CN111456914B - 风机机舱内部机械部件的监测系统和方法 - Google Patents

Abstract

本发明公开了一种风机机舱内部机械部件的监测系统和方法。其中，监测系统包括：第一采集模块，设于所述风机机舱内部，用于采集风机机舱内部的机械部件处的第一音频信号；第二采集模块，设于所述风机机舱内部，用于采集风机机舱内部的第二音频信号；获取模块，用于从所述第一音频信号中减去所述第二音频信号，获取目标音频信号；诊断模块，用于根据所述目标音频信号判断所述机械部件是否发生故障。本发明使得无需亲历风机现场，即可实现风机机舱内部故障监测与定位，降低了维护成本，提高了维护效率。

Description

风机机舱内部机械部件的监测系统和方法

技术领域

本发明涉及监测技术领域，尤其涉及一种风机机舱内部机械部件的监测系统和方法。

背景技术

对于风机机舱内部机械部件机械部件故障所导致的风机故障，例如风机机舱内部偏航轴承、偏航齿轮等发生的诸如卡齿、断齿等故障，由于风机机舱内部一般没有专门安装用来监测机械部件的设备，往往需要人为检修来实现故障定位，进而实现故障维修，耗费较多人力资源以及物力资源，风机的维护成本较高。又有，风机通常设置在偏远地方，进一步增加了风机巡检维护的成本。

发明内容

本发明要解决的技术问题是为了克服现有技术中风机机舱内部未安装有监测机械部件的设备的缺陷，提供一种风机机舱内部机械部件的监测系统和方法。

本发明是通过下述技术方案来解决上述技术问题：

一种风机机舱内部机械部件的监测系统，其特点在于，所述监测系统包括：

第一采集模块，设于所述风机机舱内部，用于采集风机机舱内部的机械部件处的第一音频信号；

第二采集模块，设于所述风机机舱内部，用于采集风机机舱内部的第二音频信号；

获取模块，用于从所述第一音频信号中减去所述第二音频信号，获取目标音频信号；

诊断模块，用于根据所述目标音频信号判断所述机械部件是否发生故障。

较佳地，所述诊断模块包括：

提取单元，用于从所述目标音频信号中提取音频特征，并将提取到的音频特征组合成音频特征向量；

聚类单元，用于对多个不同的目标音频信号的音频特征向量进行聚类，得到正常信号簇和故障信号簇；

判断单元，用于判断当前目标音频信号的音频特征向量是否属于所述故障信号簇；

若是，则所述判断单元判定所述机械部件发生故障。

较佳地，所述提取单元具体用于提取所述目标音频信号在频域、能量域、时域中的至少一种的音频特征；其中：

在频域的音频特征包括中心频率、带宽、阈值频率中的至少一种；

在能量域的音频特征包括梅尔频率倒谱系数；

在时域的音频特征包括最高音量、最低音量、平均音量、音量方差、最大音量变化中至少一种。

较佳地，所述故障信号簇包括若干故障信号子簇，其中，不同故障信号子簇对应不同的故障类型；

所述判断单元判断为是时，还用于识别当前目标音频信号的音频特征向量所属的故障信号子簇，并根据识别出的故障信号子簇确定所述机械部件发生的故障类型。

较佳地，所述监测系统还包括：

报警模块，用于发送报警信号，所述报警信号用于表征所述机械部件发生故障。

一种风机机舱内部机械部件的监测方法，其特点在于，所述监测方法包括：

采集风机机舱内部的机械部件处的第一音频信号；

采集风机机舱内部的第二音频信号；

从所述第一音频信号中减去所述第二音频信号，获取目标音频信号；

根据所述目标音频信号判断所述机械部件是否发生故障。

较佳地，所述根据所述音频信号判断所述机械部件是否发生故障的步骤包括：

从所述目标音频信号中提取音频特征，并将提取到的音频特征组合成音频特征向量；

对多个不同的目标音频信号的音频特征向量进行聚类，得到正常信号簇和故障信号簇；

判断当前目标音频信号的音频特征向量是否属于所述故障信号簇；

若是，则判定所述机械部件发生故障。

较佳地，所述从所述目标音频信号中提取音频特征的步骤包括：

提取所述目标音频信号在频域、能量域、时域中的至少一种的音频特征；其中：

在频域的音频特征包括中心频率、带宽、阈值频率中的至少一种；

在能量域的音频特征包括梅尔频率倒谱系数；

在时域的音频特征包括最高音量、最低音量、平均音量、音量方差、最大音量变化中至少一种。

较佳地，所述故障信号簇包括若干故障信号子簇，其中，不同故障信号子簇对应不同的故障类型；

判定所述机械部件发生故障的步骤包括：

识别当前目标音频信号的音频特征向量所属的故障信号子簇；

根据识别出的故障信号子簇确定所述机械部件发生的故障类型。

较佳地，在判定所述机械部件发生故障的步骤之后，所述监测方法还包括：

发送报警信号，所述报警信号用于表征所述机械部件发生故障。

本发明的积极进步效果在于：本发明提供一种监测风机机舱内部机械部件的系统，从而风机维护人员无需亲历风机现场，既可以实现对风机机舱内部机械部件的远程实时监测，又可以根据实时监测的结果知悉具体发生故障的机械部件，实现故障定位，降低了风机巡检维护成本，提高了风机巡检维护效率。

附图说明

图1为根据本发明实施例1的风机机舱内部机械部件的监测系统的模块示意图。

图2为根据本发明实施例1的风机机舱内部机械部件的监测系统中包络线的示意图。

图3为根据本发明实施例2的风机机舱内部机械部件的监测方法的流程图。

图4为根据本发明实施例2的风机机舱内部机械部件的监测方法中步骤S204的流程图。

具体实施方式

下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。

实施例1

本实施例提供一种风机机舱内部机械部件的监测系统，图1示出了本实施例的模块示意图。参照图1，本实施例的监测系统包括：

第一采集模块101，用于采集风机机舱内部的机械部件处的第一音频信号。

在本实施例中，机械部件可以是设于风机机舱内部的偏航系统、变桨系统等系统中需要实时监测的诸如轴承、齿轮等的机械部件，由于机械部件的运行会产生音频信号，由此，机械部件的正常运行可以表现为产生稳定的音频信号，故而，可以基于采集到的机械部件的第一音频信号，来判断分析机械部件是否发生故障。

具体地，在本实施例中，第一采集模块101设于风机机舱内部，可以采用定向音频采集模块，例如，定向麦克风阵列，来定向采集机械部件处的第一音频信号，以尽量弱化其他方向的音频信号，获得较为准确的机械部件处的音频信号。

第二采集模块102，用于采集风机机舱内部的第二音频信号。

在本实施例中，第二采集模块102设于风机机舱内部，采用非定向音频采集模块，来采集风机机舱内部混合多种声音(包括定向采集的机械部件以及其他机械部件的运行产生的声音)的第二音频信号。较佳地，在本实施例中，可以将第二采集模块102设置在能够均衡采集风机机舱内部各个声音的位置，来采集较为准确的机械部件所处环境的音频信号。

获取模块103，用于从所述第一音频信号中减去所述第二音频信号，获取目标音频信号。

在本实施例中，由于采集到的第一音频信号中不可避免的包括了机械部件所处环境的音频信号，故而，可以从第一音频信号中减去第二音频信号，进一步地，可以从定向采集的第一音频信号中减去非定向采集的第二音频信号，来近似获得机械部件的运行实际产生的目标音频信号。在本实施例中，可以基于信号来源来区分第一音频信号与第二音频信号。

具体地，在本实施例中，获取模块103还可以包括对齐单元，用于对齐第一音频信号和第二音频信号的时间，以提高本实施例的监测系统的准确性。

获取模块103还可以包括切分单元，用于按照预设规则将第一音频信号切分成若干第一音频子信号，以及按照预设规则将第二音频信号切分成若干第二音频子信号。例如，可以根据实际应用设置一定时间长度以及一定冗余为切分标准，来避免由于故障导致的大量数据的损失，也可以简化后续计算。

获取模块103还可以包括转换单元，用于将第一音频信号(第一音频子信号)和第二音频信号(第二音频子信号)由模拟信号转换成数字信号。

诊断模块104，用于根据目标音频信号判断机械部件是否发生故障。

参见图1，在本实施例中，诊断模块104具体可以包括：

提取单元1041，用于从目标音频信号中提取音频特征，并将提取到的音频特征组合成音频特征向量。

目标音频信号中蕴含着各种音频特征，提取的音频特征越多，也即，音频特征向量的组成元素越多，越有利于提升本实施例的监测系统的准确性。具体地，在本实施例中，提取单元1041具体可以用于提取目标音频信号在频域、能量域以及时域中的音频特征。

在频域的音频特征可以包括但不限于中心频率、带宽、阈值频率。

具体地，在本实施例中，可以通过FFT(Fast Fourier Transformation，快速傅里叶变换)将音频信号转换成频域信号，将经FFT分解后得到的各个频率的谐波的周期记为T，特定周期对应的波幅记为S(T)，进而对各谐波的音频波形进行处理。

例如，可以根据下式提取各谐波在特定周期的中心频率C：

例如，可以根据下式提取各谐波在特定周期的带宽B：

又例如，可从低频到高频统计包含各谐波在特定周期60％能量的频率、80％能量的频率和95％能量的频率，作为各谐波在特定周期的阈值频率以刻画频率分布。

在能量域的音频特征可以包括但不限于梅尔频率倒谱系数。

具体地，在本实施例中，可以对经FFT获得的频域信号做进一步的能级汇聚，来提取其在能量域的音频特征。具体地，可以先计算频域信号在特定周期的包络线，例如，可以采用逐次逼近算法来计算包络线，包络线在采集点上下缘的平均值即为采集点的能量(势能)，再提取其MFCC(Mel Frequency Cepstral Coefficient，梅尔频率倒谱系数)作为能量域的主要音频特征。参见图2，其中包括上包络线E₁、下包络线E₂以及采样点所在直线L，直线L与上包络线E₁的交点P₁即为包络线在采集点上缘的值，直线L与下包络线E₂的交点P₂即为采集点在包络线下缘的值。

在本实施例中，在时域的音频特征可以包括但不限于最高音量、最低音量、平均音量、音量方差、时段内最高的最大音量变化、波形内通过0点的次数。

聚类单元1042，用于对多个不同的目标音频信号的音频特征向量进行聚类，得到正常信号簇和故障信号簇。

具体地，在本实施例中，聚类单元具体可以根据K-means算法对多个不同的目标音频信号的音频特征向量进行聚类，例如，可以将由提取单元1041获得的多个不同的目标音频信号的音频特征向量划分成2个簇，以此来得到包括机械部件运行正常时目标音频信号的音频特征向量的正常信号簇，以及机械部件运行故障时目标音频信号的音频特征向量的故障信号簇。

判断单元1043，用于判断当前目标音频信号的音频特征向量是否属于故障信号簇；

若是，则判断单元1043判定机械部件发生故障；

若否，则判断单元1043判定机械部件未发生故障。

在本实施例中，聚类单元1042可以将当前输入的当前音频特征向量归为正常信号簇或者故障信号簇，以此实现对机械部件运行状态的监测。当聚类单元1042将当前音频特征向量归为正常信号簇时，判断单元1043判定机械部件运行正常；当聚类单元1042将当前音频特征向量归为故障信号簇时，判断单元1043判定机械部件未发生故障。

进一步地，在本实施例中，当提取足够多的音频特征向量时，可以根据具体故障类型将故障信号簇划分为若干故障信号子簇，实现对机械部件是否运行故障以及故障类别的分类。

具体地，判断单元1043在判断当前目标音频信号的音频特征向量属于故障信号簇时，还可以具体识别当前目标音频信号的音频特征向量所属的故障信号子簇，并根据识别出的故障信号子簇确定所述机械部件发生的故障类型。

参见图1，本实施例的监测系统还包括报警模块105，用于发送报警信号。

在本实施例中，当诊断模块104判断机械部件发生故障时，报警模块105发送表征机械部件发生故障的报警信号，以提示风机维护人员该故障的发生，进一步地，报警模块105可以发送表征机械部件发生故障类型的报警信号。当诊断模块104判断机械部件未发生故障时，报警模块105则无需报警。

在本实施例中，获取模块103还可以进一步包括编解码单元，用于将经转换单元转换后的数字信号转换成所需的文件格式，以实现数字信号的数据压缩，并减少存储和传输的数据量。

在本实施例中，信号的发送可以基于数据线缆、网络交换机、光线数据链路等通信设备实现。

在本实施例中，机械部件运行正常时的目标音频信号及其音频特征向量大抵相同，可以定时予以清除。

本实施例提供一种风机机舱内部机械部件的监测系统，从而风机维护人员无需亲历风机现场，既可以实现对风机机舱内部机械部件的远程实时监测，又可以根据实时监测的结果知悉具体发生故障的机械部件，实现故障定位，降低了风机巡检维护成本，提高了风机巡检维护效率。

实施例2

本实施例提供一种风机机舱内部机械部件的监测方法，图3示出了本实施例的流程图。参照图3，本实施例的监测方法包括：

S201、采集风机机舱内部的机械部件处的第一音频信号。

在本实施例中，机械部件可以是设于风机机舱内部的偏航系统、变桨系统等系统中需要实时监测的诸如轴承、齿轮等的机械部件，由于机械部件的运行会产生音频信号，由此，机械部件的正常运行可以表现为产生稳定的音频信号，故而，可以基于采集到的机械部件的第一音频信号，来判断分析机械部件是否发生故障。

具体地，在本实施例中，可以采用例如定向麦克风阵列等定向采集模块来定向采集机械部件处的第一音频信号，以尽量弱化其他方向的音频信号，获得较为准确的机械部件处的音频信号。

S202、采集风机机舱内部的第二音频信号。

在本实施例中，采用非定向音频采集模块来采集风机机舱内部混合多种声音(包括定向采集的机械部件以及其他机械部件的运行产生的声音)的第二音频信号。较佳地，在本实施例中，可以在能够均衡采集风机机舱内部各个声音的位置来采集较为准确的机械部件所处环境的音频信号。

S203、从第一音频信号中减去第二音频信号，获取目标音频信号。

在本实施例中，由于采集到的第一音频信号中不可避免的包括了机械部件所处环境的音频信号，故而，可以从第一音频信号中减去第二音频信号，进一步地，可以从定向采集的第一音频信号中减去非定向采集的第二音频信号，来近似获得机械部件的运行实际产生的目标音频信号。在本实施例中，可以基于信号来源来区分第一音频信号与第二音频信号。

具体地，在本实施例中，步骤S203具体还可以包括对齐第一音频信号和第二音频信号的时间的步骤，以提高本实施例的监测方法的准确性。

步骤S203具体还可以包括按照预设规则将第一音频信号切分成若干第一音频子信号的步骤，以及按照预设规则将第二音频信号切分成若干第二音频子信号的步骤。例如，可以根据实际应用设置一定时间长度以及一定冗余为切分标准，来避免由于故障导致的大量数据的损失，也可以简化后续计算。

步骤S203具体还可以包括将第一音频信号(第一音频子信号)和第二音频信号(第二音频子信号)由模拟信号转换成数字信号的步骤。

S204、根据目标音频信号判断机械部件是否发生故障。

参见图4，在本实施例中，步骤S204具体可以包括：

S2041、从目标音频信号中提取音频特征，并将提取到的音频特征组合成音频特征向量。

目标音频信号中蕴含着各种音频特征，提取的音频特征越多，也即，音频特征向量的组成元素越多，越有利于提升本实施例的监测方法的准确性。具体地，在本实施例中，步骤S2041具体可以包括提取目标音频信号在频域、能量域以及时域中的音频特征的步骤。

在频域的音频特征可以包括但不限于中心频率、带宽、阈值频率。

具体地，在本实施例中，可以通过FFT(Fast Fourier Transformation，快速傅里叶变换)将音频信号转换成频域信号，将经FFT分解后得到的各个频率的谐波的周期记为T，特定周期对应的波幅记为S(T)，进而对各个谐波的音频波形进行处理。

例如，可以根据下式提取各谐波在特定周期的中心频率C：

例如，可以根据下式提取各谐波在特定周期的带宽B：

又例如，可从低频到高频统计包含各谐波在特定周期60％能量的频率、80％能量的频率和95％能量的频率，作为各谐波在特定周期的阈值频率以刻画频率分布。

在能量域的音频特征可以包括但不限于梅尔频率倒谱系数。

具体地，在本实施例中，可以对经FFT获得的频域信号做进一步的能级汇聚，来提取其在能量域的音频特征。具体地，可以先计算频域信号在特定周期的包络线，例如，可以采用逐次逼近算法来计算包络线，包络线在采集点上下缘的平均值即为采集点的能量(势能)，再提取其MFCC(Mel Frequency Cepstral Coefficient，梅尔频率倒谱系数)作为能量域的主要音频特征。

在本实施例中，在时域的音频特征可以包括但不限于最高音量、最低音量、平均音量、音量方差、时段内最高的最大音量变化、波形内通过0点的次数。

S2042、对多个不同的目标音频信号的音频特征向量进行聚类，得到正常信号簇和故障信号簇。

具体地，在本实施例中，具体可以根据K-means算法对多个不同的目标音频信号的音频特征向量进行聚类，例如，可以将步骤S2041获得的多个不同的目标音频信号的音频特征向量划分成2个簇，以此来得到包括机械部件运行正常时目标音频信号的音频特征向量的正常信号簇，以及机械部件运行故障时目标音频信号的音频特征向量的故障信号簇。

S2043、判断当前目标音频信号的音频特征向量是否属于故障信号簇；

若是，则转至步骤S2044；若否，则转至步骤S2045；

S2044、判定机械部件发生故障；

S2045、判定机械部件未发生故障。

在本实施例中，步骤S2042可以将当前输入的当前音频特征向量归为正常信号簇或者故障信号簇，以此实现对机械部件运行状态的监测。当步骤S2042将当前音频特征向量归为正常信号簇时，步骤S2044判定机械部件运行正常；当步骤S2042将当前音频特征向量归为故障信号簇时，步骤S2045判定机械部件未发生故障。

进一步地，在本实施例中，当提取足够多的音频特征向量时，可以根据具体故障类型将故障信号簇划分为若干故障信号子簇，实现对机械部件是否运行故障以及故障类别的分类。

具体地，步骤S2044具体可以包括识别当前目标音频信号的音频特征向量所属的故障信号子簇的步骤，以及根据识别出的故障信号子簇确定所述机械部件发生的故障类型的步骤。

S205、发送报警信号。

在本实施例中，当步骤S204判断机械部件发生故障时，步骤S205发送表征机械部件发生故障的报警信号，以提示风机维护人员该故障的发生，进一步地，步骤S205可以发送表征机械部件发生故障类型的报警信号。当步骤S204判断机械部件未发生故障时，则无需报警。

在本实施例中，步骤S203还可以进一步将转换得到的数字信号转换成所需的文件格式的步骤，以实现数字信号的数据压缩，并减少存储和传输的数据量。

在本实施例中，信号的发送可以基于数据线缆、网络交换机、光线数据链路等通信设备实现。

在本实施例中，机械部件运行正常时的目标音频信号及其音频特征向量大抵相同，可以定时予以清除。

本实施例提供一种风机机舱内部机械部件的监测方法，从而风机维护人员无需亲历风机现场，既可以实现对风机机舱内部机械部件的远程实时监测，又可以根据实时监测的结果知悉具体发生故障的机械部件，实现故障定位，降低了风机巡检维护成本，提高了风机巡检维护效率。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (10)

1.一种风机机舱内部机械部件的监测系统，其特征在于，所述监测系统包括：

第一采集模块，设于所述风机机舱内部，用于定向采集风机机舱内部的机械部件处的第一音频信号；

第二采集模块，设于所述风机机舱内部，用于非定向采集风机机舱内部的第二音频信号；

获取模块，用于从所述第一音频信号中减去所述第二音频信号，获取目标音频信号；

诊断模块，用于根据所述目标音频信号判断所述机械部件是否发生故障；

所述获取模块包括对齐单元、切分单元、转换单元及编解码单元；

所述对齐单元，用于对齐所述第一音频信号和所述第二音频信号的时间；

所述切分单元，用于按照预设规则将所述第一音频信号切分成若干第一音频子信号，以及按照预设规则将所述第二音频信号切分成若干第二音频子信号；

所述转换单元，用于将所述第一音频信号或所述第一音频子信号和所述第二音频信号或所述第二音频子信号由模拟信号转换成数字信号；

所述编解码单元，用于将经所述转换单元转换后的数字信号转换成设定的文件格式。

2.如权利要求1所述的风机机舱内部机械部件的监测系统，其特征在于，所述诊断模块包括：

提取单元，用于从所述目标音频信号中提取音频特征，并将提取到的音频特征组合成音频特征向量；

聚类单元，用于对多个不同的目标音频信号的音频特征向量进行聚类，得到正常信号簇和故障信号簇；

判断单元，用于判断当前目标音频信号的音频特征向量是否属于所述故障信号簇；

若是，则所述判断单元判定所述机械部件发生故障。

3.如权利要求2所述的风机机舱内部机械部件的监测系统，其特征在于，所述提取单元具体用于提取所述目标音频信号在频域、能量域、时域中的至少一种的音频特征；其中：

在频域的音频特征包括中心频率、带宽、阈值频率中的至少一种；

在能量域的音频特征包括梅尔频率倒谱系数；

在时域的音频特征包括最高音量、最低音量、平均音量、音量方差、最大音量变化中至少一种。

4.如权利要求2所述的风机机舱内部机械部件的监测系统，其特征在于，所述故障信号簇包括若干故障信号子簇，其中，不同故障信号子簇对应不同的故障类型；

所述判断单元在判断为是时，还用于识别当前目标音频信号的音频特征向量所属的故障信号子簇，并根据识别出的故障信号子簇确定所述机械部件发生的故障类型。

5.如权利要求1所述的风机机舱内部机械部件的监测系统，其特征在于，所述监测系统还包括：

报警模块，用于发送报警信号，所述报警信号用于表征所述机械部件发生故障。

6.一种风机机舱内部机械部件的监测方法，其特征在于，所述监测方法包括：

定向采集风机机舱内部的机械部件处的第一音频信号；

非定向采集风机机舱内部的第二音频信号；

对齐所述第一音频信号和所述第二音频信号的时间；

按照预设规则将所述第一音频信号切分成若干第一音频子信号，以及按照预设规则将所述第二音频信号切分成若干第二音频子信号；

将所述第一音频信号或所述第一音频子信号和所述第二音频信号或所述第二音频子信号由模拟信号转换成数字信号；

将所述数字信号转换成设定的文件格式；

从所述第一音频信号中减去所述第二音频信号，获取目标音频信号；

根据所述目标音频信号判断所述机械部件是否发生故障。

7.如权利要求6所述的风机机舱内部机械部件的监测方法，其特征在于，所述根据所述音频信号判断所述机械部件是否发生故障的步骤包括：

从所述目标音频信号中提取音频特征，并将提取到的音频特征组合成音频特征向量；

对多个不同的目标音频信号的音频特征向量进行聚类，得到正常信号簇和故障信号簇；

判断当前目标音频信号的音频特征向量是否属于所述故障信号簇；

若是，则判定所述机械部件发生故障。

8.如权利要求7所述的风机机舱内部机械部件的监测方法，其特征在于，所述从所述目标音频信号中提取音频特征的步骤包括：

提取所述目标音频信号在频域、能量域、时域中的至少一种的音频特征；其中：

在频域的音频特征包括中心频率、带宽、阈值频率中的至少一种；

在能量域的音频特征包括梅尔频率倒谱系数；

在时域的音频特征包括最高音量、最低音量、平均音量、音量方差、最大音量变化中至少一种。

9.如权利要求7所述的风机机舱内部机械部件的监测方法，其特征在于，所述故障信号簇包括若干故障信号子簇，其中，不同故障信号子簇对应不同的故障类型；

判定所述机械部件发生故障的步骤包括：

识别当前目标音频信号的音频特征向量所属的故障信号子簇；

根据识别出的故障信号子簇确定所述机械部件发生的故障类型。

10.如权利要求6所述的风机机舱内部机械部件的监测方法，其特征在于，在判定所述机械部件发生故障的步骤之后，所述监测方法还包括：

发送报警信号，所述报警信号用于表征所述机械部件发生故障。

Images