公开(公告)号：CN116153333A

公开(公告)日：2023-05-23

申请号：CN202310073354.8

申请日：2023-02-07

Applicant: 扬州大学

Inventor： 朱卫军 ,  吴允安 ,  郭光星 ,  孙振业 ,  付士凤 ,  李春和 ,  尹子吉 ,  彭益松

IPC: G10L25/51 ,  F03D17/00 ,  F03D80/40 ,  G06F18/241 ,  G06N3/0464 ,  G06N3/08 ,  G10L25/30 ,  G10L21/10

Abstract: 本发明公开了风力发电机的叶片故障检测领域内的一种基于气动噪声的风力机叶片故障诊断方法，其将风力机叶片气动噪声样本历史数据，过滤降噪后转换成图像数据，构建卷积神经网络模型，建立训练集，将图像数据输入至卷积神经网络模型中进行预训练，其中训练集包括了样本历史数据和扩容数据；再获取待测风力机叶片气动噪声作为声信号，将声信号汇总到数据采集与传输中心的服务器，再通过网络协议将数据传输到工作站的后台服务器；将输入后台服务器的数据，经过降噪后，再转换成图像数据，而后输入卷积神经网络模型，经故障特征确定风力机叶片故障类型。本发明操作简单，能及时了解风力机叶片状况，可以提升风力机叶片的故障检测效率。