基于音频数据的风电机组叶片异常状态检测技术研究

作     者：胡凯凯 陈亚楠 陈刚 舒晖 李籽圆 HU Kaikai;CHEN Yanan;CHEN Gang;SHU Hui;LI Ziyuan

作者机构：中车株洲电力机车研究所有限公司湖南株洲412001 

出 版 物：《控制与信息技术》 (CONTROL AND INFORMATION TECHNOLOGY)

年 卷 期：2021年第5期

页      码：113-121页

摘      要：为提升风电机组自身的感知能力,更多的数字化、智能化新技术开始被用于风电机组。基于音频数据对风电机组的异常状态做监测,就是其中一个较为前沿和实用的技术探索方向。文章利用叶片损伤后其气动音频信号会发生变化这一特点,设计了一套基于音频数据的风电机组叶片异常状态监测系统,其通过在风力发电机组上安装拾音器、分析挖掘所收集的风电机组音频数据,并基于多分类的机器学习模型,探索出一套音频数据的特征分析和模式识别的方法。仿真和实际应用结果显示,用该方法可以识别叶片是否损伤、冷却风扇是否工作等工况,以排除冷却风扇运行对叶片异常检测的干扰,实现叶片啸叫的异常检测,从而形成了一套可行的基于风电机组音频数据的叶片异常检测方法。

主 题 词：风电叶片 机器学习 异常状态检测 音频数据 特征分析 

学科分类：080801[080801] 0808[工学-自动化类] 08[工学] 0807[工学-电子信息类] 

D　O　I：10.13889/j.issn.2096-5427.2021.05.019

馆 藏 号：203105865...