权利要求书: 1.一种风机叶片的检测方法,其特征在于,所述风机叶片是风力发电设备中的叶片,所述风力发电设备还包括设置有声音采集设备的塔筒,所述方法包括:通过所述声音采集设备采集所述风机叶片扫风时的声音信号,所述声音信号包括所述风机叶片扫风时位于叶片间的空气滑动所产生的声音信号;
调用信号分析算法从所述声音信号形成的时域信号图中提取信号包络线;将所述信号包络线中波谷所在的点在时域上的位置确定为切分点;将所述声音信号转换为频谱图,按照所述切分点对所述频谱图进行切分,得到切分后的频谱图;
基于所述切分后的频谱图计算所述风机叶片扫风时的声谱差异因子,所述声谱差异因子表示所述风机叶片的损伤程度;当所述声谱差异因子大于差异阈值时,通过损伤识别模型对所述切分后的频谱图进行图像识别,得到所述风机叶片的损伤识别结果;其中,所述损伤识别模型是由神经网络模型训练得到的。
2.根据权利要求1所述的方法,其特征在于,所述切分后的频谱图包括切分后n个所述风机叶片的频谱区域,n为正整数;
所述基于所述切分后的频谱图计算所述风机叶片扫风时的声谱差异因子,包括:提取n个所述频谱区域中的信号峰值;
根据n个所述频谱区域的信号峰值计算所述声音信号的时域因子和频域因子;
将所述时域因子与所述频域因子的加权平均值确定为所述声谱差异因子。
3.根据权利要求2所述的方法,其特征在于,所述风力发电设备上设置有m个所述风机叶片,m为正整数;
所述根据n个所述频谱区域的信号峰值计算所述声音信号的时域因子,包括:确定出每一个所述风机叶片对应的至少两个所述频谱区域的信号峰值中的中位数;
从m个所述风机叶片对应的m个所述中位数中确定出最大峰值和最小峰值;
将所述最大峰值与所述最小峰值的比值确定为所述时域因子。
4.根据权利要求2所述的方法,其特征在于,所述风力发电设备上设置有m个所述风机叶片,m为正整数;
所述根据n个所述频谱区域的信号峰值计算所述声音信号的频域因子,包括:获取每相邻的m个所述频谱区域的信号峰值中的最大峰值,将所述最大峰值确定为候选峰值;将至少两个所述候选峰值的中位数确定为所述频域因子;
或者,
计算所述切分后的频谱图中信号分布与理论分布之间的相对熵,将所述相对熵确定为所述频域因子。
5.根据权利要求1至4任一所述的方法,其
声明:
“风机叶片的检测方法、装置、设备及存储介质” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)