CN109505741A - 一种基于矩形麦克风阵列的风力发电机破损叶片检测方法及装置 - Google Patents

Abstract

本发明公开了一种基于矩形麦克风阵列的风力发电机破损叶片检测方法及装置。本发明方法包括：利用矩形麦克风阵列，以非接触方式采集异响信号；估计破损叶片产生异响信号的到达角；对异响信号进行常规波束形成；对波束形成输出信号进行短时傅立叶变换，在指定频率区间进行频谱能量累加，利用滑动窗局部极大值搜索方法，获取异响信号的周期性特征，判定风力发电机叶片是否存在破损。本发明提供的基于矩形麦克风阵列的风力发电机破损叶片检测方法及装置，能够准确检测大型风力发电机的破损叶片，并且提供了非接触式的声学检测方案。

Description

一种基于矩形麦克风阵列的风力发电机破损叶片检测方法及 装置

技术领域

本发明涉及多传感器采集和故障检测领域，尤其涉及一种基于矩形麦克风面阵的风力发电机破损叶片检测方法及装置。

背景技术

风力发电机叶片是风电机组的关键部件之一，其性能直接影响风力发电机的发电效率和系统稳定性。因叶片整体裸露在外，工作环境多变，叶片破损甚至断裂的事故时有发生。当叶片发生事故特别是断裂事故时，叶片旋转的平衡状态被破坏，可能引起发电机组的剧烈振动导致保护装置失效，从而给发电机组轴系和风机塔筒造成巨大危害。

叶片开裂、破损的原因很多：例如在生产过程中工艺不过关、叶片材料强度不足等，实际机组运行过程中风沙磨损侵蚀、雨雪水汽侵蚀、雷击损坏等。如果在叶片断裂事故发生之前，检测装置及时预警，由专业维护作业人员决定是否停机检测维修，能够在最大程度上避免损失。

目前常用的风力发电机破损叶片的检测方法主要有以下几种：

(1)维护人员通过望远镜等工具观察；

(2)无人机巡查；

(3)风力发电机叶片表面或者内部布置震动或者光学传感器实时检测。

为了解决在复杂多变的环境中风力发电机破损叶片检测的问题，研究人员提出了利用在叶片表面或者内部布置声学/振动传感器，采集风力发电机叶片信号的方法，通过对采集的声学数据的分析，确定破损叶片和完整叶片产生声学信号的不同特征，结合专业维护保障人员多年积累的作业经验，判断风机叶片是否存在破损，是否需要停机检测维修。

在实际过程中，基于声学/振动传感器的破损叶片检测方法存在以下问题：

(1)传感器布放的位置、数目、灵敏度等指标难以确定；

(2)声学/振动传感器采集信号包含叶片、风机轴系等多种信号成分，给分析和确定叶片破损的声学信号特征造成困难；

(3)声学特征往往需要专业维护保障人员筛选和界定，需要巨大的样本量。

发明内容

针对现有技术存在的问题，本发明“基于矩形麦克风阵列的风力发电机破损叶片检测方法及装置”利用矩形麦克风阵列通过非接触的检测方式，搭建声学采集处理系统，同时主要利用到达角估计、波束形成、时频域分析等处理方法，获取异响出现的特征，最终判断检测的风力发电机机组叶片是否存在破损。

本发明的目的是通过以下技术方案来实现的：一种基于矩形麦克风阵列的风力发电机破损叶片检测方法，该方法包括以下步骤：

步骤1：将矩形麦克风阵列置于大型风力发电机塔筒下方，以非接触式采集方式采集异响信号；

步骤2：对异响信号进行到达角估计，以获得异响信号的期望角度；

步骤3：对异响信号进行常规波束形成；

步骤4：利用短时傅立叶变换分析异响信号指定频率区间的时频特征，对频谱能量进行累加；利用滑动窗局部极大值搜索方法，获取异响出现的周期性特征，判定风力发电机叶片是否存在破损。

进一步地，所述步骤2具体包括以下子步骤：

步骤21，对异响信号分帧，记采集的L帧信号中第帧为M为矩形麦克风阵列的麦克风总数，每个麦克风作为一个通道。利用短时傅立叶变换，将第m通道第帧的时域信号转换到时频域表示形式表示第k个频点，变换公式如下：

其中，N是短时傅立叶变换的长度，b_n是长度为N的窗函数，记第帧的时频域信号为

步骤22，定义每个频点k的数据相关矩阵E[·]表示求期望。根据常规波束形成权向量w(θ，k)，利用子频带到达角估计方法，对K个子频带的空间谱估计结果求平均，得到总波束功率P(θ)，公式如下：

对总波束功率P(θ)进行搜索，获得到达角估计值即异响期望角度。

进一步地，所述步骤3具体为：

根据异响信号的到达角估计值对期望角度内异响信号进行常规波束形成，记驾驶至角度的常规波束形成器的权向量的公式如下：

其中[p₁ p₂ ... p_M]为M个麦克风的阵元三维坐标，λ_k为对应频点k的波长；

获得波束形成后的输出信号公式如下：

进一步地，所述步骤4具体包括以下子步骤：

步骤41，根据波束形成输出信号确定频率区间[k_L，k_H]，对该频段内频谱能量进行累加，获得第帧的频谱能量公式如下：

利用滑动窗寻找全部L帧的局部极大值，记L帧中所有J个局部极大值的下标为I＝[I₁，i₂，...，I_J]。

步骤42，根据获得的局部极大值的下标序列I＝[I₁，i₂，...，I_J]，计算该序列元素的间隔分布特征方差σ²；根据如下公式得出叶片异响信号的检测结果Λ，

其中为方差阈值初始值；若Λ＝1，判决检测出异响信号；反之，则未在该段信号中检出异响信号；

由采集的前Q个异响信号样本的方差确定，公式如下：

其中为第i个样本频谱能量局部极大值下标序列的间隔分布特征方差。

步骤43，对同一台风机机组，采集多个样本，重复步骤41至步骤42，给出各样本的检测结果。若A＝1，更新方差阈值，反之，则不更新阈值。方差阈值的更新公式如下：

其中为第i+1个样本频谱能量局部极大值下标序列的间隔分布特征方差。

一种基于矩形麦克风阵列的风力发电机破损叶片检测装置，该装置包括：

矩形麦克风阵列：布置于大型风力发电机塔筒下方，以非接触式采集方式采集异响信号；

下位机：与矩形麦克风阵列连接，用于控制命令接收、信号采集、数据传输和线程调度；下位机在接收到上位机发送的“开始”控制指令后，通过矩形麦克风阵列进行异响信号采集，并实时上传数据到上位机；下位机在接收到上位机发送的“停止”控制指令后，停止实时上传数据到上位机；

上位机：接收下位机发送的异响信号数据，对异响信号进行到达角估计，获得异响信号的期望角度；对异响信进行常规波束形成；利用短时傅立叶变换分析异响信号指定频段的时频特征，对频谱能量进行累加；利用滑动窗局部极大值搜索方法，获取异响出现的周期性特征，判定风力发电机叶片是否存在破损。

进一步地，所述下位机与上位机的连接及数据传输具体如下：

a，确定上位机和下位机的IP地址、命令端口和数据端口，建立连接；

b，上位机下发控制命令“开始”，下位机接收到“开始”控制命令头开始采集；

c，对矩形麦克风阵列所有通道的采集数据进行并串转换，下位机向上位机发送上行数据包；

d，上位机下发控制命令“停止”，下位机接收到“停止”控制命令头后，停止上传数据，直至上位机重新发送控制命令“开始”；

e，上位机设置有定时功能，采集定时时间数据后自动存储为.dat文件。

本发明的有益效果是：

(1)本发明使用非接触式的声学异响检测方法，便于检测的设备布放和运行，避免了传统检测方法中传感器需要布放至风机叶片表面或者内部的缺点；

(2)本发明采用麦克风阵列对风机破损产生的异响信号进行到达角估计和波束形成处理，能够有效提高信噪比，便于在有噪环境下分析破损叶片产生的异响信号；

(3)本发明利用频谱能量局部极大值下标序列的间隔分布特征方差检测风机叶片是否有损，并且能够根据样本进行判别阈值的自适应调整，避免了需要专业人员进行特征筛选和界定的问题；

(4)基于上述三个特点，本发明可以实现非接触式的风力发电机破损叶片检测功能，具有较好的实用价值。

附图说明

图1为本发明破损叶片检测方法总体流程图。

图2为本发明中异响信号到达角估计流程图。

图3为本发明中异响信号常规波束形成流程图。

图4为本发明中异响检测阈值判决和阈值更新流程图。

图5为本发明下位机系统软件流程图。

图6为本发明上位机破损叶片检测方法检测结果(有破损叶片)。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步详细描述，本发明的目的和效果将变得更加明显。

图1给出了本发明的总体流程图。本发明对风力发电机破损叶片的检测分成4个步骤，即首先利用矩形麦克风阵列采集异响信号；对异响信号进行到达角估计确定信号来向；根据到达角估计结果对异响信号进行常规波束形成处理；对波束形成输出信号进行短时傅立叶变换，获得频谱能量局部极大值下标序列的间隔特征方差，根据不断更新的阈值判别风机叶片是否存在破损，输出检测结果。

本发明的检测方法具体实施方式如下：

步骤1，将矩形麦克风阵列置于大型风力发电机塔筒下方，以非接触式采集方式采集异响信号。

步骤2，对异响信号进行到达角估计，以获得异响信号的期望角度。如图2所示，包含以下子步骤：

步骤21，对采集数据分帧，记采集的L帧信号中第帧为M为矩形麦克风阵列的麦克风总数，每个麦克风作为一个通道。利用短时傅立叶变换，将第m通道第帧的时域信号转换到时频域表示形式k表示第k个频点，变换公式如下：

其中，N是短时傅立叶变换的长度，b_n是长度为N的窗函数，记第帧的时频域信号为作为优选，具体实施过程中，选择窗函数长度为1024的汉宁窗，短时傅立叶变换长度与窗函数长度保持一致。

步骤22，定义每个频点k的数据相关矩阵E[·]表示求期望。根据常规波束形成权向量w(θ，k)，利用子频带到达角估计方法，对K个子频带的空间谱估计结果求平均，得到总波束功率P(θ)，公式如下：

对总波束功率P(θ)进行搜索，获得到达角估计值即异响期望角度。在具体实施过程中，根据实际情况将角度的搜索范围缩小至区间[0，90°]。

步骤3，对异响信号进行常规波束形成。流程图如图3所示，包含以下步骤：

根据异响信号的到达角估计值对期望角度内异响信号进行常规波束形成，记驾驶至角度的常规波束形成器的权向量公式如下：

其中[p₁ p₂ ... p_M]为M个麦克风的阵元三维坐标，λ_k为对应频点k的波长；

获得波束形成后的输出信号公式如下：

步骤4，利用短时傅立叶变换分析异响信号指定频率区间的时频特征，对频谱能量进行累加；利用滑动窗局部极大值搜索方法，获取异响出现的周期性特征，判定风力发电机叶片是否存在破损。如图4所示，包含以下子步骤：

步骤41，根据波束形成输出信号确定频率区间[k_L，k_H]，对该频段内频谱能量进行累加，获得第帧的频谱能量公式如下：

利用滑动窗寻找全部L帧的局部极大值，记L帧中所有J个局部极大值的下标为I＝[I₁，I₂，...，I_J]。具体实施过程中，分析实际异响信号，确定进行频谱能量累加的指定频率区间为5KHz至7.8KHz。

步骤42，根据获得的局部极大值的下标序列I＝[I₁，I₂，...，I_J]，计算该序列元素的间隔分布特征方差σ²；根据如下公式得出叶片异响信号的检测结果Λ，

其中为方差阈值初始值。若Λ＝1，判决检测出异响信号；反之，则未在该段信号中检出异响信号；

由采集的前Q个异响信号样本的方差确定，公式如下：

其中为第i个样本频谱能量局部极大值下标序列的间隔分布特征方差。

步骤43，对同一台风机机组，采集多个样本，重复步骤41至步骤42，给出各样本的检测结果。若Λ＝1，更新方差阈值，反之，则不更新阈值。方差阈值的更新公式如下：

其中为第i+1个样本频谱能量局部极大值下标序列的间隔分布特征方差。具体实施过程中，选择前10个样本计算方差阈值初始值为200。

所述的破损叶片检测装置包括以下三个模块：

a，矩形麦克风阵列：布置于大型风力发电机塔筒下方，以非接触式采集方式采集异响信号；具体实施方式中，选用4*4矩形麦克风阵列，阵元间距为5cm，将麦克风阵列稳定地水平放置于风机塔筒下方；

b，下位机：与矩形麦克风阵列连接，用于控制命令接收、信号采集、数据传输和线程调度；下位机软件流程如图5所示。下位机在接收到上位机发送的“开始”控制指令后，通过矩形麦克风阵列进行异响信号采集，并实时上传数据到上位机；下位机在接收到上位机发送的“停止”控制指令后，停止实时上传数据到上位机；

c，上位机：接收下位机发送的异响信号数据，对异响信号进行到达角估计，获得异响信号的期望角度；对异响信进行常规波束形成；利用短时傅立叶变换分析异响信号指定频段的时频特征，对频谱能量进行累加；利用滑动窗局部极大值搜索方法，获取异响出现的周期性特征，判定风力发电机叶片是否存在破损。

检测装置中所述下位机与上位机的连接及数据传输具体如下：

a，确定上位机和下位机的IP地址、命令端口和数据端口，建立连接；

b，上位机下发控制命令“开始”，下位机接收到“开始”控制命令头开始采集；

c，对矩形麦克风阵列所有通道的采集数据进行并串转换，下位机向上位机发送上行数据包；具体实施过程中，下位机向上位机发送512字节/包的上行数据包，单个通道单个采样点由一个16bit的有符号整型表示，即单个上行数据包包含16个通道16个采样的数据；

d，上位机下发控制命令“停止”，下位机接收到“停止”控制命令头后，停止上传数据，直至上位机重新发送控制命令“开始”；

“开始”和“停止”控制命令格式说明见表1，

表1下位机控制命令格式说明

命令名	命令头	备注
			开始工作	0x0011	无命令体
暂停工作	0x0021	无命令体

下位机上传的数据包数据头和数据体格式说明分别见表2和表3，

表2下位机上传数据包数据头格式说明

表3下位机上传数据包数据体格式说明

Sample 0

Sample 1

Sample 2

…

Sample 16

Sample 17

……

CH1Data 0

CH2Data 0

CH3Data 0

…

CH1Data 1

CH2Data 1

……

e，上位机设置有定时功能，采集定时时间数据后自动存储为.dat文件。具体实施过程中，设定定时时间为30秒。

实施例

本实施例将上述检测方法应用于大型风力发电机破损叶片检测，具体步骤如前所述，此处不再赘述。上位机破损检测算法处理界面如图6所示，本发明所述检测方法已在上海崇明、浙江磐安两风场进行测试，检测破损叶片的准确率在70％以上。本发明能够进行风机叶片异响采集，并且上发上位机进行处理和异响检测。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于矩形麦克风阵列的风力发电机破损叶片检测方法，其特征在于，包括以下步骤：

步骤1：将矩形麦克风阵列置于大型风力发电机塔筒下方，以非接触式采集方式采集异响信号；

步骤2：对异响信号进行到达角估计，以获得异响信号的期望角度；

步骤3：对异响信号进行常规波束形成；

步骤4：利用短时傅立叶变换分析异响信号指定频率区间的时频特征，对频谱能量进行累加；利用滑动窗局部极大值搜索方法，获取异响出现的周期性特征，判定风力发电机叶片是否存在破损。

2.根据权利要求1所述的一种基于矩形麦克风阵列的风力发电机破损叶片检测方法，其特征在于，所述步骤2具体包括以下子步骤：

步骤21，对异响信号分帧，记采集的L帧信号中第l帧为x(l)＝[x₁(l)，x₂(l)，...，x_M(l)]，M为矩形麦克风阵列的麦克风总数，每个麦克风作为一个通道。利用短时傅立叶变换，将第m通道第l帧的时域信号转换到时频域表示形式X_m(k，l)，k表示第k个频点，变换公式如下：

其中，N是短时傅立叶变换的长度，b_n是长度为N的窗函数，记第l帧的时频域信号为X(k，l)＝[X₁(k，l)，X₂(k，l)，...，X_M(k，l)]。

步骤22，定义每个频点k的数据相关矩阵R_x(k，l)＝E[X(k，l)X^H(k，l)]，E[·]表示求期望。根据常规波束形成权向量w(θ，k)，利用子频带到达角估计方法，对K个子频带的空间谱估计结果求平均，得到总波束功率P(θ)，公式如下：

对总波束功率P(θ)进行搜索，获得到达角估计值即异响期望角度。

3.根据权利要求2所述的一种基于矩形麦克风阵列的风力发电机破损叶片检测方法，其特征在于，所述步骤3具体为：

根据异响信号的到达角估计值对期望角度内异响信号进行常规波束形成，记驾驶至角度的常规波束形成器的权向量的公式如下：

其中[p₁ p₂ … p_M]为M个麦克风的阵元三维坐标，λ_k为对应频点k的波长；

获得波束形成后的输出信号Y(k，l)，公式如下：

4.根据权利要求3所述的一种基于矩形麦克风阵列的风力发电机破损叶片检测方法，其特征在于，所述步骤4具体包括以下子步骤：

步骤41，根据波束形成输出信号Y(k，l)，确定频率区间[k_L，k_H]，对该频段内频谱能量进行累加，获得第l帧的频谱能量S(l)，公式如下：

利用滑动窗寻找全部L帧[S(l＝1)，S(l＝2)，…，S(l＝L)]的局部极大值，记L帧中所有J个局部极大值的下标为I＝[I₁，I₂，...，I_J]。

步骤42，根据获得的局部极大值的下标序列I＝[I₁，I₂，...，I_J]，计算该序列元素的间隔分布特征方差σ²；根据如下公式得出叶片异响信号的检测结果Λ，

其中为方差阈值初始值；若Λ＝1，判决检测出异响信号；反之，则未在该段信号中检出异响信号；

由采集的前Q个异响信号样本的方差确定，公式如下：

其中为第i个样本频谱能量局部极大值下标序列的间隔分布特征方差。

步骤43，对同一台风机机组，采集多个样本，重复步骤41至步骤42，给出各样本的检测结果。若Λ＝1，更新方差阈值，反之，则不更新阈值。方差阈值的更新公式如下：

其中为第i+1个样本频谱能量局部极大值下标序列的间隔分布特征方差。

5.一种基于矩形麦克风阵列的风力发电机破损叶片检测装置，其特征在于，该装置包括：

矩形麦克风阵列：布置于大型风力发电机塔筒下方，以非接触式采集方式采集异响信号；

下位机：与矩形麦克风阵列连接，用于控制命令接收、信号采集、数据传输和线程调度；下位机在接收到上位机发送的“开始”控制指令后，通过矩形麦克风阵列进行异响信号采集，并实时上传数据到上位机；下位机在接收到上位机发送的“停止”控制指令后，停止实时上传数据到上位机；

上位机：接收下位机发送的异响信号数据，对异响信号进行到达角估计，获得异响信号的期望角度；对异响信进行常规波束形成；利用短时傅立叶变换分析异响信号指定频段的时频特征，对频谱能量进行累加；利用滑动窗局部极大值搜索方法，获取异响出现的周期性特征，判定风力发电机叶片是否存在破损。

6.根据权利要求5所述的风力发电机破损叶片检测装置，其特征在于，所述下位机与上位机的连接及数据传输具体如下：

a，确定上位机和下位机的IP地址、命令端口和数据端口，建立连接；

b，上位机下发控制命令“开始”，下位机接收到“开始”控制命令头开始采集；

c，对矩形麦克风阵列所有通道的采集数据进行并串转换，下位机向上位机发送上行数据包；

d，上位机下发控制命令“停止”，下位机接收到“停止”控制命令头后，停止上传数据，直至上位机重新发送控制命令“开始”；

e，上位机设置有定时功能，采集定时时间数据后自动存储为.dat文件。