KR102509577B1 - 풍력 터빈 블레이드를 검사하는 방법 및 기기, 및 그 장치 및 저장 매체 - Google Patents

풍력 터빈 블레이드를 검사하는 방법 및 기기, 및 그 장치 및 저장 매체 Download PDF

Info

Publication number
KR102509577B1
KR102509577B1 KR1020227026225A KR20227026225A KR102509577B1 KR 102509577 B1 KR102509577 B1 KR 102509577B1 KR 1020227026225 A KR1020227026225 A KR 1020227026225A KR 20227026225 A KR20227026225 A KR 20227026225A KR 102509577 B1 KR102509577 B1 KR 102509577B1
Authority
KR
South Korea
Prior art keywords
wind turbine
signal
turbine blades
wind
frequency
Prior art date
Application number
KR1020227026225A
Other languages
English (en)
Other versions
KR20220116051A (ko
Inventor
웨이유 쿠이
슈 웨이
칭성 자오
종지 인
용 아이
동 아오
지멩 왕
Original Assignee
엔비전 디지털 인터내셔널 피티이 리미티드
상하이 엔비전 디지털 컴퍼니 리미티드
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 엔비전 디지털 인터내셔널 피티이 리미티드, 상하이 엔비전 디지털 컴퍼니 리미티드 filed Critical 엔비전 디지털 인터내셔널 피티이 리미티드
Publication of KR20220116051A publication Critical patent/KR20220116051A/ko
Application granted granted Critical
Publication of KR102509577B1 publication Critical patent/KR102509577B1/ko

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2260/00—Function
    • F05B2260/80—Diagnostics
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2260/00—Function
    • F05B2260/83—Testing, e.g. methods, components or tools therefor
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2260/00—Function
    • F05B2260/84—Modelling or simulation
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/30—Control parameters, e.g. input parameters
    • F05B2270/333—Noise or sound levels
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/70—Type of control algorithm
    • F05B2270/709—Type of control algorithm with neural networks
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/80—Devices generating input signals, e.g. transducers, sensors, cameras or strain gauges
    • F05B2270/81—Microphones
    • 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)
  • General Engineering & Computer Science (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Wind Motors (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Acoustics & Sound (AREA)
  • Signal Processing (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

본 발명은 풍력 터빈 블레이드를 검사하는 방법 및 기기에 관한 것이다. 상기 방법은 음향 획득 장치를 이용하여 풍력 터빈 블레이드에 바람이 충돌하여 발생하는 음향신호를 획득하는 단계; 상기 음향신호에 기초하여 주파수 스펙트로그램을 생성하는 단계; 손상 인식 모델에 기초한 상기 주파수 스펙트로그램에 대한 이미지 인식을 수행하여 상기 풍력 터빈 블레이드의 손상 인식 결과를 획득하는 단계;를 포함한다. 상기 방법에 의하면, 상기 풍력 터빈 블레이드의 손상 유형은 수동 검사 없이 상기 주파수 스펙트로그램을 기반으로 정확하게 인식된다. 따라서, 인적 자원이 절약된다. 또한, 상기 풍력 터빈 블레이드의 상태를 실시간으로 모니터링 할 수 있다.

Description

풍력 터빈 블레이드를 검사하는 방법 및 기기, 및 그 장치 및 저장 매체
본 발명은 발명들의 적용분야에 관한 것이며, 또한 특히 풍력 터빈 블레이드를 검사하는 방법 및 기기, 및 그 장치 및 저장 매체에 관한 것이다.
세계 환경 기구의 호소에 부응하여, 중국은 성숙한 기술을 가진 풍력 발전과 같은 환경 친화적인 에너지의 개발 및 사용에 전념하고 있다.
풍력 발전은 풍력 터빈에 의존하고, 풍력 터빈 블레이드는 풍력 터빈의 바람 포집 능력 및 효율을 결정한다. 따라서 풍력 터빈 블레이드의 상태 모니터링은 매우 중요하다. 풍력 터빈 블레이드를 검사하는 전통적인 방법은 수동 검사 방법으로, 풍력 터빈 블레이드를 육안 관찰 및 음향 판별을 통해 기술자가 정기적으로 검사한다.
이러한 수동 검사 방식은 운용 및 유지보수 비용이 많이 들고, 풍력 터빈 블레이드의 상태를 실시간으로 모니터링하지 못한다.
본 발명의 실시예는 수동 검사 방법의 운용 및 유지 비용을 절감할 수 있고 풍력 터빈 블레이드의 상태를 실시간으로 모니터링할 수 있는, 풍력 터빈 블레이드의 검사 방법 및 기기, 그 장치 및 저장 매체를 제공한다.
본 발명의 일 측면에 따르면, 풍력 터빈 블레이드를 검사하는 방법에 있어서, 상기 풍력 터빈 블레이드는 풍력 발전 장치 내부에 있는 블레이드이며, 음향 획득 장치를 제공하는 타워를 더 포함하는 풍력 발전 장치가 제공된다. 상기 방법은 다음을 포함한다:
음향 획득 장치를 이용하여 풍력 터빈 블레이드에 바람이 충돌하여 발생하는 음향신호를 획득하는 단계로서, 상기 음향신호는 풍력 터빈 블레이드에 바람이 충돌하는 경우 블레이드 사이에서 공기가 미끄러지면서 발생하는 음향신호를 포함하는 단계.
상기 음향신호에 기초하여 주파수 스펙트로그램을 생성하는 단계; 및
손상 인식 모델에 기초한 상기 주파수 스펙트로그램에 대한 이미지 인식을 수행하여 상기 풍력 터빈 블레이드의 손상 인식 결과를 획득하는 단계로서, 상기 손상 인식 모델은 신경망 모델을 학습시켜 획득되는 단계.
본 발명의 다른 관점에 따르면, 풍력 터빈 블레이드를 검사하는 기기에 있어서, 상기 풍력 터빈 블레이드는 풍력 발전 장치 내부에 있는 블레이드이고, 상기 풍력 발전 장치는 음향 획득 장치를 제공하는 타워를 더 포함하는 기기를 제공한다. 상기 기기는 다음을 포함한다:
상기 음향 획득 장치를 이용하여 상기 풍력 터빈 블레이드에 바람이 충돌하여 발생하는 음향신호를 획득하도록 구성된 획득 모듈로서, 상기 음향신호는 상기 풍력 터빈 블레이드에 상기 바람이 충돌하는 경우 블레이드 사이에서 공기가 미끄러지면서 발생하는 음향신호를 포함하는 모듈;
상기 음향신호에 기초하여 주파수 스펙트로그램을 생성하도록 구성된 생성 모듈; 및
손상 인식 모델에 기초한 상기 주파수 스펙트로그램에 대한 이미지 인식을 수행하여 상기 풍력 터빈 블레이드의 손상 인식 결과를 획득하도록 구성된 인식 모듈로서, 상기 손상 인식 모델은 신경망 모델을 학습시켜 획득되는 모듈.
본 발명의 다른 관점에 따르면, 풍력 발전 장치를 제공한다. 상기 풍력 발전 장치는 다음을 포함한다:
음향 획득 장치; 상기 음향 획득 장치와 통신 가능하게 연결된 메모리; 및 상기 메모리에 통신 가능하게 연결된 프로세서,
상기 음향 획득 장치는 상기 풍력 발전 장치의 상기 풍력 터빈 블레이드에 대한 바람의 충돌에 대응하여 음향신호를 획득하고, 상기 음향신호를 상기 메모리에 저장하도록 구성되고;
상기 메모리는 실행 가능한 명령어 및 상기 음향신호를 저장하도록 구성되며;
상기 프로세서는 상기 설명된 풍력 터빈 블레이드를 검사하는 방법을 수행하기 위해 상기 메모리에 저장된 상기 실행 가능한 명령어을 로드하고 실행하도록 구성된다.
또 다른 측면에서, 비일시적 컴퓨터 판독 가능 저장 매체가 제공된다. 적어도 하나의 명령어, 적어도 하나의 프로그램, 코드 세트, 또는 그 명령어 세트를 저장하는 비일시적 컴퓨터 판독 가능 저장 매체에 있어서, 상기 적어도 하나의 명령어, 상기 적어도 하나의 프로그램, 상기 코드 세트, 또는 상기 명령어 세트는, 프로세서에 의해 로드되고 실행될 때, 상기 프로세서가 상기 설명된 풍력 터빈 블레이드를 검사하는 방법을 수행하도록 한다.
본 발명의 실시예에 따른 기술적 솔루션은 적어도 다음과 같은 유익한 효과를 달성한다:
상기 방법에서, 상기 풍력 터빈 블레이드에 대한 바람의 충돌에 의해 생성된 음향신호는 상기 음향 획득 장치를 사용하여 획득되고; 상기 음향신호에 대응하는 주파수 스펙트로그램이 생성되고; 또한 상기 풍력 터빈 블레이드의 손상 인식 결과는 상기 손상 인식 모델에 기반한 주파수 스펙트로그램에 대한 이미지 인식을 수행함으로써 주파수 스펙트로그램으로부터 획득된다. 따라서, 수동 검사 없이 상기 주파수 스펙트로그램을 기반으로 풍력 터빈 블레이드의 손상 유형이 정확하게 인식된다. 따라서, 인적 자원이 절약된다. 또한, 상기 풍력 터빈 블레이드의 상태를 실시간으로 모니터링 할 수 있다. 더욱이, 이 방법은 풍력 터빈의 운전 데이터에 의존하지 않고 상기 음향신호를 기반으로 상기 풍력 터빈 블레이드의 손상을 인식함으로써 상기 풍력 터빈 블레이드의 손상 감지 시 기계 연산량을 감소시킨다.
본 발명의 실시예에서 기술방안에 대한 보다 명확한 설명을 위하여, 이하에서는 실시예를 설명하는데 필요한 첨부도면을 간략히 소개한다. 명백하게, 다음 설명에서 첨부된 도면은 단지 본 개시내용의 일부 실시예를 도시하고, 당업자는 창조적 노력 없이 이러한 첨부된 도면으로부터 여전히 다른 도면을 도출할 수 있다.
도 1은 본 발명의 일 실시예에 따른 풍력 발전 시스템의 구조도이다.
도 2는 본 발명의 일 실시예에 따른 풍력 터빈 블레이드를 검사하는 방법의 흐름도이다.
도 3은 본 발명의 일 실시예에 따른 음향신호의 시간 도메인 신호도이다.
도 4는 본 발명의 일 실시예에 따른 음향신호의 주파수 스펙트로그램이다.
도 5는 본 발명의 일 실시예에 따른 손상 유형 인식 방법의 흐름도이다.
도 6은 본 발명의 다른 실시예에 따른 풍력 터빈 블레이드를 검사하는 방법의 흐름도이다.
도 7은 본 발명의 일 실시예에 따른 풍력 터빈 블레이드를 검사하는 기기의 블록도이다.
도 8은 본 발명의 일 실시예에 따른 서버의 구조도이다.
본 발명의 목적, 기술적 해결방안 및 이점을 보다 명확하게 설명하기 위하여, 첨부된 도면과 함께 본 발명의 실시예를 상세히 설명하면 다음과 같다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 풍력 발전 시스템의 구조도가 도시되어 있다. 풍력 발전 시스템은 풍력 발전 장치(즉, 풍력 터빈)(120) 및 풍력 터빈 블레이드 검사 장치(140)를 포함한다.
풍력 발전 장치(120)는 풍력 터빈 블레이드(122)와 타워(124)를 포함한다. 풍력 발전 장치(120)는 풍력 터빈 블레이드(122)에 바람이 부딪혀 풍력에너지를 생성하고, 풍력 발전 장치(120)는 풍력에너지를 전기에너지로 변환하여 전기에너지를 에너지 저장 매체에 저장한다. 타워(124)는 풍력 발전 장치의 다른 장치 구조를 지지하도록 구성된다. 예를 들어, 풍력 터빈 블레이드(122)는 허브에 의해 타워(124)의 상단부에 연결된다.
풍력 터빈 블레이드 검사 장치(140)는 음향 획득 장치(142) 및 백그라운드 서버(144)의 클러스터를 포함한다. 음향 획득 장치(142)는 타워(124)에 배치된다. 예시적으로, 음향 획득 장치(142)는 타워 도어에 배치된다. 선택적으로, 음향 획득 장치(142)는 음향 센서 또는 마이크로폰을 포함한다.
음향 획득 장치(142)는 유선 또는 무선 네트워크를 통해 백그라운드 서버(144)에 연결된다. 음향 획득 장치(142)는 바람이 풍력 터빈 블레이드에 충돌하는 경우 블레이드 사이의 공기의 슬라이딩에 의해 생성된 음향신호를 획득하고 음향신호를 백그라운드 서버(144)의 클러스터에 전송하도록 구성된다. 백그라운드 서버(144)의 클러스터는 음향신호를 저장하고 본 발명에 따른 풍력 터빈 블레이드를 검사하는 방법을 수행하기 위한 실행 가능한 명령어를 로드 및 실행하도록 구성된다.
음향 획득 장치(142)는 프로세싱 박스에 연결된다는 점에 유의해야 한다. 프로세서는 프로세싱 박스에 배치되고 음향신호를 압축할 수 있다. 음향 획득 장치(142)는 유선 또는 무선 네트워크를 통해 백그라운드 서버의 클러스터에 더 연결된다. 음향 획득 장치(142)는 프로세싱 박스에 의해 획득된 음향신호를 압축한 다음, 프로세싱된 음향신호를 백그라운드 서버(144)의 클러스터로 전송한다.
일부 실시예에서, 백그라운드 서버(144)의 클러스터에는 풍력 터빈 블레이드의 손상 정도 및 손상 유형을 표시하기 위한 디스플레이 스크린이 더 제공된다.
일부 실시예에서, 백그라운드 서버(144)의 클러스터에는 경보 장치가 더 제공된다. 백그라운드 서버(144)의 클러스터가 풍력 터빈 블레이드가 손상되었다고 결정할 때, 백그라운드 서버(144)의 클러스터는 경보를 제공하도록 경보 장치를 제어한다. 일부 다른 실시예에서, 백그라운드 서버(144)의 클러스터는 풍력 터빈 블레이드의 손상 유형에 따라 대응하는 경보를 제공하도록 경보 장치를 제어할 수 있고, 풍력 터빈 블레이드의 상이한 손상 유형은 상이한 경보에 대응한다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 풍력 터빈 블레이드를 검사하는 방법의 흐름도가 도시되어 있다. 이 방법은 도 1에 도시된 풍력 발전 시스템에 적용 가능하며, 다음 단계들을 포함한다.
단계(201)에서, 풍력 터빈 블레이드의 충돌에 대한 바람의 충돌에 의해 생성된 음향신호는 음향 획득 장치를 사용하여 획득된다.
음향신호는 바람이 풍력 터빈 블레이드에 충돌하는 경우 블레이드 사이에서 공기의 슬라이딩에 의해 생성되는 음향신호를 포함한다. 예시적으로, 음향 획득 장치는 바람이 풍력 터빈 블레이드에 충돌하여 생성된 음향신호를 획득하고 음향신호를 프로세싱 박스로 전송한다. 음향신호는 프로세싱 박스에 의해 압축된 다음 프로세싱 박스에 의해 백그라운드 서버로 전송된다.
백그라운드 서버는 음향신호를 메모리에 저장한다. 풍력 터빈 블레이드를 검사하는 방법을 실행할 때, 백그라운드 서버는 풍력 터빈 블레이드에 바람이 충돌하여 생성된 음향신호를 메모리에서 획득한다.
단계 202에서, 주파수 스펙트로그램은 음향신호에 기초하여 생성된다.
백그라운드 서버는 음향신호에 대해 단시간 푸리에 변환을 수행하여 음향신호에 대응하는 주파수 스펙트로그램을 획득한다. 예시적으로, 주파수 스펙트로그램을 그리는 동안 상이한 음향 진폭을 나타내기 위해 상이한 색상이 사용될 수 있다.
선택적으로, 풍력 발전 장치는 대응하는 주파수 스펙트럼 영역을 각각 갖는 m개의 풍력 터빈 블레이드를 포함할 수 있고, 백그라운드 서버는 풍력 터빈 블레이드 단위로 분할된 주파수 스펙트로그램을 생성할 수 있으며, 여기서 M은 양의 정수이다. 예시적인 단계들은 다음과 같다.
1) 신호 분석 알고리즘을 호출하여 음향신호로 구성된 시간 도메인 신호 다이어그램에서 신호 엔벨로프가 추출된다.
백그라운드 서버는 음향신호에 의해 형성된 시간 도메인 신호 다이어그램으로부터 신호 엔벨로프를 추출하며, 여기서 신호 엔벨로프는 시간 도메인 신호 다이어그램의 곡선 패밀리 각각에 대해 적어도 하나의 접선을 갖는 곡선을 나타내며; 신호 엔벨로프에 파형 골이 나타나는 지점의 위치를 시간 도메인에서 분할 지점으로 결정한다.
신호 분석 알고리즘은 신호 엔벨로프를 얻기 위해 음향신호의 시간 도메인 신호 다이어그램을 분석하도록 구성된다. 예시적으로, 상기 신호 분석 알고리즘은 힐베르트 전달 함수와 같은 전달 함수를 포함할 수 있다. 선택적으로, 백그라운드 서버는 힐베르트 전달 함수를 기반으로 하는 시간 도메인 신호 다이어그램에서 신호 엔벨로프를 추출한다.
2) 신호 엔벨로프 상에서 파형 골이 위치하는 지점의 시간 도메인에서의 위치를 분할 지점으로 결정한다.
예시적으로, 도 3에 도시된 바와 같이, 백그라운드 서버는 음향신호에 기초하여 시간 도메인 신호 다이어그램(31)을 생성하고, 힐베르트 전달 함수에 기초하여 시간 도메인 신호 다이어그램(31)으로부터 신호 엔벨로프(32)를 추출하고, 각각의 파형 골이 신호 엔벨로프 상에 위치하는 지점(33)을 결정한다. 시간 도메인에서 포인트(33)의 위치는 분할 지점이다. 시간 도메인 신호 다이어그램에서 인접한 두 분할 지점 사이의 부분은 바람이 하나의 풍력 터빈 블레이드에 충돌하는 경우 시간 도메인 신호 다이어그램을 나타낸다.
3) 음향신호를 주파수 스펙트로그램으로 변환하고, 주파수 스펙트로그램을 분할 지점을 기준으로 분할하여 분할된 주파수 스펙트로그램을 얻는다.
일부 실시예에서, 백그라운드 서버는 단시간 푸리에 변환 또는 라플라스 변환을 기반으로 음향신호를 주파수 스펙트로그램으로 변환한다, 즉, 백그라운드 서버는 주파수 스펙트로그램을 형성하기 위해 단시간 푸리에 변환 또는 라플라스 변환을 기반으로 음향신호의 시간 도메인 신호를 주파수 도메인 신호로 변환하고; 또한 풍력 터빈 블레이드의 n개의 주파수 스펙트럼 영역을 획득하기 위해 시간 축 상의 분할 지점에 기초하여 주파수 스펙트로그램을 분할하며, 여기서 n은 양의 정수이다. 주파수 스펙트로그램에서, 인접한 두 분할 지점 사이의 주파수 스펙트럼 영역은 바람이 하나의 풍력 터빈 블레이드에 충돌하는 경우의 주파수 스펙트럼을 나타낸다.
예시적으로, 도 4를 참조하면, 주파수 스펙트로그램(41)의 8개의 곡선은 각각 서로 다른 주파수 대역에 대한 풍력 터빈 블레이드의 음향신호 곡선이며, 주파수 스펙트로그램은 분할 지점을 기준으로 25개의 주파수 스펙트럼 영역으로 분할된다. 풍력 터빈 블레이드는 3개의 풍력 터빈 블레이드를 포함하기 때문에 상기 25개 주파수 스펙트럼 영역은 각각 3개의 풍력 터빈 블레이드에 대응된다. 3개의 연속 주파수 스펙트럼 영역은 3개의 서로 다른 풍력 터빈 블레이드에 대응된다. (3m-2)번째 주파수 스펙트럼 영역은 풍력 터빈 블레이드 A의 주파수 스펙트럼 영역이고, (3m-1)번째 주파수 스펙트럼 영역은 풍력 터빈 블레이드 B의 주파수 스펙트럼 영역이고, 3m번째 주파수 스펙트럼 영역은 풍력 터빈 블레이드 C의 주파수 스펙트럼 영역이며, m은 양의 정수이다.
단계 203에서, 풍력 터빈 블레이드의 손상 인식 결과는 손상 인식 모델에 기초한 주파수 스펙트로그램에 대한 이미지 인식을 수행하여 획득된다.
손상 인식 모델은 백그라운드 서버에서 구성되며; 백그라운드 서버는 손상 인식 모드에 기초하여 주파수 스펙트로그램에 대한 이미지 인식을 수행함으로써 주파수 스펙트로그램으로부터 풍력 터빈 블레이드의 손상 유형을 결정한다. 선택적으로, 백그라운드 서버는 손상 인식 모델을 기반으로 분할된 주파수 스펙트로그램에 대한 이미지 인식을 수행하여 분할된 주파수 스펙트로그램에서 풍력 터빈 블레이드의 손상 유형을 결정한다.
일부 실시예에서, 손상 인식 결과는 풍력 터빈 블레이드의 손상 유형을 포함한다. 손상 유형은 풍력 터빈의 배수구 막힘, 블레이드 보호 필름의 균열, 블레이드 선단부 부식, 블레이드 뿌리의 골절, 블레이드 휘슬링, 낙뢰 손상 중 적어도 하나를 포함한다.
예시적으로, 도 5를 참조하면, 손상 인식 모델을 기반으로 주파수 스펙트로그램을 인식하기 위한 흐름도가 도시되어 있다. 백그라운드 서버는 주파수 스펙트로그램(51)을 모델의 컨볼루션 및 풀링 레이어(52)에 입력하고, 컨볼루션 및 풀링을 통해 주파수 스펙트로그램을 특징 공간에 매핑하여 주파수 스펙트로그램의 이미지 특징을 획득하고; 변환된 이미지 특징을 획득하기 위해 특징 변환을 위해 특징 변환 레이어(53)에 상기 이미지 특징을 입력하고; 변환된 이미지 특징을 완전 연결 레이어(54)에 입력하고, 변환된 이미지 특징을 완전 연결 레이어(54)에 의해 인식 및 분류하여 특징 분류 결과를 얻는다. 그리고 최종적으로 출력 레이어(55)에 기초하여 특징 분류 결과를 정규화하여 손상 인식 결과를 얻는다. 손상 인식 결과는 풍력 터빈 블레이드의 손상 유형을 포함한다.
상기 손상 인식 모델은 신경망 모델을 학습시켜 얻은 것임에 유의해야 한다. 예시적으로, 상기 손상 인식 모델의 훈련 과정은 다음과 같다.
1) 주파수 스펙트로그램 샘플이 획득된다.
주파수 스펙트로그램 샘플은 이력 주파수 스펙트로그램을 획득하여 얻은 주파수 스펙트로그램 세트이며, 주파수 스펙트로그램 샘플 세트는 상이한 이력 주파수 스펙트로그램에서 상이한 손상 유형에 대응하는 이미지를 포함한다. 손상 위치 및 샘플 손상 유형은 위의 주파수 스펙트로그램 샘플에 상응하게 표시되어 있다.
2) 주파수 스펙트로그램 샘플은 손상 위치의 인식된 손상 유형을 얻기 위해 이미지 인식을 위한 신경망 모델에 입력된다.
백그라운드 서버는 획득한 주파수 스펙트로그램 샘플을 신경망 모델에 기반한 주파수 스펙트로그램 샘플에 대한 이미지 인식을 수행하여 각 손상 위치에 대응하는 결정된 손상 유형을 얻기 위해 신경망 모델에 입력한다.
일부 실시예에서, 상기 신경망 모델은 장단기 기억 모델, 컨볼루션 신경망 모델, 피드포워드 신경망 모델 등일 수 있다. 이 실시예에서 신경망 모델의 유형은 제한되지 않는다.
3) 인식된 손상 유형과 샘플 손상 유형을 기반으로 오차 역전파 훈련을 수행하여 풍력 터빈 블레이드의 손상 유형에 대한 신경망 모델의 인식 능력을 훈련하여 손상 인식 모델을 얻는다.
중립 네트워크 모델은 인식된 손상 유형과 샘플 손상 유형 간의 오차를 계산하고, 오류 역전파를 수행하고, 자체 모델 파라미터를 조정한다. 따라서, 풍력 터빈 블레이드의 손상유형에 대한 신경망 모델의 인식능력을 훈련시켜 최종적으로 손상 인식 모델을 얻는다.
요약하면, 본 발명에 따른 풍력 터빈 블레이드를 검사하는 방법에서, 풍력 터빈 블레이드에 대한 바람의 충돌에 의해 생성된 음향신호는 음향 획득 장치를 사용하여 획득되고; 음향신호에 대응하는 주파수 스펙트로그램이 생성되고; 풍력 터빈 블레이드의 손상 인식 결과는 손상 인식 모델에 기반한 주파수 스펙트로그램에 대한 이미지 인식을 수행함으로써 주파수 스펙트로그램으로부터 획득된다. 따라서 수동 검사 없이 주파수 스펙트로그램을 기반으로 풍력 터빈 블레이드의 손상 유형을 정확하게 인식한다. 따라서, 인적 자원이 절약된다. 또한, 풍력 터빈 블레이드의 상태를 실시간으로 모니터링할 수 있다. 또한, 이 방법은 풍력 터빈의 운전 데이터에 의존하지 않고 음향신호를 기반으로 풍력 터빈 블레이드의 손상을 인식함으로써 풍력 터빈 블레이드의 손상 감지 시 기계연산량을 감소시킨다.
본 발명에 따른 풍력 터빈 블레이드를 검사하는 방법은 풍력 터빈 블레이드가 회전하는 과정에서 즉시 풍력 터빈 블레이드의 손상을 찾아내고, 손상 유형을 확인하기 위한 것임에 유의하여야 한다. 따라서, 풍력 터빈 블레이드의 손상 유형을 인지하기 전에 풍력 터빈 블레이드의 손상 여부를 먼저 판단할 수 있다. 예시적으로, 도 2에 기초하여, 단계(203)는 하위 단계(2031, 2032)를 포함할 수 있다. 도 6에 도시된 바와 같이, 상기 단계들은 다음과 같다.
하위 단계(2031)에서, 풍력 터빈 블레이드에 대한 바람의 충돌에 응답하는 음향 스펙트럼 차이 인자는 분할된 주파수 스펙트로그램에 기초하여 계산된다.
상기 음향 스펙트럼 차이 인자는 풍력 터빈 블레이드의 손상 정도를 나타낸다. 일부 실시예에서, 풍력 터빈 블레이드에 대한 바람의 충돌에 응답하는 음향 스펙트럼 차이 인자는 분할된 주파수 스펙트로그램에 기초하여 계산된다.
일부 실시예에서, 분할된 주파수 스펙트로그램은 분할 후 n개의 풍력 터빈 블레이드의 주파수 스펙트럼 영역을 포함하며, 여기서 n은 양의 정수이다. 예시적으로, 백그라운드 서버가 n개의 풍력 터빈 블레이드의 주파수 스펙트럼 영역에 기초하여 풍력 터빈 블레이드에 대한 바람의 충돌에 응답하는 음향 스펙트럼 차이 인자를 계산하는 예시적인 단계는 다음과 같다.
1) n개의 주파수 스펙트럼 영역에서 신호 피크를 추출한다.
2) n개의 주파수 스펙트럼 영역의 신호 피크에 기초하여 음향신호의 시간 도메인 인자 및 주파수 도메인 인자를 계산한다.
구체적으로, 풍력 발전 장치에는 m개의 풍력 터빈 블레이드가 배치된다. 일부 실시예에서, 백그라운드 서버는 음향신호의 시간 도메인 인자를 계산한다: 백그라운드 서버는 먼저 풍력 터빈 블레이드 각각에 대응하는 주파수 스펙트럼 영역 중 적어도 2개의 신호 피크의 중앙값을 결정하고; 다음으로 m개의 풍력 터빈 블레이드에 해당하는 m개의 중앙값에서 최대 피크 및 최소 피크를 결정한다. 그리고 마지막으로 시간 도메인 인자로서 최대 피크 대 최소 피크의 비율을 결정한다.
예시적으로, m이 3이면, 백그라운드 서버는 시간 도메인 인자를 계산하기 위해 주파수 스펙트로그램의 특정 주파수 대역에 대한 곡선을 선택한다. 예를 들어, 백그라운드 서버는 시간 도메인 인자를 계산하기 위해 도 4에 도시된 주파수 스펙트로그램(41)에서 (-0.008)-(-0.006)의 주파수 대역에 대한 곡선을 선택하고, 또는 시간 도메인 인자를 계산하기 위해 전체 주파수 대역(미도시)에 대한 음향신호의 곡선을 선택한다. 풍력 터빈 블레이드는 3개의 풍력 터빈 블레이드를 포함한다. 선택한 곡선에 25개의 주파수 스펙트럼 영역이 포함된 경우, 백그라운드 서버는 총 25개의 신호 피크로 각 주파수 스펙트럼 영역의 신호 피크를 결정한다. 이 중 9개의 신호 피크는 (3m-2)번째 주파수 스펙트럼 영역에 대응하는 풍력 터빈 블레이드 A의 신호 피크이다. 8개의 신호 피크는 해당 (3m-1)번째 주파수 스펙트럼 영역에 대응하는 풍력 터빈 블레이드 B의 신호 피크이고, 8개의 신호 피크는 3m번째 주파수 스펙트럼 영역에 대응하는 풍력 터빈 블레이드 C의 신호 피크이다. 백그라운드 서버는 풍력 터빈 블레이드 A, B 및 C의 신호 피크에서 해당 중앙값 a, b 및 c를 결정하고, 중앙값 a, b 및 c에서 최대 피크 및 최소 피크를 결정하고, 최종적으로 시간 도메인 인자로 최대 피크에서 최소 피크까지 비율을 결정한다. 예를 들어, 최대 피크가 a이고 최소 피크가 c인 경우, 시간 도메인 인자는 a/c이다.
일부 실시예에서, 백그라운드 서버는 음향신호의 주파수 도메인 인자를 계산한다: 백그라운드 서버는 먼저 m개의 주파수 스펙트럼 영역의 각각의 2개의 인접한 주파수 스펙트럼 영역의 신호 피크로부터 최대 피크를 획득하고 최대 피크를 후보 피크로 결정한다. 그리고 나서 주파수 도메인 인자로서 후보 피크들 중 적어도 2개의 중앙값을 결정하고; 또는 백그라운드 서버가 분할된 주파수 스펙트로그램에서 신호 분포와 이론적인 분포 사이의 상대 엔트로피, 즉 Kullback-Leibler(KL) 발산을 계산하고 KL 다이버전스를 주파수 도메인 인자로 결정한다.
예시적으로, 도 4에 도시된 바와 같이, 백그라운드 서버는 25개의 주파수 스펙트럼 영역을 왼쪽에서 오른쪽으로 1에서 25로 표시하고, 총 23개의 신호 피크와 함께, 대응하는 인접한 주파수 스펙트럼 영역 1-3, 2-4, 3-5, ...,23-25의 신호 피크로부터 최대 피크를 획득하고, 상기 23개 신호 피크로부터 중앙값을 결정한다. 이 중앙값은 하나의 주파수 도메인 인자이다.
백그라운드 서버는 분할된 주파수 스펙트로그램에서 신호 분포와 이론적인 신호 분포 사이의 KL 다이버전스를 계산하고, KL 다이버전스를 다른 주파수 도메인 인자로 결정한다.
상기 주파수 도메인 인자는 주파수 도메인에서 음향신호의 분포 특성을 나타낸다는 점에 유의해야 한다. 본 발명은 주파수 도메인에서 음향신호의 분포 특성을 계산하는 두 가지 방법을 제공하지만, 본 발명에서 주파수 도메인에서 음향신호의 분포 특성을 계산하는 방법은 상기 제공된 두 가지 방법으로 제한되지 않는다 .
3) 시간 도메인 인자와 주파수 도메인 인자의 가중 평균은 음향 스펙트럼 차이 인자로 결정된다.
예시적으로, 백그라운드 서버는 계산에 의해 하나의 시간 도메인 인자와 두 개의 주파수 도메인 인자를 구한 다음, 하나의 시간 도메인 인자와 두 주파수 도메인 인자의 가중 평균을 계산하고, 상기 가중 평균을 음향 스펙트럼 차이 인자로 결정한다.
백그라운드 서버는 필터링된 음향신호를 획득하기 위해 필터에 의해 음향신호를 추가로 필터링하고, 필터링된 음향신호에 기초하여 주파수 스펙트로그램을 생성한 다음, 주파수 스펙트럼 차이 인자를 생성한다는 점에 유의해야 한다.
하위 단계(2032)에서, 음향 스펙트럼 차이 인자가 차이 임계값보다 큰지 여부가 결정된다.
차이 임계값은 백그라운드 서버에 배치되고 풍력 터빈 블레이드가 손상되었는지 여부를 결정하도록 구성된다. 음향 스펙트럼 차이 인자가 차이 임계값보다 큰 경우, 풍력 터빈 블레이드가 손상되고 하위 단계(2033)가 수행된다. 음향 스펙트럼 차이 인자가 차이 임계값보다 작은 경우, 풍력 터빈 블레이드가 손상되지 않고 프로세스가 단계(201)로 되돌아간다.
하위 단계(2033)에서, 풍력 터빈 블레이드의 손상 인식 결과는 손상 인식 모델을 기반으로 분할된 주파수 스펙트로그램에 대해 이미지 인식을 수행하여 획득된다.
요약하면, 본 실시예에 따른 풍력 터빈 블레이드를 검사하는 방법은 풍력 터빈 블레이드의 손상 유형을 인식하기 전에, 먼저 음향 스펙트럼 차이 인자에 기초하여 풍력 터빈 블레이드의 손상 여부를 판단하고; 풍력 터빈 블레이드가 손상되었다고 판단되면 손상 유형이 인식된다. 따라서, 손상 인식 모델을 기반으로 손상 유형을 인식할 확률이 증가하고, 손상 인식 모델에 의한 풍력 터빈 블레이드의 손상 유형의 잘못된 인식이 방지된다.
범위 임계값은 또한 백그라운드 서버에서 설정될 수 있고 상이한 범위 임계값은 상이한 손상 정도에 대응한다는 점에 유의해야 한다. 음향 스펙트럼 차이 인자가 차이 임계값보다 큰 경우, 백그라운드 서버는 음향 스펙트럼 차이 인자가 속하는 범위 임계값을 기반으로 풍력 터빈 블레이드의 손상 정도를 결정한다.
예시적으로, 제1 범위 임계값, 제2 범위 임계값 및 제3 범위 임계값은 백그라운드 서버에서 설정된다. 음향 스펙트럼 차이 인자가 제1 범위 임계값에 속할 때, 백그라운드 서버는 풍력 터빈 블레이드의 손상 정도가 약한 것으로 결정한다. 음향 스펙트럼 차이 인자가 제2 범위 임계값에 속할 때, 백그라운드 서버는 풍력 터빈 블레이드의 손상 정도가 보통인 것으로 결정한다. 음향 스펙트럼 차이 인자가 제3 범위 임계값에 속할 때, 백그라운드 서버는 풍력 터빈 블레이드의 손상 정도가 심각한 것으로 결정한다. 범위 임계값의 값이 차이 임계값보다 크다.
백그라운드 서버는 풍력 터빈 블레이드의 손상 유형을 출력하면서 풍력 터빈 블레이드의 손상 정도를 출력한다. 선택적으로, 출력 손상 정도는 설정된 손상 정도 레벨을 기반으로 백그라운드 서버에 의해 결정될 수 있거나, 직접 음향 스펙트럼 차이 인자일 수 있다.
이 방법을 통해, 사용자는 출력 결과로부터 풍력 터빈 블레이드의 손상 정도 및 손상 유형을 명확하게 알 수 있다.
또한, 백그라운드 서버가 풍력 터빈 블레이드를 검사하기 위한 방법을 실행하는 과정에서, 음향 획득 장치는 매번 사전 설정된 지속 시간으로 음향신호를 획득하고, 이에 대응하여 사전 설정된 지속 시간과 함께 상기 음향신호를 저장하기 위한 파일을 생성한다는 점에 유의해야 한다. 예를 들어, 각 파일에는 43초 길이의 음향신호가 포함된다. 음향 스펙트럼 차이 인자를 계산할 때 백그라운드 서버는 하나의 파일에서 43초 길이의 음향신호를 획득한다. 다만, 상기 각종 파일에 저장되어 있는 음향신호의 신호 품질이 다르며, 전체적인 신호 품질이 좋지 않은 파일도 있다. 이것은 음향 스펙트럼 차이 인자의 결과에 영향을 준다. 따라서, 음향 스펙트럼 차이 인자를 계산하는 과정에서 백그라운드 서버는 먼저 음향신호의 신호 품질을 결정한다.
예시적으로, 분할된 주파수 스펙트로그램이 획득된 후, 백그라운드 서버는 다음과 같이 분할된 주파수 스펙트로그램에 기초하여 음향신호의 신호 품질을 결정한다.
(1) 분할된 주파수 스펙트로그램에 기초하여 음향신호의 신호 대 잡음비를 계산한다.
음향 획득 장치는 풍력 터빈 블레이드에 바람의 충돌에 의해 생성된 원래의 음향신호를 획득한다. 획득 과정에서 추가 신호, 즉 원음 신호에 존재하지 않는 잡음이 원음 신호에 혼합된다. 신호 대 잡음비는 획득한 원음 신호와 잡음의 비율을 의미한다. 주파수 스펙트로그램의 분할이 완료된 후 백그라운드 서버는 분할된 주파수 스펙트로그램을 기반으로 음향신호의 신호 대 잡음비를 계산한다.
(2) 신호 대 잡음비가 신호 대 잡음비 임계값보다 큰지 여부가 결정된다.
신호 대 잡음비 임계값은 백그라운드 서버에서 설정되고 백그라운드 서버는 신호 대 잡음비가 신호 대 잡음비 임계값보다 큰지 여부를 결정한다. 신호 대 잡음비가 신호 대 잡음비 임계값보다 큰 경우, 단계 (3)이 수행되고; 신호 대 잡음비가 신호 대 잡음비 임계값보다 작은 경우, 단계(4)가 수행되고 프로세스는 단계 201로 되돌아간다.
(3) 풍력 터빈 블레이드에 대한 바람의 충돌에 대한 음향 스펙트럼 차이 인자는 분할된 주파수 스펙트로그램에 기초하여 계산된다.
(4) 음향 획득 장치에 고장이 발생한 것으로 판정된다.
풍력 발전 시스템에서, 풍력 터빈 블레이드에 바람이 부딪혀 발생하는 음향신호는 음향 획득 장치를 이용하여 획득되며 음향 획득 장치의 통신 상태는 획득된 음향신호의 품질에 직접적인 영향을 미치게 된다. 따라서 백그라운드 서버는 음향 획득 장치의 통신 상태를 감지한다. 예시적으로, 백그라운드 서버는 획득된 음향신호의 신호 품질에 기초하여 음향 획득 장치의 통신 상태를 실시간으로 검출한다. 예를 들어, 백그라운드 서버는 획득된 음향신호의 신호 대 잡음비 또는 음향신호의 유무에 기초하여 음향 획득 장치의 통신 상태를 판단한다. 음향신호가 있고 음향신호의 품질이 높으면 음향 획득 장치가 정상 상태에 있음을 나타낸다. 음향신호가 없거나 음향신호가 불량하면 음향 획득 장치가 비정상 상태이며 획득한 음향신호의 품질을 보장하기 위해 유지 관리해야 함을 나타낸다. 따라서 풍력 터빈 블레이드의 손상 상태를 정확하게 결정할 수 있다.
신호 대 잡음비에 기초하여 음향 획득 장치의 상태를 검출하는 예로서, 신호 대 잡음비가 신호 대 잡음비 임계값 이하인 경우, 음향 획득 장치를 사용하여 획득한 음향신호에 많은 양의 잡음이 있고 음향신호의 품질이 좋지 않아, 음향 획득 장치에 장애가 발생한 것으로 판단된다; 신호 대 잡음비가 신호 대 잡음비 임계값보다 이하이지 않은 경우, 음향 획득 장치는 정상 상태에 있다. 또한 신호 대 잡음비가 한 번에 신호 대 잡음비 임계값보다 작은 경우 임의성이 있다는 점에 유의해야 한다. 따라서, i회 연속으로 음향신호를 재획득한 후 계산된 신호 대 잡음비가 신호 대 잡음비 임계값보다 작다고 판단되면, 음향 획득 장치에 장애가 발생한 것으로 판단하며, 여기서 i 는 양의 정수이다.
요약하면, 본 실시예에 따른 풍력 터빈 블레이드를 검사하는 방법에서, 음향 스펙트럼 차이 인자를 계산하기 위한 음향신호는 음향신호의 품질 검출에 기초하여 고품질을 갖는 것이 보장된다. 따라서 계산된 음향 스펙트럼 차이 인자의 정확도가 보장된다. 또한, 이 방법은 음향 획득 장치의 상태를 실시간으로 모니터링하여 사용자가 음향 획득 장치의 이상을 즉시 알 수 있고 유지 보수를 수행할 수 있다.
또한 알람 시스템이 백그라운드 서버에 추가로 배치된다는 점에 유의해야 한다. 백그라운드 서버는 풍력 터빈 블레이드가 손상되었음을 인식하면 백그라운드 서버에서 알람은 제공한다. 백그라운드 서버는 음향 수집 장치가 비정상이라고 판단하면 백그라운드 서버에서 알람을 제공한다.
일부 실시예에서, 풍력 터빈 블레이드의 상이한 손상 유형은 상이한 알람에 대응하고 백그라운드 서버는 풍력 터빈 블레이드의 손상 유형에 기초하여 대응하는 알람을 제공한다.
이 방법에서, 풍력 터빈 블레이드 또는 음향 획득 장치의 손상이 인식되면, 사용자에게 적시에 유지 보수에 대해 경고하기 위해 즉시 알람이 제공된다. 따라서 장치는 적시에 수리될 수 있으며 더 큰 손실을 피할 수 있다.
도 7을 참조하면, 본 발명의 일 실시예에 따른 풍력 터빈 블레이드를 검사하는 기기의 블록도가 도시되어 있다. 풍력 터빈 블레이드는 풍력 발전 장치의 블레이드이며, 풍력 발전 장치는 음향 획득 장치가 구비된 타워를 더 포함한다. 상기 기기는 소프트웨어, 하드웨어, 또는 이들의 조합에 의해 서버의 전부 또는 일부로서 구현된다.
상기 기기는 음향 획득 장치를 사용하여 풍력 터빈 블레이드에 대한 바람의 충돌에 의해 생성된 음향신호를 획득하도록 구성된 획득 모듈(301)을 포함하며, 여기서 음향신호는 블레이드 사이의 공기 슬라이딩에 의해 생성된 음향신호를 포함한다. 바람이 풍력 터빈 블레이드에 충돌하는 경우; 음향신호에 기초하여 주파수 스펙트로그램을 생성하도록 구성된 생성 모듈(302); 및 손상 인식 모델에 기초한 주파수 스펙트로그램에 대한 이미지 인식을 수행함으로써 풍력 터빈 블레이드의 손상 인식 결과를 획득하도록 구성된 인식 모듈(303)을 포함하고, 손상 인식 모델은 신경망 모델을 훈련함으로써 획득된다.
일부 실시예에서, 생성 모듈(302)은 신호 분석 알고리즘을 호출함으로써 음향신호에 의해 형성된 시간 도메인 신호로부터 신호 엔벨로프를 추출하도록 구성된 추출 서브모듈(3021); 파형 골이 신호 엔벨로프에 나타나는 지점의 위치를 시간 도메인에서 분할 지점으로 결정하도록 구성된 결정 서브모듈(3022); 및 음향신호를 주파수 스펙트로그램으로 변환하고, 분할된 주파수 스펙트로그램을 획득하기 위해 분할 지점에 기초하여 주파수 스펙트로그램을 분할하도록 구성된 생성 서브모듈(3023)을 포함한다.
일부 실시예에서, 인식 모듈(303)은 분할된 주파수 스펙트로그램에 기초하여 풍력 터빈 블레이드에 대한 바람의 충돌에 응답하여 음향 스펙트럼 차이 인자를 계산하도록 구성된 계산 서브모듈(3031)로서, 상기 음향 스펙트럼 차이 인자는 풍력 터빈 블레이드의 손상 정도를 나타내는 모듈; 및 음향 스펙트럼 차이 인가가 차이 임계값보다 큰 경우 손상 인식 모델에 기초하여 분할된 주파수 스펙트로그램에 대한 이미지 인식을 수행함으로써 풍력 터빈 블레이드의 손상 인식 결과를 획득하도록 구성된 인식 서브모듈(3032)을 포함한다.
일부 실시예에서, 분할된 주파수 스펙트로그램은 분할 후 n개의 풍력 터빈 블레이드의 주파수 스펙트럼 영역을 포함하며, 여기서 n은 양의 정수이다.
계산 서브모듈(3031)은 n개의 주파수 스펙트럼 영역에서 신호 피크를 추출하도록 구성되며; n개의 주파수 스펙트럼 영역의 신호 피크에 기초하여 음향신호의 시간 도메인 인자 및 주파수 도메인 인자를 계산하고; 시간 도메인 인자 및 주파수 도메인 인자의 가중 평균을 음향 스펙트럼 차이 인자로서 결정하도록 구성된다.
일부 실시예에서, m개의 풍력 터빈 블레이드가 풍력 발전 장치에 배치되며, 여기서 m은 양의 정수이다.
계산 서브모듈(3031)은 풍력 터빈 블레이드 각각에 대응하는 주파수 스펙트럼 영역 중 적어도 2개의 신호 피크의 중앙값을 결정하도록 구성되며; m개의 풍력 터빈 블레이드에 대응하는 m개의 중앙값으로부터 최대 피크 및 최소 피크를 결정하고; 그리고 시간 도메인 인자로서 최소 피크에 대한 최대 피크의 비율을 결정한다.
일부 실시예에서, m개의 풍력 터빈 블레이드가 풍력 발전 장치에 배치되며, 여기서 m은 양의 정수이다.
계산 서브모듈(3031)은 각각의 m개의 인접한 주파수 스펙트럼 영역의 신호 피크로부터 최대 피크를 획득하고 최대 피크를 후보 피크로 결정하도록 구성되며, 여기서 m은 양의 정수이다. 그리고 주파수 도메인 인자로서 후보 피크들 중 적어도 2개의 중앙값을 결정하고; 또는 분할된 주파수 스펙트로그램에서 신호 분포와 이론적인 분포 사이의 상대 엔트로피를 계산하고 상대 엔트로피를 주파수 도메인 인자로 결정한다.
일부 실시예에서, 계산 서브모듈(3031)은 분할된 주파수 스펙트로그램에 기초하여 음향신호의 신호 대 잡음비를 계산하도록 구성되고; 분할된 주파수 스펙트로그램에 기초하여, 신호 대 잡음비가 신호대 잡음비 임계값보다 큰 경우 풍력 터빈 블레이드에 대한 바람의 충돌에 응답하여 음향 스펙트럼 차이 인자를 계산하고; 신호 대 잡음비가 신호 대 잡음비 임계값보다 작은 경우 음향 획득 장치가 고장에 처한다고 결정한다.
요약하면, 이 실시예에 따른 풍력 터빈 블레이드를 검사하는 기기에서, 풍력 터빈 블레이드에 대한 바람의 충돌에 의해 생성된 음향신호는 음향 획득 장치를 사용하여 획득되고; 음향신호에 대응하는 주파수 스펙트로그램이 생성되고; 풍력 터빈 블레이드의 손상 인식 결과는 손상 인식 모델에 기반한 주파수 스펙트로그램에 대한 이미지 인식을 수행하여 주파수 스펙트로그램으로부터 획득된다. 따라서, 풍력 터빈 블레이드의 손상 유형은 수동 검사 없이 주파수 스펙트로그램을 기반으로 정확하게 결정된다. 따라서, 인적 자원이 절약된다. 또한, 풍력 터빈 블레이드의 상태를 실시간으로 모니터링할 수 있다. 또한, 상기 기기에서 풍력 터빈 블레이드의 손상은 풍력 터빈 작동 데이터에 의존하지 않고 음향신호에 기초하여 인식된다. 따라서 풍력 터빈 블레이드의 손상을 감지하는 동안 기계 연산량이 감소된다.
도 8을 참조하면, 본 발명의 일 실시예에 따른 서버의 구조도가 도시되어 있다. 상기 서버는 상기 실시예에 따른 풍력 터빈 블레이드의 검사 방법을 수행하도록 구성된다.
구체적으로, 서버(400)는 중앙 처리 장치(CPU)(401), RAM(Random Access Memory)(402) 및 ROM(Read Only Memory)(403)를 포함하는 시스템 메모리(404), 및 시스템 메모리(404) 및 중앙 처리 장치(401)를 연결하는 시스템 버스(405)를 포함한다. 상기 서버(400)는 컴퓨터 내의 다양한 구성요소들 사이의 정보 전송을 돕는 기본 입/출력 시스템(I/O 시스템)(406) 및 운영 체제(413), 애플리케이션(414) 및 기타 프로그램 모듈(415)의 저장을 위한 고용량 저장 매체(407)를 더 포함한다.
상기 기본 입/출력 시스템(406)은 정보를 표시하기 위한 디스플레이(408) 및 사용자에 의해 정보를 입력하기 위한 마우스 및 키보드와 같은 입력 장치(409)를 포함한다. 디스플레이(408) 및 입력 장치(409)는 모두 시스템 버스(405)에 연결된 입/출력 컨트롤러(410)에 의해 중앙 처리 장치(401)에 연결된다. 기본 입/출력 시스템(406)은 키보드, 마우스 또는 전자 스타일러스와 같은 복수의 다른 장치로부터의 입력을 수신 및 처리하는 입/출력 컨트롤러(410)를 더 포함할 수 있다. 유사하게, 입/출력 컨트롤러(410)는 디스플레이, 프린터, 또는 다른 유형의 출력 장치로의 출력을 더 제공한다.
상기 고용량 저장 매체(407)는 시스템 버스(405)에 연결된 고용량 저장 컨트롤러(미도시)에 의해 중앙 처리 장치(401)에 연결된다. 고용량 저장 매체(407) 및 이와 관련된 컴퓨터 판독 가능 매체는 서버(400)에 대한 비휘발성 저장 매체를 제공한다. 즉, 고용량 저장 매체(407)는 하드 디스크 또는 CD-ROM 드라이버와 같은 컴퓨터 판독 가능 매체(미도시)를 포함할 수 있다.
일반성의 손실 없이, 컴퓨터 판독 가능 매체는 컴퓨터 저장 매체 및 통신 매체를 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독 가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보를 저장하기 위한 임의의 방법 또는 기술로 구현되는 휘발성 및 비휘발성, 제거 가능한 및 제거 불가능한 매체를 포함한다. 컴퓨터 저장 매체는 RAM, ROM, EPROM(Erasable Programmable Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), 플래시 메모리 또는 기타 솔리드 스테이트 저장 매체; CD-ROM, 디지털 다목적 디스크(DVD) 또는 기타 광 저장 매체; 및 테이프 카트리지, 자기 테이프, 디스크 저장 매체 또는 기타 자기 저장 매체를 포함한다. 당업자는 컴퓨터 저장 매체가 상기 기재된 것들로 제한되지 않는다는 것을 알 것이다. 상기 시스템 메모리(404) 및 고용량 저장 매체(407)를 통칭하여 메모리라고 칭할 수 있다.
본 개시의 다양한 실시예에 따르면, 서버(400)는 또한 작동을 위해 인터넷과 같은 네트워크를 통해 네트워크 상의 원격 컴퓨터에 연결될 수 있다. 즉, 상기 서버(400)는 시스템 버스(405)와 연결된 네트워크 인터페이스부(411)에 의해 네트워크(412)에 연결되거나, 네트워크 인터페이스부(411)를 통해 다른 종류의 네트워크 또는 원격 컴퓨터 시스템(미도시)에 연결될 수 있다.
본 개시의 상기 실시예의 일련 번호는 단지 설명의 목적을 위한 것일 뿐, 실시예의 품질을 나타내는 것은 아니다.
당업자는 위의 실시예의 단계의 전부 또는 일부가 하드웨어 또는 읽기 전용 메모리, 디스크 또는 광 디스크와 같은 컴퓨터 판독 가능 저장 매체에 저장된 프로그램에 의해 지시되는 관련 하드웨어에 의해 완료될 수 있다는 것을 이해할 수 있다.
상기 설명된 것은 본 발명의 예시적인 실시예이며, 본 발명을 제한하도록 의도되지 않는다. 본 발명의 사상 및 원칙 내에서 이루어진 모든 수정, 균등한 대체, 개선 등은 본 발명의 보호 범위 내에 포함되어야 한다.

Claims (10)

  1. 풍력 터빈 블레이드를 검사하는 방법에 있어서, 상기 풍력 터빈 블레이드는 풍력 발전 장치 내부에 있는 블레이드이고, 상기 풍력 발전 장치는 상기 풍력 터빈 블레이드에서 떨어진 곳에 장착된 음향 획득 장치를 제공하는 타워를 더 포함하며, 상기 방법은:
    상기 음향 획득 장치를 이용하여 상기 풍력 터빈 블레이드에 바람이 충돌하여 발생하는 음향신호를 획득하는 단계로서, 상기 음향신호는 상기 풍력 터빈 블레이드에 상기 바람이 충돌하는 경우 블레이드 사이에서 공기가 미끄러지면서 발생하는 음향신호를 포함하는 단계;
    상기 음향신호에 기초하여 주파수 스펙트로그램을 생성하는 단계; 및
    손상 인식 모델에 기초하여 상기 주파수 스펙트로그램에 대한 이미지 인식을 수행하여 상기 풍력 터빈 블레이드의 손상 인식 결과를 획득하는 단계로서, 상기 손상 인식 모델은 신경망 모델을 학습시켜 획득되는 단계를 포함하는 방법.
  2. 제1항에 있어서, 상기 음향신호에 기초하여 주파수 스펙트로그램을 생성하는 단계는,
    신호 분석 알고리즘을 호출하여 상기 음향신호에 의해 형성된 시간 도메인 신호 다이어그램에서 신호 엔벨로프를 추출하는 단계;
    시간 도메인에서 상기 신호 엔벨로프 상에서 파형 골이 나타나는 지점의 위치를 분할 지점으로 결정하는 단계; 및
    상기 음향신호를 상기 주파수 스펙트로그램으로 변환하고, 상기 분할 지점을 기준으로 상기 주파수 스펙트로그램을 분할하여 분할된 주파수 스펙트로그램을 획득하는 단계를 포함하는 방법.
  3. 제2항에 있어서, 상기 손상 인식 모델에 기초하여 주파수 스펙트로그램에 대한 이미지 인식을 수행하여 상기 풍력 터빈 블레이드의 손상 인식 결과를 획득하는 단계는,
    상기 분할된 주파수 스펙트로그램에 기초하여 상기 풍력 터빈 블레이드에 대한 바람의 충돌에 대응하여 음향 스펙트럼 차이 인자를 계산하는 단계로서, 상기 음향 스펙트럼 차이 인자는 상기 풍력 터빈 블레이드의 손상 정도를 나타내는 단계; 및
    상기 음향 스펙트럼 차이 인자가 차이 임계값보다 큰 경우 상기 손상 인식 모델을 기반으로 상기 분할된 주파수 스펙트로그램에 대해 이미지 인식을 수행하여 상기 풍력 터빈 블레이드의 손상 인식 결과를 획득하는 단계를 포함하는 방법.
  4. 제3항에 있어서, 상기 분할된 주파수 스펙트로그램은 분할 후 n개의 풍력 터빈 블레이드의 주파수 스펙트럼 영역을 포함하며, n은 양의 정수이고,
    상기 분할된 주파수 스펙트로그램에 기초하여 상기 풍력 터빈 블레이드에 대한 바람의 충돌에 대응하여 상기 음향 스펙트럼 차이 인자를 계산하는 단계는,
    n개의 주파수 스펙트럼 영역에서 신호 피크를 추출하는 단계;
    상기 n개의 주파수 스펙트럼 영역의 상기 신호 피크에 기초하여 상기 음향신호의 시간 도메인 인자 및 주파수 도메인 인자를 계산하는 단계; 및
    상기 시간 도메인 인자와 상기 주파수 도메인 인자의 가중 평균을 상기 음향 스펙트럼 차이 인자로 결정하는 단계를 포함하는 방법.
  5. 제4항에 있어서, m개의 풍력 터빈 블레이드가 상기 풍력 발전 장치에 배치되며, m은 양의 정수이고,
    상기 n개의 주파수 스펙트럼 영역의 상기 신호 피크에 기초하여 상기 음향신호의 상기 시간 도메인 인자를 계산하는 단계는,
    상기 풍력 터빈 블레이드 각각에 대응하는 상기 주파수 스펙트럼 영역 중 적어도 2개의 신호 피크의 중앙값을 결정하는 단계;
    상기 m개의 풍력 터빈 블레이드에 대응하는 m개의 중앙값으로부터 최대 피크 및 최소 피크를 결정하는 단계; 및
    상기 시간 도메인 인자로서 상기 최대 피크 대 상기 최소 피크의 비율을 결정하는 단계를 포함하는 방법.
  6. 제4항에 있어서, m개의 풍력 터빈 블레이드가 상기 풍력 발전 장치에 배치되며, m은 양의 정수이고,
    상기 n개의 주파수 스펙트럼 영역의 상기 신호 피크에 기초하여 상기 음향신호의 상기 주파수 도메인 인자를 계산하는 단계는,
    m개의 주파수 스펙트럼 영역 중 인접한 2개의 주파수 스펙트럼 영역 각각의 신호 피크로부터 최대 피크를 획득하고 상기 최대 피크를 후보 피크로 결정하고, m은 양의 정수이고, 상기 후보 피크 중 적어도 2개의 중앙값을 상기 주파수 도메인 인자로 결정하는 단계; 또는
    상기 분할된 주파수 스펙트로그램에서 신호 분포와 이론적인 분포 사이의 상대 엔트로피를 계산하고, 상기 상대 엔트로피를 상기 주파수 도메인 인자로 결정하는 단계를 포함하는 방법.
  7. 제3항 내지 제6항 중 어느 한 항에 있어서, 상기 분할된 주파수 스펙트로그램에 기초하여 상기 풍력 터빈 블레이드에 대한 바람의 충돌에 대응하여 상기 음향 스펙트럼 차이 인자를 계산하는 단계는,
    상기 분할된 주파수 스펙트로그램에 기초하여 상기 음향신호의 신호 대 잡음비를 계산하는 단계;
    상기 신호 대 잡음비가 신호 대 잡음비 임계값보다 큰 경우 상기 분할된 주파수 스펙트로그램에 기초하여 상기 풍력 터빈 블레이드에 대한 바람의 충돌에 대응하여 상기 음향 스펙트럼 차이 인자를 계산하는 단계; 및
    상기 신호 대 잡음비가 상기 신호 대 잡음비 임계값보다 작은 경우 상기 음향 획득 장치가 고장에 처한다고 결정하는 단계를 포함하는 방법.
  8. 풍력 터빈 블레이드를 검사하는 기기에 있어서, 상기 풍력 터빈 블레이드는 풍력 발전 장치 내부에 있는 블레이드이고, 상기 풍력 발전 장치는 상기 풍력 터빈 블레이드에서 떨어진 곳에 장착된 음향 획득 장치를 제공하는 타워를 더 포함하며,
    상기 음향 획득 장치를 이용하여 상기 풍력 터빈 블레이드에 바람이 충돌하여 발생하는 음향신호를 획득하도록 구성된 획득 모듈로서, 상기 음향신호는 상기 풍력 터빈 블레이드에 상기 바람이 충돌하는 경우 블레이드 사이에서 공기가 미끄러지면서 발생하는 음향신호를 포함하는 모듈;
    상기 음향신호에 기초하여 주파수 스펙트로그램을 생성하도록 구성된 생성 모듈; 및
    손상 인식 모델에 기초한 상기 주파수 스펙트로그램에 대한 이미지 인식을 수행하여 상기 풍력 터빈 블레이드의 손상 인식 결과를 획득하도록 구성된 인식 모듈로서, 상기 손상 인식 모델은 신경망 모델을 학습시켜 획득되는 모듈을 포함하는 기기.
  9. 풍력 발전 장치에 있어서,
    음향 획득 장치;
    상기 음향 획득 장치와 통신 가능하게 연결된 메모리; 및
    상기 메모리에 통신 가능하게 연결된 프로세서를 포함하고,
    상기 음향 획득 장치는 상기 풍력 발전 장치의 상기 풍력 터빈 블레이드에 대한 바람의 충돌에 대응하여 음향신호를 획득하고, 상기 음향신호를 상기 메모리에 저장하도록 구성되고;
    상기 메모리는 실행 가능한 명령어 및 상기 음향신호를 저장하도록 구성되며;
    상기 프로세서는 제1항 내지 제6항 중 어느 한 항에 정의된 상기 풍력 터빈 블레이드를 검사하는 방법을 수행하기 위해 상기 메모리에 저장된 상기 실행 가능한 명령어를 로드하고 실행하도록 설정되는 장치.
  10. 적어도 하나의 명령어, 적어도 하나의 프로그램, 코드 세트, 또는 그 명령어 세트를 저장하는 비일시적 컴퓨터 판독 가능 저장 매체에 있어서, 상기 적어도 하나의 명령어, 상기 적어도 하나의 프로그램, 상기 코드 세트, 또는 상기 명령어 세트는, 프로세서에 의해 로드되고 실행될 때, 상기 프로세서가 제1항 내지 제6항 중 어느 한 항에 정의된 상기 풍력 터빈 블레이드를 검사하는 방법을 수행하도록 하는 저장 매체.

KR1020227026225A 2019-12-31 2020-12-28 풍력 터빈 블레이드를 검사하는 방법 및 기기, 및 그 장치 및 저장 매체 KR102509577B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201911420554.6 2019-12-31
CN201911420554.6A CN111306008B (zh) 2019-12-31 2019-12-31 风机叶片的检测方法、装置、设备及存储介质
PCT/SG2020/050785 WO2021137760A1 (en) 2019-12-31 2020-12-28 Method and apparatus for inspecting wind turbine blade, and device and storage medium thereof

Publications (2)

Publication Number Publication Date
KR20220116051A KR20220116051A (ko) 2022-08-19
KR102509577B1 true KR102509577B1 (ko) 2023-03-14

Family

ID=71156395

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020227026225A KR102509577B1 (ko) 2019-12-31 2020-12-28 풍력 터빈 블레이드를 검사하는 방법 및 기기, 및 그 장치 및 저장 매체

Country Status (12)

Country Link
US (1) US11905926B2 (ko)
EP (1) EP4085376A4 (ko)
JP (1) JP7199608B2 (ko)
KR (1) KR102509577B1 (ko)
CN (1) CN111306008B (ko)
AU (1) AU2020416094A1 (ko)
BR (1) BR112022013078A2 (ko)
CA (1) CA3166457A1 (ko)
CL (1) CL2022001768A1 (ko)
MX (1) MX2022008115A (ko)
WO (1) WO2021137760A1 (ko)
ZA (1) ZA202208408B (ko)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI760904B (zh) * 2020-10-28 2022-04-11 恩波信息科技股份有限公司 基於聲音的機械監測系統及方法
CN112598027B (zh) * 2020-12-09 2024-06-18 深圳市优必选科技股份有限公司 一种设备的异常识别方法、装置、终端设备及存储介质
TWI742959B (zh) * 2020-12-09 2021-10-11 國立臺灣大學 檢測設備、檢測系統及風力發電機組
CN112560673A (zh) * 2020-12-15 2021-03-26 北京天泽智云科技有限公司 一种基于图像识别的雷声检测方法及***
CN112727704B (zh) * 2020-12-15 2021-11-30 北京天泽智云科技有限公司 一种叶片前缘腐蚀的监测方法及***
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***
CN112735448A (zh) * 2020-12-15 2021-04-30 北京天泽智云科技有限公司 一种基于目标检测的声音检测方法及***
CN113464380B (zh) * 2021-08-09 2022-09-27 观为监测技术无锡股份有限公司 一种塔筒安全性能确定方法、装置、设备及存储介质
CN114483417B (zh) * 2022-01-10 2023-06-16 中国长江三峡集团有限公司 一种基于声纹识别的水轮机导叶漏水缺陷快速识别方法
CN114464152B (zh) * 2022-04-13 2022-07-19 齐鲁工业大学 一种基于视觉变换网络的音乐流派分类方法及***
CN115163426A (zh) * 2022-07-07 2022-10-11 府谷县京能新能源有限公司 基于ai听诊的风机故障检测方法及***、风机安全***
CN116740619B (zh) * 2023-08-10 2023-10-17 中国海洋大学 基于数字图像处理的海上风力机角速度测量方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10065314A1 (de) 2000-12-30 2002-07-18 Igus Ingenieurgemeinschaft Umw Verfahren und Einrichtung zur Überwachung des Zustandes von Rotorblättern an Windkraftanlagen
US20140278151A1 (en) 2013-03-15 2014-09-18 Digital Wind Systems, Inc. Nondestructive acoustic doppler testing of wind turbine blades from the ground during operation
CN106468244A (zh) * 2015-08-21 2017-03-01 王昭男 风力发电机的叶片检测方法与装置
CN110111328A (zh) 2019-05-16 2019-08-09 上海中认尚科新能源技术有限公司 一种基于卷积神经网络的风力发电机叶片裂纹检测方法

Family Cites Families (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19948194C2 (de) * 1999-10-06 2001-11-08 Aloys Wobben Verfahren zur Überwachung von Windenergieanlagen
DE102005017054B4 (de) 2004-07-28 2012-01-05 Igus - Innovative Technische Systeme Gmbh Verfahren und Vorrichtung zur Überwachung des Zustandes von Rotorblättern an Windkraftanlagen
US7487059B2 (en) * 2007-06-21 2009-02-03 The Boeing Company Transducer health diagnostics for structural health monitoring (SHM) systems
DE102008026842B3 (de) * 2008-06-05 2010-02-18 Repower Systems Ag Verfahren und Anordnung zum Überwachen des Betriebs einer Windenergieanlage
US8041540B2 (en) * 2009-12-09 2011-10-18 General Electric Company System, device, and method for acoustic and visual monitoring of a wind turbine
WO2013023660A1 (en) * 2011-08-16 2013-02-21 Vestas Wind Systems A/S Acoustic noise monitoring system for a wind turbine
CN102706560B (zh) * 2012-05-25 2017-12-12 华锐风电科技(江苏)有限公司 一种风力发电机组的状态监测方法和装置
WO2015065873A2 (en) 2013-10-28 2015-05-07 University Of Massachusetts Structural health monitoring of wind turbine blades using wireless acoustic sensing
CN105136435B (zh) * 2015-07-15 2017-10-31 北京汉能华科技股份有限公司 一种风力发电机组叶片故障诊断的方法和装置
DE102015117032A1 (de) * 2015-10-07 2017-04-13 Wobben Properties Gmbh Verfahren zum Überwachen einer Windenergieanlage
JP5954605B1 (ja) * 2015-12-14 2016-07-20 富士ゼロックス株式会社 診断装置、診断システムおよびプログラム
JP2018021491A (ja) 2016-08-02 2018-02-08 株式会社日立製作所 システム及び飛行ルート生成方法
JP6922708B2 (ja) * 2017-12-07 2021-08-18 富士通株式会社 異常検出用コンピュータプログラム、異常検出装置及び異常検出方法
CN108122562A (zh) * 2018-01-16 2018-06-05 四川大学 一种基于卷积神经网络和随机森林的音频分类方法
WO2019166397A1 (en) * 2018-02-28 2019-09-06 Robert Bosch Gmbh Intelligent audio analytic apparatus (iaaa) and method for space system
JP6617783B2 (ja) * 2018-03-14 2019-12-11 カシオ計算機株式会社 情報処理方法、電子機器及びプログラム
WO2019204883A1 (en) * 2018-04-26 2019-10-31 Ping Services Pty Ltd An apparatus and method of detecting anomalies in an acoustic signal
CN110148400B (zh) * 2018-07-18 2023-03-17 腾讯科技（深圳）有限公司 发音类型的识别方法、模型的训练方法、装置及设备
CN109209783A (zh) * 2018-09-18 2019-01-15 远景能源（江苏）有限公司 一种基于噪声检测叶片的雷击损伤的方法及装置
CN109505741B (zh) * 2018-12-20 2020-07-10 浙江大学 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
US11374947B2 (en) * 2019-02-01 2022-06-28 Skycope Technologies, Inc. Wireless threat detection device, system, and methods to detect signals in wideband RF systems and localize related time and frequency information based on deep learning
JP2020172861A (ja) * 2019-04-08 2020-10-22 富士通株式会社 異常判別方法、異常判別装置および異常判別プログラム
CN109977920B (zh) * 2019-04-11 2022-06-07 福州大学 基于时频谱图及卷积神经网络的水轮机组故障诊断方法
CN110487549A (zh) * 2019-09-10 2019-11-22 哈工大机器人（山东）智能装备研究院 轴承故障识别方法、装置、计算机设备及存储介质
CN110985310B (zh) * 2019-12-16 2021-03-30 大连赛听科技有限公司 基于声传感器阵列的风力发电机叶片故障监测方法与设备
CN112083077A (zh) * 2020-09-11 2020-12-15 上海萌郁智能科技有限公司 周期运动叶片音频故障检测***
CN112324629A (zh) * 2020-11-09 2021-02-05 华能陕西靖边电力有限公司 一种基于振动和声音的风电叶片早期损伤监测***及方法
CN112727704B (zh) * 2020-12-15 2021-11-30 北京天泽智云科技有限公司 一种叶片前缘腐蚀的监测方法及***
CN114593023A (zh) * 2022-03-25 2022-06-07 中国华能集团清洁能源技术研究院有限公司 一种风电机组叶片裂纹监测***及方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10065314A1 (de) 2000-12-30 2002-07-18 Igus Ingenieurgemeinschaft Umw Verfahren und Einrichtung zur Überwachung des Zustandes von Rotorblättern an Windkraftanlagen
US20140278151A1 (en) 2013-03-15 2014-09-18 Digital Wind Systems, Inc. Nondestructive acoustic doppler testing of wind turbine blades from the ground during operation
CN106468244A (zh) * 2015-08-21 2017-03-01 王昭男 风力发电机的叶片检测方法与装置
CN110111328A (zh) 2019-05-16 2019-08-09 上海中认尚科新能源技术有限公司 一种基于卷积神经网络的风力发电机叶片裂纹检测方法

Also Published As

Publication number Publication date
MX2022008115A (es) 2022-09-23
EP4085376A4 (en) 2023-02-08
JP2022552449A (ja) 2022-12-15
BR112022013078A2 (pt) 2022-09-06
AU2020416094A1 (en) 2022-07-28
CN111306008B (zh) 2022-03-11
CN111306008A (zh) 2020-06-19
JP7199608B2 (ja) 2023-01-05
CL2022001768A1 (es) 2022-11-25
ZA202208408B (en) 2022-10-26
KR20220116051A (ko) 2022-08-19
US11905926B2 (en) 2024-02-20
EP4085376A1 (en) 2022-11-09
WO2021137760A1 (en) 2021-07-08
US20230123117A1 (en) 2023-04-20
CA3166457A1 (en) 2021-07-08

Similar Documents

Publication Publication Date Title
KR102509577B1 (ko) 풍력 터빈 블레이드를 검사하는 방법 및 기기, 및 그 장치 및 저장 매체
CN108087210B (zh) 风力发电机组叶片异常识别方法及装置
CN111209934A (zh) 风机故障预报警方法及***
CN113027695B (zh) 风力发电机组的桨距角异常的检测方法及装置
CN115859148A (zh) 风机叶片振动报警方法及装置
CN116825131A (zh) 融合频带自向下注意力机制的电厂设备状态听觉监测方法
CN110334562B (zh) 轴承振动运行状态预测模型训练方法及预测方法、装置
JP2007327885A (ja) 異常判定方法および異常判定装置
CN111833336A (zh) 一种基于高光谱的风电叶片表面砂眼故障的检测***及方法
CN116699400A (zh) 一种发电机转子短路故障监测***、方法及可读存储介质
EP4254261A1 (en) Blade fault diagnosis method, apparatus and system, and storage medium
CN113090471B (zh) 风力发电机组的塔架净空音频监测***、方法及装置
CN111400959B (zh) 风力发电机组的叶片故障诊断方法及装置
Arockia Dhanraj et al. Appraising machine learning classifiers for discriminating rotor condition in 50W–12V operational wind turbine for maximizing wind energy production through feature extraction and selection process
CN117409816B (zh) 一种基于声音信号的设备故障检测方法及***
CN115681019A (zh) 风机叶片损伤的预警方法、装置、设备、介质及程序产品
KR102644417B1 (ko) 해상 풍력발전 건전성 모니터링 시스템 및 이를 이용한 풍력발전 건전성 진단 방법
CN117538710B (zh) 用于局部动态放电监测的智能预警方法及***
CN112001326B (zh) 基于振动指纹的高压开关装备故障诊断与预测方法和***
CN112459970B (zh) 一种运用数据对抗学习的风电机组异常检测方法
CN110017892B (zh) 一种变压器的异常状态振声的检测方法和装置
CN117457029A (zh) 设备故障检测方法、装置、计算机设备及存储介质
Ramírez et al. Wind Turbine Alarm Management by Internet of the Things
CN117789768A (zh) 一种风机叶片异常声音监测方法、***、设备及介质
CN117803520A (zh) 基于云边协同的风电机组智能控制方法及***

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant