本發(fā)明涉及風(fēng)機(jī)故障診斷領(lǐng)域，尤其涉及一種基于多源數(shù)據(jù)融合的風(fēng)機(jī)葉片故障診斷與預(yù)警方法。

背景技術(shù)：

1、隨著風(fēng)電行業(yè)的迅猛發(fā)展，風(fēng)電機(jī)組的單機(jī)容量逐步攀升。風(fēng)機(jī)葉片作為風(fēng)力發(fā)電機(jī)組關(guān)鍵零部件之一，其長(zhǎng)度由早期的15m，逐步增長(zhǎng)到148m。近幾年來(lái)葉片斷裂故障頻發(fā)，葉片斷裂影響主機(jī)運(yùn)行，甚至?xí)鸬顾L(fēng)險(xiǎn)。風(fēng)機(jī)葉片作為風(fēng)電機(jī)組的核心部件，其運(yùn)行狀態(tài)直接關(guān)系到整個(gè)機(jī)組的效率和安全性。然而，由于工作環(huán)境惡劣、載荷復(fù)雜多變等因素，風(fēng)機(jī)葉片容易發(fā)生各種故障，如裂紋、磨損、不平衡等。

2、傳統(tǒng)的風(fēng)機(jī)葉片故障診斷方法通常依賴單一類型的數(shù)據(jù)，存在診斷準(zhǔn)確性低、預(yù)警不及時(shí)等問(wèn)題。例如，僅依靠振動(dòng)數(shù)據(jù)可能會(huì)因外界干擾導(dǎo)致誤判，單純使用應(yīng)變數(shù)據(jù)難以捕捉早期的細(xì)微損傷，而圖像數(shù)據(jù)單獨(dú)使用時(shí)可能受到拍攝角度和環(huán)境因素的限制。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)背景技術(shù)中存在的問(wèn)題，提出一種基于多源數(shù)據(jù)融合的風(fēng)機(jī)葉片故障診斷與預(yù)警方法，通過(guò)融合振動(dòng)數(shù)據(jù)、應(yīng)變數(shù)據(jù)和圖像數(shù)據(jù)，能夠更加全面、準(zhǔn)確地反映風(fēng)機(jī)葉片的運(yùn)行狀態(tài)，顯著提高了故障診斷的準(zhǔn)確性和預(yù)警的及時(shí)性，降低了誤報(bào)率和漏報(bào)率，減少了不必要的停機(jī)檢修，提高了風(fēng)電機(jī)組的可用率和發(fā)電效率。

2、本發(fā)明提出一種基于多源數(shù)據(jù)融合的風(fēng)機(jī)葉片故障診斷與預(yù)警方法，步驟包括：

3、s1、數(shù)據(jù)采集：采集振動(dòng)數(shù)據(jù)、應(yīng)變數(shù)據(jù)和圖像數(shù)據(jù)；

4、s2、數(shù)據(jù)預(yù)處理：對(duì)采集到的多源數(shù)據(jù)分別進(jìn)行預(yù)處理操作；

5、s3、特征提?。悍謩e從振動(dòng)數(shù)據(jù)、應(yīng)變數(shù)據(jù)和圖像數(shù)據(jù)中提取特征；

6、s4、數(shù)據(jù)融合：采用融合策略，將多源特征進(jìn)行融合，形成綜合的特征向量；

7、s5、預(yù)警策略制定：根據(jù)故障診斷模型的輸出結(jié)果，結(jié)合風(fēng)機(jī)葉片的運(yùn)行工況和預(yù)設(shè)的安全閾值，制定合理的預(yù)警策略。

8、優(yōu)選的，數(shù)據(jù)預(yù)處理時(shí)，多源數(shù)據(jù)采集設(shè)備均與服務(wù)器進(jìn)行校時(shí)，數(shù)據(jù)采集存儲(chǔ)過(guò)程中標(biāo)識(shí)時(shí)間標(biāo)簽

9、優(yōu)選的，數(shù)據(jù)預(yù)處理時(shí)，對(duì)振動(dòng)數(shù)據(jù)、應(yīng)變數(shù)據(jù)進(jìn)行去噪、平滑處理，去除異常值；對(duì)圖像數(shù)據(jù)進(jìn)行裁剪、縮放、灰度化操作，以統(tǒng)一圖像尺寸和格式，并進(jìn)行去噪處理。

10、優(yōu)選的，振動(dòng)數(shù)據(jù)特征提取方法如下：

11、s31、時(shí)域特征提取：提取有效值和峰值；

12、s32、頻域特征提?。哼M(jìn)行快速傅里葉變換，提取主頻和頻率帶寬。

13、優(yōu)選的，應(yīng)變數(shù)據(jù)特征提取方法如下：

14、s33、獲取應(yīng)變峰值與谷值：確定應(yīng)變數(shù)據(jù)中的最大值和最小值；

15、s34、獲取應(yīng)變變化率：計(jì)算應(yīng)變隨時(shí)間的變化率，反映應(yīng)變的動(dòng)態(tài)變化；

16、s35、獲取應(yīng)變分布特征：分析應(yīng)變?cè)谌~片不同位置的分布情況。

17、優(yōu)選的，圖像數(shù)據(jù)特征提取方法如下：

18、s36、進(jìn)行圖像分割提??；

19、s37、提取形狀的特征；

20、s38、提取紋理的特征；

21、s39、提取邊緣的特征。

22、優(yōu)選的，數(shù)據(jù)融合時(shí)選擇基于加權(quán)平均的融合策略，根據(jù)不同數(shù)據(jù)類型對(duì)故障診斷的重要性賦予不同的權(quán)重，具體步驟如下：

23、s41、確定權(quán)重；

24、s42、加權(quán)計(jì)算；

25、s43、使用驗(yàn)證集數(shù)據(jù)對(duì)融合結(jié)果進(jìn)行評(píng)估；

26、s44、將優(yōu)化后的融合特征輸出，用于后續(xù)的風(fēng)機(jī)葉片故障診斷和預(yù)警；

27、s45、結(jié)果分析與應(yīng)用，對(duì)融合后的特征值進(jìn)行分析和處理。

28、優(yōu)選的，預(yù)警策略制定的具體步驟如下：

29、s51、設(shè)定預(yù)警閾值；

30、s52、權(quán)重分配；

31、s53、融合計(jì)算；

32、s54、預(yù)警級(jí)別劃分；

33、s55、實(shí)時(shí)監(jiān)測(cè)與更新；

34、s56、結(jié)合工況條件，對(duì)預(yù)警策略進(jìn)行修正；

35、s57、人工干預(yù)與驗(yàn)證。

36、與現(xiàn)有技術(shù)相比，本發(fā)明具有如下有益的技術(shù)效果：

37、本發(fā)明通過(guò)融合振動(dòng)數(shù)據(jù)、應(yīng)變數(shù)據(jù)和圖像數(shù)據(jù)，能夠更加全面、準(zhǔn)確地反映風(fēng)機(jī)葉片的運(yùn)行狀態(tài)，顯著提高了故障診斷的準(zhǔn)確性和預(yù)警的及時(shí)性，降低了誤報(bào)率和漏報(bào)率，減少了不必要的停機(jī)檢修，提高了風(fēng)電機(jī)組的可用率和發(fā)電效率。能夠早期發(fā)現(xiàn)潛在的故障隱患，為預(yù)防性維護(hù)提供了有力支持，降低了維修成本和運(yùn)維風(fēng)險(xiǎn)。有助于優(yōu)化風(fēng)電場(chǎng)的運(yùn)行管理，提高整體經(jīng)濟(jì)效益和市場(chǎng)競(jìng)爭(zhēng)力。

技術(shù)特征：

1.一種基于多源數(shù)據(jù)融合的風(fēng)機(jī)葉片故障診斷與預(yù)警方法，其特征在于，步驟包括：

2.根據(jù)權(quán)利要求1所述的基于多源數(shù)據(jù)融合的風(fēng)機(jī)葉片故障診斷與預(yù)警方法，其特征在于，數(shù)據(jù)預(yù)處理時(shí)，多源數(shù)據(jù)采集設(shè)備均與服務(wù)器進(jìn)行校時(shí)，數(shù)據(jù)采集存儲(chǔ)過(guò)程中標(biāo)識(shí)時(shí)間標(biāo)簽。

3.根據(jù)權(quán)利要求1所述的基于多源數(shù)據(jù)融合的風(fēng)機(jī)葉片故障診斷與預(yù)警方法，其特征在于，數(shù)據(jù)預(yù)處理時(shí)，對(duì)振動(dòng)數(shù)據(jù)、應(yīng)變數(shù)據(jù)進(jìn)行去噪、平滑處理，去除異常值；對(duì)圖像數(shù)據(jù)進(jìn)行裁剪、縮放、灰度化操作，以統(tǒng)一圖像尺寸和格式，并進(jìn)行去噪處理。

4.根據(jù)權(quán)利要求1所述的基于多源數(shù)據(jù)融合的風(fēng)機(jī)葉片故障診斷與預(yù)警方法，其特征在于，振動(dòng)數(shù)據(jù)特征提取方法如下：

5.根據(jù)權(quán)利要求1所述的基于多源數(shù)據(jù)融合的風(fēng)機(jī)葉片故障診斷與預(yù)警方法，其特征在于，應(yīng)變數(shù)據(jù)特征提取方法如下：

6.根據(jù)權(quán)利要求1所述的基于多源數(shù)據(jù)融合的風(fēng)機(jī)葉片故障診斷與預(yù)警方法，其特征在于，圖像數(shù)據(jù)特征提取方法如下：

7.根據(jù)權(quán)利要求1所述的基于多源數(shù)據(jù)融合的風(fēng)機(jī)葉片故障診斷與預(yù)警方法，其特征在于，數(shù)據(jù)融合時(shí)選擇基于加權(quán)平均的融合策略，根據(jù)不同數(shù)據(jù)類型對(duì)故障診斷的重要性賦予不同的權(quán)重，具體步驟如下：

8.根據(jù)權(quán)利要求1所述的基于多源數(shù)據(jù)融合的風(fēng)機(jī)葉片故障診斷與預(yù)警方法，其特征在于，預(yù)警策略制定的具體步驟如下：

技術(shù)總結(jié)
本發(fā)明涉及風(fēng)機(jī)故障診斷領(lǐng)域，尤其涉及一種基于多源數(shù)據(jù)融合的風(fēng)機(jī)葉片故障診斷與預(yù)警方法，其步驟包括數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、特征提取、數(shù)據(jù)融合和預(yù)警策略制定。本發(fā)明通過(guò)融合振動(dòng)數(shù)據(jù)、應(yīng)變數(shù)據(jù)和圖像數(shù)據(jù)，能夠更加全面、準(zhǔn)確地反映風(fēng)機(jī)葉片的運(yùn)行狀態(tài)，顯著提高了故障診斷的準(zhǔn)確性和預(yù)警的及時(shí)性，降低了誤報(bào)率和漏報(bào)率，減少了不必要的停機(jī)檢修，提高了風(fēng)電機(jī)組的可用率和發(fā)電效率。能夠早期發(fā)現(xiàn)潛在的故障隱患，為預(yù)防性維護(hù)提供了有力支持，降低了維修成本和運(yùn)維風(fēng)險(xiǎn)。有助于優(yōu)化風(fēng)電場(chǎng)的運(yùn)行管理，提高整體經(jīng)濟(jì)效益和市場(chǎng)競(jìng)爭(zhēng)力。

技術(shù)研發(fā)人員：嚴(yán)則鋒,吳仕明,張?jiān)品?br/>受保護(hù)的技術(shù)使用者：北京英華達(dá)電力電子工程科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19