-
公开(公告)号：CN112378605A
公开(公告)日：2021-02-19
申请号：CN202011116165.7
申请日：2020-10-19
摘要： 本发明涉及一种基于EMD分解自学习的风电机组叶片故障识别方法，包括：步骤一，采集风电机组叶片声音信号在线监测数据，并对采集的监测数据进行EMD分解；步骤二，将EMD分解后的声音信号与正常声音信息进行比较，若存在差异，获取差异信息对应的IMF分量，并启动视频监测设备采集差异信息对应的风电机组叶片的视频图像数据；步骤三，基于BP神经网络的图像识别方法对采集的视频图像进行识别，得到风电机组叶片故障识别结果。本发明无需进行大量的人工筛选，当叶片出现故障时声音信号出现异常，通过触发视频监测，对高清视频监测图片内叶片表面裂纹、雷击、断裂等进行判断，进而对故障声信号进行标识，适用于对风电机组叶片的声音微弱信号进行检测。
-
公开(公告)号：CN112378605B
公开(公告)日：2023-06-27
申请号：CN202011116165.7
申请日：2020-10-19
摘要： 本发明涉及一种基于EMD分解自学习的风电机组叶片故障识别方法，包括：步骤一，采集风电机组叶片声音信号在线监测数据，并对采集的监测数据进行EMD分解；步骤二，将EMD分解后的声音信号与正常声音信息进行比较，若存在差异，获取差异信息对应的IMF分量，并启动视频监测设备采集差异信息对应的风电机组叶片的视频图像数据；步骤三，基于BP神经网络的图像识别方法对采集的视频图像进行识别，得到风电机组叶片故障识别结果。本发明无需进行大量的人工筛选，当叶片出现故障时声音信号出现异常，通过触发视频监测，对高清视频监测图片内叶片表面裂纹、雷击、断裂等进行判断，进而对故障声信号进行标识，适用于对风电机组叶片的声音微弱信号进行检测。
-
公开(公告)号：CN114183312A
公开(公告)日：2022-03-15
申请号：CN202111469505.9
申请日：2021-12-03
申请人： 中国大唐集团新能源科学技术研究院有限公司
IPC分类号： F03D17/00
摘要： 本发明公开一种风电机组叶片状态的监测系统及方法，系统包括：声像采集模块，用于采集风电机组叶片的状态信息，并将状态信息发送至数据处理模块；数据处理模块，用于对接收到的状态信息进行数据处理，确定满足预设要求的目标数据，并将目标数据发送至诊断模块；诊断模块，用于通过预警算法对接收的目标数据进行状态判断，确定故障类型，以实现对风电机组叶片状态的监测。本发明采用声像结合的方式，在不接触机组叶片的前提下，利用气动信号采集器采集叶片运行过程中出现的异常信号；能在叶片损伤及其小的情况下发现故障，提前预警，做出相应的补救措施，能够有效的对叶片状态进行实时诊断，且不需要手动操作。
-
公开(公告)号：CN213579737U
公开(公告)日：2021-06-29
申请号：CN202022097215.3
申请日：2020-09-22
申请人： 中国大唐集团新能源科学技术研究院有限公司
摘要： 本发明涉及一种风电场无线噪声监测装置，包括若干个用于布置于风电场及周围场所测点的噪声传感器，集成有4G模块的多通道噪声采集器，以及远程监测服务器；所述噪声传感器通过多芯同轴电缆与所述多通道噪声采集器连接，每四个所述噪声传感器分为一组，用于对测点周围360°入射方向的噪声信号进行采集，并将采集的噪声信号通过4G模块传输至所述远程监测服务器。本发明通过在风电场及周围居民区若干个测点各布置一套噪声监测装置，并通过4G网络的实现信号快捷传输，实现了风电场所有风电机组的远程噪声信号在线监测，降低了施工成本，使用寿命更长，更加安全可靠。
-
-
-
搜索结果
14 条记录 (耗时 0.077 秒)
