样本量。
发明内容
针对现有技术存在的问题，本发明“基于矩形麦克风阵列的风力发电机破损叶片检测方法及装置”利用矩形麦克风阵列通过非接触的检测方式，搭建声学采集处理***，同时主要利用到达角估计、波束形成、时频域分析等处理方法，获取异响出现的特征，最终判断检测的风力发电机机组叶片是否存在破损。
本发明的目的是通过以下技术方案来实现的：一种基于矩形麦克风阵列的风力发电机破损叶片检测方法，该方法包括以下步骤：
步骤1：将矩形麦克风阵列置于大型风力发电机塔筒下方，以非接触式采集方式采集异响信号；
步骤2：对异响信号进行到达角估计，以获得异响信号的期望角度；
步骤3：对异响信号进行常规波束形成；
步骤4：利用短时傅立叶变换分析异响信号指定频率区间的时频特征，对频谱能量进行累加；利用滑动窗局部极大值搜索方法，获取异响出现的周期性特征，判定风力发电机叶片是否存在破损。
进一步地，所述步骤2具体包括以下子步骤：
步骤21，对异响信号分帧，记采集的L帧信号中第
Figure BDA0001914354010000021
帧为
Figure BDA0001914354010000022
M为矩形麦克风阵列的麦克风总数，每个麦克风作为一个通道。利用短时傅立叶变换，将第m通道第
Figure BDA0001914354010000023
帧的时域信号转换到时频域表示形式
Figure BDA0001914354010000024
表示第k个频点，变换公式如下：
Figure BDA0001914354010000025
其中，N是短时傅立叶变换的长度，bn是长度为N的窗函数，记第
Figure BDA0001914354010000026
帧的时频域信号为
Figure BDA0001914354010000027
步骤22，定义每个频点k的数据相关矩阵
Figure BDA0001914354010000028
E[·]表示求期望。根据常规波束形成权向量w(θ，k)，利用子频带到达角估计方法，对K个子频带的空间谱估计结果求平均，得到总波束功率P(θ)，公式如下：
Figure BDA0001914354010000029
对总波束功率P(θ)进行搜索，获得到达角估计值
Figure BDA00019143540100000210
即异响期望角度。
进一步地，所述步骤3具体为：
根据异响信号的到达角估计值
Figure BDA00019143540100000211
对期望角度内异响信号进行常规波束形成，记驾驶至
Figure BDA00019143540100000212
角度的常规波束形成器的权向量
Figure BDA00019143540100000213
的公式如下：
Figure BDA0001914354010000031
其中
Figure BDA0001914354010000032
[p1 p2 ... pM]为M个麦克风的阵元三维坐标，λk为对应频点k的波长；
获得波束形成后的输出信号
Figure BDA0001914354010000033
公式如下：
Figure BDA0001914354010000034
进一步地，所述步骤4具体包括以下子步骤：
步骤41，根据波束形成输出信号
Figure BDA0001914354010000035
确定频率区间[kL，kH]，对该频段内频谱能量进行累加，获得第
Figure BDA0001914354010000036
帧的频谱能量
Figure BDA0001914354010000037
公式如下：
Figure BDA0001914354010000038
利用滑动窗寻找全部L帧
Figure BDA0001914354010000039
的局部极大值，记L帧中所有J个局部极大值的下标为I＝[I1，i2，...，IJ]。
步骤42，根据获得的局部极大值的下标序列I＝[I1，i2，...，IJ]，计算该序列元素的间隔分布特征方差σ2；根据如下公式得出叶片异响信号的检测结果Λ，
Figure BDA00019143540100000310
其中
Figure BDA00019143540100000311
为方差阈值初始值；若Λ＝1，判决检测出异响信号；反之，则未在该段信号中检出异响信号；
Figure BDA00019143540100000312
由采集的前Q个异响信号样本的方差确定，公式如下：
Figure BDA00019143540100000313
其中
Figure BDA00019143540100000314
为第i个样本频谱能量局部极大值下标序列的间隔分布特征方差。
步骤43，对同一台风机机组，采集多个样本，重复步骤41至步骤42，给出各样本的检测结果。若A＝1，更新方差阈值，反之，则不更新阈值。方差阈值的更新公式如下：
Figure BDA00019143540100000315
其中
Figure BDA00019143540100000316
为第i+1个样本频谱能量局部极大值下标序列的间隔分布特征方差。
一种基于矩形麦克风阵列的风力发电机破损叶片检测装置，该装置包括：
矩形麦克风阵列：布置于大型风力发电机塔筒下方，以非接触式采集方式采集异响信号；
下位机：与矩形麦克风阵列连接，用于控制命令接收、信号采集、数据传输和线程调度；下位机在接收到上位机发送的“开始”控制指令后，通过矩形麦克风阵列进行异响信号采集，并实时上传数据到上位机；下位机在接收到上位机发送的“停止”控制指令后，停止实时上传数据到上位机；
上位机：接收下位机发送的异响信号数据，对异响信号进行到达角估计，获得异响信号的期望角度；对异响信进行常规波束形成；利用短时傅立叶变换分析异响信号指定频段的时频特征，对频谱能量进行累加；利用滑动窗局部极大值搜索方法，获取异响出现的周期性特征，判定风力发电机叶片是否存在破损。
进一步地，所述下位机与上位机的连接及数据传输具体如下：
a，确定上位机和下位机的IP地址、命令端口和数据端口，建立连接；
b，上位机下发控制命令“开始”，下位机接收到“开始”控制命令头开始采集；
c，对矩形麦克风阵列所有通道的采集数据进行并串转换，下位机向上位机发送上行数据包；
d，上位机下发控制命令“停止”，下位机接收到“停止”控制命令头后，停止上传数据，直至上位机重新发送控制命令“开始”；
e，上位机设置有定时功能，采集定时时间数据后自动存储为.dat文件。
本发明的有益效果是：
(1)本发明使用非接触式的声学异响检测方法，便于检测的设备布放和运行，避免了传统检测方法中传感器需要布放至风机叶片表面或者内部的缺点；
(2)本发明采用麦克风阵列对风机破损产生的异响信号进行到达角估计和波束形成处理，能够有效提高信噪比，便于在有噪环境下分析破损叶片产生的异响信号；
(3)本发明利用频谱能量局部极大值下标序列的间隔分布特征方差检测风机叶片是否有损，并且能够根据样本进行判别阈值的自适应调整，避免了需要专业人员进行特征筛选和界定的问题；
(4)基于上述三个特点，本发明可以实现非接触式的风力发电机破损叶片检测功能，具有较好的实用价值。
附图说明
图1为本发明破损叶片检测方法总体流程图。
图2为本发明中异响信号到达角估计流程图。
图3为本发明中异响信号常规波束形成流程图。
图4为本发明中异响检测阈值判决和阈值更新流程图。
图5为本发明下位机***软件流程图。
图6为本发明上位机破损叶片检测方法检测结果(有破损叶片)。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细描述，本发明的目的和效果将变得更加明显。
图1给出了本发明的总体流程图。本发明对风力发电机破损叶片的检测分成4个步骤，即首先利用矩形麦克风阵列采集异响信号；对异响信号进行到达角估计确定信号来向；根据到达角估计结果对异响信号进行常规波束形成处理；对波束形成输出信号进行短时傅立叶变换，获得频谱能量局部极大值下标序列的间隔特征方差，根据不断更新的阈值判别风机叶片是否存在破损，输出检测结果。
本发明的检测方法具体实施方式如下：
步骤1，将矩形麦克风阵列置于大型风力发电机塔筒下方，以非接触式采集方式采集异响信号。
步骤2，对异响信号进行到达角估计，以获得异响信号的期望角度。如图2所示，包含以下子步骤：
步骤21，对采集数据分帧，记采集的L帧信号中第
Figure BDA0001914354010000051
帧为
Figure BDA0001914354010000052
M为矩形麦克风阵列的麦克风总数，每个麦克风作为一个通道。利用短时傅立叶变换，将第m通道第
Figure BDA0001914354010000053
帧的时域信号转换到时频域表示形式
Figure BDA0001914354010000054
k表示第k个频点，变换公式如下：
Figure BDA0001914354010000055
其中，N是短时傅立叶变换的长度，bn是长度为N的窗函数，记第
Figure BDA0001914354010000056
帧的时频域信号为
Figure BDA0001914354010000057
作为优选，具体实施过程中，选择窗函数长度为1024的汉宁窗，短时傅立叶变换长度与窗函数长度保持一致。
步骤22，定义每个频点k的数据相关矩阵
Figure BDA0001914354010000058
E[·]表示求期望。根据常规波束形成权向量w(θ，k)，利用子频带到达角估计方法，对K个子频带的空间谱估计结果求平均，得到总波束功率P(θ)，公式如下：
Figure BDA0001914354010000059
对总波束功率P(θ)进行搜索，获得到达角估计值
Figure BDA00019143540100000510
即异响期望角度。在具体实施过程中，根据实际情况将角度的搜索范围缩小至区间[0，90°]。
步骤3，对异响信号进行常规波束形成。流程图如图3所示，包含以下步骤：
根据异响信号的到达角估计值
Figure BDA0001914354010000061
对期望角度内异响信号进行常规波束形成，记驾驶至
Figure BDA0001914354010000062
角度的常规波束形成器的权向量
Figure BDA0001914354010000063
公式如下：
Figure BDA0001914354010000064
其中
Figure BDA0001914354010000065
[p1 p2 ... pM]为M个麦克风的阵元三维坐标，λk为对应频点k的波长；
获得波束形成后的输出信号
Figure BDA0001914354010000066
公式如下：
Figure BDA0001914354010000067
步骤4，利用短时傅立叶变换分析异响信号指定频率区间的时频特征，对频谱能量进行累加；利用滑动窗局部极大值搜索方法，获取异响出现的周期性特征，判定风力发电机叶片是否存在破损。如图4所示，包含以下子步骤：
步骤41，根据波束形成输出信号
Figure BDA0001914354010000068
确定频率区间[kL，kH]，对该频段内频谱能量进行累加，获得第
Figure BDA0001914354010000069
帧的频谱能量
Figure BDA00019143540100000610
公式如下：
Figure BDA00019143540100000611
利用滑动窗寻找全部L帧
Figure BDA00019143540100000612
的局部极大值，记L帧中所有J个局部极大值的下标为I＝[I1，I2，...，IJ]。具体实施过程中，分析实际异响信号，确定进行频谱能量累加的指定频率区间为5KHz至7.8KHz。
步骤42，根据获得的局部极大值的下标序列I＝[I1，I2，...，IJ]，计算该序列元素的间隔分布特征方差σ2；根据如下公式得出叶片异响信号的检测结果Λ，
Figure BDA00019143540100000613
其中
Figure BDA00019143540100000614
为方差阈值初始值。若Λ＝1，判决检测出异响信号；反之，则未在该段信号中检出异响信号；
Figure BDA00019143540100000615
由采集的前Q个异响信号样本的方差确定，公式如下：
Figure BDA0001914354010000071
其中
Figure BDA0001914354010000072
为第i个样本频谱能量局部极大值下标序列的间隔分布特征方差。
步骤43，对同一台风机机组，采集多个样本，重复步骤41至步骤42，给出各样本的检测结果。若Λ＝1，更新方差阈值，反之，则不更新阈值。方差阈值的更新公式如下：
Figure BDA0001914354010000073
其中
Figure BDA0001914354010000074
为第i+1个样本频谱能量局部极大值下标序列的间隔分布特征方差。具体实施过程中，选择前10个样本计算方差阈值初始值为200。
所述的破损叶片检测装置包括以下三个模块：
a，矩形麦克风阵列：布置于大型风力发电机塔筒下方，以非接触式采集方式采集异响信号；具体实施方式中，选用4*4矩形麦克风阵列，阵元间距为5cm，将麦克风阵列稳定地水平放置于风机塔筒下方；
b，下位机：与矩形麦克风阵列连接，用于控制命令接收、信号采集、数据传输和线程调度；下位机软件流程如图5所示。下位机在接收到上位机发送的“开始”控制指令后，通过矩形麦克风阵列进行异响信号采集，并实时上传数据到上位机；下位机在接收到上位机发送的“停止”控制指令后，停止实时上传数据到上位机；
c，上位机：接收下位机发送的异响信号数据，对异响信号进行到达角估计，获得异响信号的期望角度；对异响信进行常规波束形成；利用短时傅立叶变换分析异响信号指定频段的时频特征，对频谱能量进行累加；利用滑动窗局部极大值搜索方法，获取异响出现的周期性特征，判定风力发电机叶片是否存在破损。
检测装置中所述下位机与上位机的连接及数据传输具体如下：
a，确定上位机和下位机的IP地址、命令端口和数据端口，建立连接；
b，上位机下发控制命令“开始”，下位机接收到“开始”控制命令头开始采集；
c，对矩形麦克风阵列所有通道的采集数据进行并串转换，下位机向上位机发送上行数据包；具体实施过程中，下位机向上位机发送512字节/包的上行数据包，单个通道单个采样点由一个16bit的有符号整型表示，即单个上行数据包包含16个通道16个采样的数据；
d，上位机下发控制命令“停止”，下位机接收到“停止”控制命令头后，停止上传数据，直至上位机重新发送控制命令“开始”；
“开始”和“停止”控制命令格式说明见表1，
表1下位机控制命令格式说明
命令名 命令头 备注
开始工作 0x0011 无命令体
暂停工作 0x0021 无命令体
下位机上传的数据包数据头和数据体格式说明分别见表2和表3，
表2下位机上传数据包数据头格式说明
Figure BDA0001914354010000081
表3下位机上传数据包数据体格式说明
Sample 0 Sample 1 Sample 2 … Sample 16 Sample 17 ……
CH1Data 0 CH2Data 0 CH3Data 0 … CH1Data 1 CH2Data 1 ……
e，上位机设置有定时功能，采集定时时间数据后自动存储为.dat文件。具体实施过程中，设定定时时间为30秒。
实施例
本实施例将上述检测方法应用于大型风力发电机破损叶片检测，具体步骤如前所述，此处不再赘述。上位机破损检测算法处理界面如图6所示，本发明所述检测方法已在上海崇明、浙江磐安两风场进行测试，检测破损叶片的准确率在70％以上。本发明能够进行风机叶片异响采集，并且上发上位机进行处理和异响检测。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于矩形麦克风阵列的风力发电机破损叶片检测方法，其特征在于，包括以下步骤：
步骤1：将矩形麦克风阵列置于大型风力发电机塔筒下方，以非接触式采集方式采集异响信号；
步骤2：对异响信号进行到达角估计，以获得异响信号的期望角度；
步骤3：对异响信号进行常规波束形成，获得波束形成后的输出信号Y(k，
Figure DEST_PATH_BDA0001914354010000026
)；k表示时频域的第k个频点，
Figure 498791DEST_PATH_BDA0001914354010000026
表示采集的L帧信号中第
Figure 415931DEST_PATH_BDA0001914354010000026
帧；
步骤4：利用短时傅立叶变换分析异响信号指定频率区间的时频特征，对频谱能量进行累加；利用滑动窗局部极大值搜索方法，获取异响出现的周期性特征，判定风力发电机叶片是否存在破损；具体体包括以下子步骤：
步骤41，根据波束形成输出信号Y(k，
Figure 195669DEST_PATH_BDA0001914354010000026
)，确定频率区间[kL，kH]，对该频率区间内频谱能量进行累加，获得第
Figure 590878DEST_PATH_BDA0001914354010000026
帧的频谱能量S(
Figure 405250DEST_PATH_BDA0001914354010000026
)，公式如下：
Figure FDA0002397894530000011
利用滑动窗寻找全部L帧[S(
Figure 290029DEST_PATH_BDA0001914354010000026
＝1)，S(
Figure 557063DEST_PATH_BDA0001914354010000026
＝2)，...，S(
Figure 755963DEST_PATH_BDA0001914354010000026
＝L)]的局部极大值，记L帧中所有J个局部极大值的下标为I＝[I1，I2，...，IJ]；
步骤42，根据获得的局部极大值的下标序列I＝[I1，I2，...，IJ]，计算该序列元素的间隔分布特征方差σ2；根据如下公式得出叶片异响信号的检测结果Λ，
Figure FDA0002397894530000012
其中
Figure FDA0002397894530000013
为方差阈值初始值；若Λ＝1，判决检测出异响信号；反之，则未在该段信号中检出异响信号；
Figure FDA0002397894530000014
由采集的前Q个异响信号样本的方差确定，公式如下：
Figure FDA0002397894530000015
其中
Figure FDA0002397894530000016
为第i个样本频谱能量局部极大值下标序列的间隔分布特征方差；
步骤43，对同一台风机机组，采集多个样本，重复步骤41至步骤42，给出各样本的检测结果；若Λ＝1，更新方差阈值，反之，则不更新阈值；方差阈值的更新公式如下：
Figure FDA0002397894530000021
其中
Figure FDA0002397894530000022
为第i+1个样本频谱能量局部极大值下标序列的间隔分布特征方差。
2.根据权利要求1所述的一种基于矩形麦克风阵列的风力发电机破损叶片检测方法，其特征在于，所述步骤2具体包括以下子步骤：
步骤21，对异响信号分帧，记采集的L帧信号中第
Figure 424842DEST_PATH_BDA0001914354010000026
帧为x(
Figure 418205DEST_PATH_BDA0001914354010000026
)＝[x1(
Figure 258289DEST_PATH_BDA0001914354010000026
)，x2(
Figure 995301DEST_PATH_BDA0001914354010000026
)，…，xM(
Figure 518686DEST_PATH_BDA0001914354010000026
)]，M为矩形麦克风阵列的麦克风总数，每个麦克风作为一个通道；利用短时傅立叶变换，将第m通道第
Figure 948531DEST_PATH_BDA0001914354010000026
帧的时域信号转换到时频域表示形式Xm(k，
Figure 190156DEST_PATH_BDA0001914354010000026
)，k表示第k个频点，变换公式如下：
Figure FDA0002397894530000023
其中，N是短时傅立叶变换的长度，bn是长度为N的窗函数，记第
Figure 527596DEST_PATH_BDA0001914354010000026
帧的时频域信号为X(k，
Figure 171067DEST_PATH_BDA0001914354010000026
)＝[X1(k，
Figure 506234DEST_PATH_BDA0001914354010000026
)X2(k，
Figure 235155DEST_PATH_BDA0001914354010000026
)，...，XM(k，
Figure 313970DEST_PATH_BDA0001914354010000026
)]；X(k，
Figure 811947DEST_PATH_BDA0001914354010000026
)为第
Figure 645911DEST_PATH_BDA0001914354010000026
帧的时频域信号；
步骤22，定义每个频点k的数据相关矩阵Rx(k，
Figure 596550DEST_PATH_BDA0001914354010000026
)＝E[X(k，
Figure 479055DEST_PATH_BDA0001914354010000026
)XH(k，
Figure 831539DEST_PATH_BDA0001914354010000026
)]，E[·]表示求期望；根据常规波束形成权向量w(θ，k)，利用子频带到达角估计方法，对K个子频带的空间谱估计结果求平均，得到总波束功率P(θ)，公式如下：
Figure FDA0002397894530000024
对总波束功率P(θ)进行搜索，获得到达角估计值
Figure FDA0002397894530000025
即异响期望角度，θ为到达角。
3.根据权利要求2所述的一种基于矩形麦克风阵列的风力发电机破损叶片检测方法，其特征在于，所述步骤3具体为：
根据异响信号的到达角估计值
Figure FDA0002397894530000026
对期望角度内异响信号进行常规波束形成，记到达角估计值
Figure FDA0002397894530000027
角度的常规波束形成器的权向量
Figure FDA0002397894530000028
的公式如下：
Figure FDA0002397894530000029
其中
Figure FDA00023978945300000210
[p1 p2...pM]为M个麦克风的阵元三维坐标，λk为对应频点k的波长；
获得波束形成后的输出信号Y(k，
Figure 774087DEST_PATH_BDA0001914354010000026
)，公式如下：
Figure FDA0002397894530000031
4.一种基于矩形麦克风阵列的风力发电机破损叶片检测装置，其特征在于，该装置包括：
矩形麦克风阵列：布置于大型风力发电机塔筒下方，以非接触式采集方式采集异响信号；
下位机：与矩形麦克风阵列连接，用于控制命令接收、信号采集、数据传输和线程调度；下位机在接收到上位机发送的“开始”控制指令后，通过矩形麦克风阵列进行异响信号采集，并实时上传数据到上位机；下位机在接收到上位机发送的“停止”控制指令后，停止实时上传数据到上位机；
上位机：接收下位机发送的异响信号数据，对异响信号进行到达角估计，获得异响信号的期望角度；对异响信进行常规波束形成；利用短时傅立叶变换分析异响信号指定频段的时频特征，对频谱能量进行累加；利用滑动窗局部极大值搜索方法，获取异响出现的周期性特征，判定风力发电机叶片是否存在破损。
5.根据权利要求4所述的风力发电机破损叶片检测装置，其特征在于，所述下位机与上位机的连接及数据传输具体如下：
a，确定上位机和下位机的IP地址、命令端口和数据端口，建立连接；
b，上位机下发控制命令“开始”，下位机接收到“开始”控制命令头开始采集；
c，对矩形麦克风阵列所有通道的采集数据进行并串转换，下位机向上位机发送上行数据包；
d，上位机下发控制命令“停止”，下位机接收到“停止”控制命令头后，停止上传数据，直至上位机重新发送控制命令“开始”；
e，上位机设置有定时功能，采集定时时间数据后自动存储为.dat文件。
CN201811565195.9A 2018-12-20 2018-12-20 一种基于矩形麦克风阵列的风力发电机破损叶片检测方法及装置 Active CN109505741B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811565195.9A CN109505741B (zh) 2018-12-20 2018-12-20 一种基于矩形麦克风阵列的风力发电机破损叶片检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811565195.9A CN109505741B (zh) 2018-12-20 2018-12-20 一种基于矩形麦克风阵列的风力发电机破损叶片检测方法及装置

Publications (2)

Publication Number Publication Date
CN109505741A CN109505741A (zh) 2019-03-22
CN109505741B true CN109505741B (zh) 2020-07-10

Family

ID=65754009

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811565195.9A Active CN109505741B (zh) 2018-12-20 2018-12-20 一种基于矩形麦克风阵列的风力发电机破损叶片检测方法及装置

Country Status (1)

Country Link
CN (1) CN109505741B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111306008B (zh) * 2019-12-31 2022-03-11 远景智能国际私人投资有限公司 风机叶片的检测方法、装置、设备及存储介质
CN112727703B (zh) * 2020-12-15 2022-02-11 北京天泽智云科技有限公司 基于音频信号的风机叶片保护膜的损伤监测方法及***
CN112926626B (zh) * 2021-01-28 2022-06-24 浙江大学 基于稀疏贝叶斯学习与功率谱分离的风机叶片故障检测方法
CN113883015B (zh) * 2021-11-11 2022-05-13 北京协合运维风电技术有限公司 一种风力发电机组叶片失效分析方法
CN114414038A (zh) * 2022-01-26 2022-04-29 歌尔科技有限公司 马达模组的转动异音检测方法、装置、设备及介质
CN117929546B (zh) * 2024-03-22 2024-06-14 南京土星视界科技有限公司 一种风力发电机在运叶片内部材料的早期损伤监测方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8077540B2 (en) * 2008-06-13 2011-12-13 The United States Of America As Represented By The Secretary Of The Navy System and method for determining vector acoustic intensity external to a spherical array of transducers and an acoustically reflective spherical surface
US8935164B2 (en) * 2012-05-02 2015-01-13 Gentex Corporation Non-spatial speech detection system and method of using same
CN103856866B (zh) * 2012-12-04 2019-11-05 西北工业大学 低噪微分麦克风阵列
CN103592628A (zh) * 2013-11-12 2014-02-19 上海大学 一种基于球谐域实值权重波束形成的多声源定位方法
CN103811020B (zh) * 2014-03-05 2016-06-22 东北大学 一种智能语音处理方法
CN105957536B (zh) * 2016-04-25 2019-11-12 深圳永顺智信息科技有限公司 基于通道聚合度频域回声消除方法
DE102017001357A1 (de) * 2017-02-10 2018-08-16 Dieter Frey Akustische Überwachung einer Windenergieanlage, um Eisanhaftung an den Rotorblättern zu erkennen.

Also Published As

Publication number Publication date
CN109505741A (zh) 2019-03-22

Similar Documents

Publication Publication Date Title
CN109505741B (zh) 一种基于矩形麦克风阵列的风力发电机破损叶片检测方法及装置
WO2018001147A1 (zh) 一种基于优化张紧弦模型的桥索监测方法及***
CN106840375B (zh) 一种涡轮增压机异常噪声测试方法及其装置
CN107644650B (zh) 一种基于渐进串行正交化盲源分离算法的改进声源定位方法及其实现***
US20190271295A1 (en) Wind turbine noise analysis and control
CN113298134B (zh) 一种基于bpnn的风机叶片远程非接触健康监测***和方法
US20190032641A1 (en) Method for monitoring a wind turbine
CN112727710B (zh) 一种基于音频信号的风场落雷密度统计方法及***
CN101718582A (zh) 风力发电机组音调测试方法
CN112557510A (zh) 混凝土路面脱空智能检测装置及其检测方法
CN109477461A (zh) 风力涡轮机噪声的分析
CN113674763A (zh) 利用线谱特性的鸣笛声识别方法及***、设备与存储介质
CN104568132B (zh) 一种基于参考信号约束的机械特征声信号频域半盲提取方法
CN116229991A (zh) 基于mfcc语音特征提取与机器学习的电机故障诊断方法
CN109558041B (zh) 基于gpu加速的叶尖间隙信号采集、处理和传输方法
KR101749646B1 (ko) 고기동 비행체 시스템의 음파 및 진동 스펙트럼 계측 장치
CN112782421B (zh) 一种基于音频的转速识别方法
CN116839883B (zh) 一种基于声纹识别的铁塔螺丝松动诊断方法及装置
CN205139360U (zh) 旋翼飞行器预警装置
CN107547981A (zh) 一种集音装置、监控装置及集音方法
CN106153363A (zh) 一种基于声像监测的机械设备故障自动识别方法
CN214796752U (zh) 一种基于声纹识别和声源定位的工程车辆识别定位装置
CN110146276B (zh) 一种基于无线传感器的索力与抗弯刚度监测方法及***
CN111505581B (zh) 一种基于分布式传感器节点的被动目标检测方法
CN114639398A (zh) 一种基于麦克风阵列的宽带doa估计方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Cheng Zefeng

Inventor after: Li Xiaolei

Inventor after: Fang Wensheng

Inventor after: Pan Xiang

Inventor after: Qiu Jianjun

Inventor after: Shen Yining

Inventor after: Zhang Yehui

Inventor after: Lou Chenlu

Inventor after: Zhang Jie

Inventor before: Cheng Zefeng

Inventor before: Pan Xiang

Inventor before: Shen Yining

Inventor before: Zhang Yehui

Inventor before: Lou Chenlu

Inventor before: Zhang Jie

GR01 Patent grant
GR01 Patent grant