CN112727703A - 基于音频信号的风机叶片保护膜的损伤监测方法及系统 - Google Patents

基于音频信号的风机叶片保护膜的损伤监测方法及系统 Download PDF

Info

Publication number
CN112727703A
CN112727703A CN202011478505.0A CN202011478505A CN112727703A CN 112727703 A CN112727703 A CN 112727703A CN 202011478505 A CN202011478505 A CN 202011478505A CN 112727703 A CN112727703 A CN 112727703A
Authority
CN
China
Prior art keywords
damage
whistle
blade
energy
protective film
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202011478505.0A
Other languages
English (en)
Other versions
CN112727703B (zh
Inventor
鲍亭文
朱小芹
王旻轩
刘展
金超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Cyberinsight Technology Co ltd
Original Assignee
Beijing Cyberinsight Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Cyberinsight Technology Co ltd filed Critical Beijing Cyberinsight Technology Co ltd
Priority to CN202011478505.0A priority Critical patent/CN112727703B/zh
Publication of CN112727703A publication Critical patent/CN112727703A/zh
Application granted granted Critical
Publication of CN112727703B publication Critical patent/CN112727703B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本申请涉及一种基于音频信号的风机叶片保护膜的损伤监测方法及系统，其通过音频信号对叶片保护膜损伤进行非接触式监测，能够实时监控叶片健康状态的同时，达到无损检测的目的。同时，通过声音信号的多普勒频移效应以及基于频谱图的图像目标检测方法，可对损伤的类型进行详细识别，损伤位置也可进行定位，使保护膜损伤监测更具针对性、多样性和有效性。

Description

基于音频信号的风机叶片保护膜的损伤监测方法及系统
技术领域
本申请涉及一种基于音频信号的风机叶片保护膜的损伤监测方法及系统，适用于风机损伤监测的技术领域。
背景技术
风力发电机叶片是风电机组将风能转化为机械能的重要部件之一，是获取较高风能利用系数和经济效益的基础，叶片状态的好坏直接影响整机的性能和发电效率。当叶片运转时，叶片周围空气中的粒子将不断对叶片前缘进行腐蚀：包括雨滴、冰雹、盐雾、沙石以及野外高空生物等，带来的直接影响就是破坏了叶片的气动外形，从而影响到整个机组的气动性能，导致年发电量损失。同时，前缘腐蚀也会导致叶片气动噪声呈现数量级的增长，引发噪声扰民等问题。如果腐蚀过于严重，长时间得不到妥善处理，会进一步影响到叶片的结构层，最终导致更长的维修时间，且难以恢复到原有气动外形。为延缓或降低叶片前缘腐蚀的影响，在叶尖前缘区域安装保护膜的方法常被采用，可通过判断保护膜的损伤程度监测叶片前缘腐蚀损伤水平。
目前，针对风电机组叶片保护膜损伤的监测方法主要有人工望远镜目视检测、高空蜘蛛人或操作平台检查等方法。另外，结合近几年突飞猛进的图像智能处理技术，采用无人机巡检的方法也更为直观，更为细致，取得了不错的效果。除此之外，也有部分系统采用在叶片上安装振动传感器或者通过敲击叶片，判断叶片是否存在损伤。然而，上述方法均存在明显的缺点，如不能实时监控叶片健康状态，检测方法对叶片本身有损伤，可能涉及巡检人员的生命安全等。
中国专利申请201810680085.0提出一种根据当前风力发电机组的运行状态和当前环境的气象信息，对风力发电机组进行雨蚀监测和控制，从而避免风力发电机组的叶片出现疲劳累计损伤的方法。201511000214.X、201611104507.7、201710639236.3、201810190754.6等中国专利申请通过采用无人机巡检的方式，沿预设航线飞行拍摄图像或拍摄视频并抽帧，基于拍摄图像，采用深度学习方法对叶片表面的凹块、掉漆、划痕、结冰、裂纹、污染等损伤进行检测。中国专利申请201811408152.X还提出了一种对无人机采集到叶片的多个局部区域进行图像拼接，从而实现故障定位的方法。但是，由于无人机在空中飞行，容易受到风速、电磁干扰等因素的影响，拍摄抖动性强，得到的图像或视频像素较低，对叶片的较小损伤不能及时识别。同时，无人机飞行为定期巡检方法，不能为叶片健康状态提供实时监控。中国专利申请201410017842.8通过使用敲击锤敲击叶片时获得敲击声和环境噪声，采用滤波、小波变换、傅里叶变换、模态分解等方法提取特征，采用神经网络算法对叶片脱层情况直接进行预测。该方法的最大缺点为不能实现无损检测，重复的敲击对叶片本身结构和性能有潜在的威胁。
US9395337B2中采用安装在风力发电机塔筒底部的麦克风装置来记录叶片的声音信号，并采用多普勒频移分析的方法对声音信号进行分析，从而对叶片的故障进行定位。专利中主要提到了通过多普勒分析方法定位叶片损伤位置的原理和机理公式，并没有公开如何定位哨声的参数的具体方法。
除上述方法之外，其余均是从防腐蚀材料，改造叶片结构的角度对叶片前缘腐蚀进行防护。现有技术中均没有通过叶片扫风产生的气动噪声声音信号来监测叶片前缘保护膜损伤。
发明内容
本申请涉及一种基于音频信号的风机叶片保护膜的损伤监测方法及系统，其通过音频信号对叶片保护膜损伤进行非接触式监测，能够实时监控叶片健康状态的同时，达到无损检测的目的。同时，通过声音信号的多普勒频移效应以及基于频谱图的图像目标检测方法，可对损伤的类型进行详细识别，损伤位置也可进行定位，使保护膜损伤监测更具针对性、多样性和有效性。
根据本申请的基于音频信号的风机叶片保护膜的损伤监测方法，包括以下步骤：
(1)实时采集一段时间内风机叶片扫风的多包声音信号，对采集到的扫风信号进行短时傅里叶变换得到频谱图；
(2)对声音信号进行变换和分割，计算该时间段内每包数据的能量互差因子值，判断能量互差因子值是否超过阈值；同时，对图像中的哨声形态进行识别；
(3)识别出频谱图中哨声的位置并对哨声轮廓对应的最大频率和最小频率进行定位；
(4)计算哨声发声位置距离轮毂中心的距离；
(5)判定风机叶片的损伤类型和损伤位置。
其中，步骤(2)中，判断能量互差因子值是否超过阈值的步骤包括：
(1)根据局部最大值查找算法对叶片扫风信号频谱图进行分割，得到每一支叶片扫风信号在频谱图上的时域分割点；
(2)基于频谱图，计算每一支叶片在不同时间间隔内的扫风能量和；
(3)以风机叶片数为扫风周期，计算每一支叶片的平均扫风能量和；
(4)对叶片扫风能量进行归一化计算，得到能量互差因子值；
(5)对每包声音信号数据，判断能量互差因子是否超过设定阈值。
其中，哨声识别及损伤定位包括以下步骤：
(1)将变换得到的频谱图保存为图像格式；
(2)基于图像目标检测算法对图像中的哨声形态进行识别，识别谱图中哨声的位置并对哨声轮廓对应的最大频率和最小频率进行定位；
(3)计算哨声发声位置距离轮毂中心的距离。
本申请还涉及一种基于音频信号的风机叶片保护膜的损伤监测系统，包括音频采集模块、能量互差计算模块、哨声识别及损伤定位模块和故障识别模块；
其中，音频采集模块通过设置在风机组件上的声音传感器实时采集一段时间内风机叶片扫风的多包声音信号，能量互差计算模块对声音信号进行变换和分割，计算该时间段内每包数据的能量互差因子值，哨声识别及损伤定位模块对该时间段内每包数据进行哨声识别和定位，故障识别模块判定风机叶片的损伤类型和损伤位置。
附图说明
图1显示根据本申请的损伤监测系统的模块示意图。
图2显示图像中存在哨声时的示意图。
图3显示本申请实施例中声音信号的原始波形图。
图4显示本申请实施例中对扫风信号进行分割后的谱图。
图5显示本申请实施例中计算得到的因子值变化趋势图。
图6显示本申请实施例中数据的识别结果示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚明白，下文中将结合附图对本申请的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。
根据本申请的基于音频信号的风机叶片保护膜的损伤监测系统，如图1所示，主要包括音频采集模块、能量互差计算模块、哨声识别及损伤定位模块和故障识别模块。音频采集模块可以通过设置在风机组件上的声音传感器实时采集一段时间内多包风机叶片扫风的声音信号，每包数据时长不做限定。能量互差计算模块对声音信号进行变换和分割，计算该时间段内每包数据的能量互差因子值。哨声识别及损伤定位模块对该时间段内每包数据进行哨声识别和定位。故障识别模块判定风机叶片的损伤类型和损伤位置。
能量互差计算模块的计算步骤包括：
(1)对采集到的每包声音信号进行短时傅里叶变换，得到频谱图；
(2)根据局部最大值查找算法对叶片扫风信号频谱图进行分割，得到每一支叶片扫风信号在频谱图上的时域分割点；
(3)基于频谱图，计算每一支叶片在不同时间间隔内的扫风能量和；
(4)以风机叶片数为扫风周期，计算每一支叶片的平均扫风能量和；由于大部分的风机有3只叶片，所以可以以3次扫风为一个扫风周期，以不同周期内的同一只叶片扫风的能量计算平均扫风能量和；
(5)对叶片扫风能量进行归一化计算，得到能量互差因子值factor，其中因子值的归一化公式如下：
Figure BDA0002836580850000041
其中，ene为每支叶片的能量和集合，即ene＝(ene1,enei,……enen)，n为叶片数量。
(6)对每包声音信号数据，判断能量互差因子是否超过设定阈值。如果不超过阈值，叶片无损伤；如果超过阈值，则叶片存在损伤。
哨声识别及损伤定位模块中哨声识别的方法包括以下步骤：
(1)对采集到的一段时间内的扫风信号进行短时傅里叶变换，得到频谱图；
(2)将频谱图保存为图像格式；
(3)基于图像目标检测算法对图像中的哨声形态进行识别，可以识别谱图中哨声的位置并对哨声轮廓对应的最大频率和最小频率进行定位。当图片中有哨声，则算法会输出相应的坐标和概率，当图片中没有哨声时，算法没有输出。其中，基于图像目标检测算法可以采用例如faster-rcnn、yolo等模型。
(4)若图像中存在哨声，应用多普勒频移效应，计算哨声发声位置距离轮毂中心的距离，计算公式如下：
Figure BDA0002836580850000042
其中，τ为叶片转一圈所需的时间，Vs为当地环境声速，FH和FL分别为哨声形态所对应的多普勒偏移最大频率和最小频率。具体如图2所示，图中横坐标为时间，纵坐标为频率。其中，环境声速可以采用Vs＝(331.45+0.61*t)m·s-1来计算，331.45是0度时声音在空气中的速度，t为环境温度(℃)。
(5)根据上述图像识别得到的频率参数、转速参数、结合风机同步采集的风机状态参数如风速等，从而通过上述公式计算实际的损伤位置。当损伤位置远离排水孔时，叶片发生保护膜损伤，当损伤位置接近排水孔时，叶片可能发生保护膜损伤或排水孔堵塞。当损伤位置接近叶根时，哨声可能由于叶片变桨时的机械卡滞而引起。其中，转速参数可以根据能量互差计算模块中分割得到的时域作为周期来计算或者直接使用传感器采集的风机转速参数。
风机前缘保护膜开始发生损伤后，除了叶片扫风气动噪声逐渐增强之外，保护膜卷曲或产生裂缝等形态可能引起声音信号在特定桨叶角度发出哨声的情况，并且噪声和哨声的演变趋势与保护膜的形态变化有关，因此以下三种情况发生均可认为叶片发生保护膜损伤：
(1)保护膜大面积翘起，此时，噪声增强(能量互差因子超过设定阈值)和哨声两种损伤在一段时间内同时发生。
(2)保护膜产生很小程度的裂缝或翘起，首先伴随哨声的发生，此时，气动噪声没有明显的变化，一段时间后，保护膜脱落，哨声消失，噪声明显增强，能量互差因子随之增大，超过设定阈值。
(3)保护膜首先产生大面积脱落，引起气动噪声明显增强，能量互差因子增大，超过设定阈值。后续逐渐脱落过程中，保护膜开始形成卷曲形态，产生哨声。
实施例
从某风场实时采集一段时间内风机叶片的扫风声音信号，每包数据的信号长度为1分钟，采样频率为51200Hz，其中一包声音信号的原始波形图如图3所示。对声音信号进行短时傅里叶变换，并对每支叶片的扫风信号进行分割，变换及分割之后的谱图如图4所示。根据能量互差的计算公式，计算该时间段内每包数据的能量互差因子值，计算得到的因子值变化趋势如图5所示。采用Yolo V3算法对该时间段内每包数据进行哨声识别和定位，其中一包数据的识别结果如图6所示，同时，可得到哨声的多普勒偏移最大和最小频率分别为3000Hz和2000Hz。取环境温度为30℃，计算得到损伤距离轮毂中心的位置为37米。在该时间段内，由于损伤位置远离排水孔(排水孔距离轮毂中心53m)，同时，能量互差因子值大于设定阈值(20)，因此判定风机叶片发生保护膜损伤中的第一种情形。
虽然本申请所揭露的实施方式如上，但所述的内容只是为了便于理解本申请而采用的实施方式，并非用以限定本申请。任何本申请所属技术领域内的技术人员，在不脱离本申请所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本申请的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (7)

1.基于音频信号的风机叶片保护膜的损伤监测方法，其特征在于，包括以下步骤：
(1)实时采集一段时间内风机叶片扫风的多包声音信号，对采集到的扫风信号进行短时傅里叶变换得到频谱图；
(2)对声音信号进行变换和分割，计算该时间段内每包数据的能量互差因子值，判断能量互差因子值是否超过阈值；同时，对图像中的哨声形态进行识别；
(3)识别出频谱图中哨声的位置并对哨声轮廓对应的最大频率和最小频率进行定位；
(4)计算哨声发声位置距离轮毂中心的距离；
(5)判定风机叶片的损伤类型和损伤位置。
2.根据权利要求1所述的风机叶片保护膜的损伤监测方法，其特征在于，步骤(2)中，判断能量互差因子值是否超过阈值的步骤包括：
(1)根据局部最大值查找算法对叶片扫风信号频谱图进行分割，得到每一支叶片扫风信号在频谱图上的时域分割点；
(2)基于频谱图，计算每一支叶片在不同时间间隔内的扫风能量和；
(3)以风机叶片数为扫风周期，计算每一支叶片的平均扫风能量和；
(4)对叶片扫风能量进行归一化计算，得到能量互差因子值；
(5)对每包声音信号数据，判断能量互差因子是否超过设定阈值。
3.根据权利要求2所述的风机叶片保护膜的损伤监测方法，其特征在于，能量互差因子值的计算公式为：
Figure FDA0002836580840000011
其中，ene为每支叶片的能量和集合，即ene＝(ene1,enei,……enen)，n为叶片数量。
4.根据权利要求1-3中任一项所述的风机叶片保护膜的损伤监测方法，其特征在于，哨声识别及损伤定位包括以下步骤：
(1)将变换得到的频谱图保存为图像格式；
(2)基于图像目标检测算法对图像中的哨声形态进行识别，识别谱图中哨声的位置并对哨声轮廓对应的最大频率和最小频率进行定位；
(3)计算哨声发声位置距离轮毂中心的距离。
5.根据权利要求1-4中任一项所述的风机叶片保护膜的损伤监测方法，其特征在于，哨声发声位置距离轮毂中心距离的计算公式为：
Figure FDA0002836580840000021
其中，τ为叶片转一圈所需的时间，Vs为当地环境声速，FH和FL分别为哨声形态所对应的多普勒偏移最大频率和最小频率。
6.基于音频信号的风机叶片保护膜的损伤监测系统，其特征在于，包括音频采集模块、能量互差计算模块、哨声识别及损伤定位模块和故障识别模块；
其中，音频采集模块通过设置在风机组件上的声音传感器实时采集一段时间内风机叶片扫风的多包声音信号，能量互差计算模块对声音信号进行变换和分割，计算该时间段内每包数据的能量互差因子值，哨声识别及损伤定位模块对该时间段内每包数据进行哨声识别和定位，故障识别模块判定风机叶片的损伤类型和损伤位置。
7.根据权利要求6所述的损伤监测系统，其特征在于，所述损伤监测系统采用权利要求1-5中任一项所述的损伤监测方法进行叶片损伤的监测和定位。
CN202011478505.0A 2020-12-15 2020-12-15 基于音频信号的风机叶片保护膜的损伤监测方法及系统 Active CN112727703B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011478505.0A CN112727703B (zh) 2020-12-15 2020-12-15 基于音频信号的风机叶片保护膜的损伤监测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011478505.0A CN112727703B (zh) 2020-12-15 2020-12-15 基于音频信号的风机叶片保护膜的损伤监测方法及系统

Publications (2)

Publication Number Publication Date
CN112727703A true CN112727703A (zh) 2021-04-30
CN112727703B CN112727703B (zh) 2022-02-11

Family

ID=75602347

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011478505.0A Active CN112727703B (zh) 2020-12-15 2020-12-15 基于音频信号的风机叶片保护膜的损伤监测方法及系统

Country Status (1)

Country Link
CN (1) CN112727703B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113419557A (zh) * 2021-06-17 2021-09-21 哈尔滨工业大学 运动无人机音频合成方法
CN115082835A (zh) * 2022-07-22 2022-09-20 东南大学溧阳研究院 基于小波视频分解和Faster RCNN的变电站故障识别方法

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080206052A1 (en) * 2004-07-28 2008-08-28 Igus - Innovative Technische Systeme Gmbh Method and Device for Monitoring the State of Rotor Blades on Wind Power Installations
CN103776903A (zh) * 2014-01-15 2014-05-07 南京航空航天大学 一种风电叶片脱层检测方法及检测系统
US20140278151A1 (en) * 2013-03-15 2014-09-18 Digital Wind Systems, Inc. Nondestructive acoustic doppler testing of wind turbine blades from the ground during operation
EP3009673A1 (en) * 2014-10-15 2016-04-20 Siemens Aktiengesellschaft Operating a wind turbine during standstill, involving particularly the detection of rotor blades icing
TW201708699A (zh) * 2015-08-21 2017-03-01 國立台灣大學 風力發電機的葉片檢測方法與裝置
DE102015012428A1 (de) * 2015-09-25 2017-03-30 Senvion Gmbh Rotorblatt, Windernergieanlage, Verfahren zum Herstellen eines Rotorblatts und zum Aufstellen einer Windenergieanlage
US20170249511A1 (en) * 2013-03-15 2017-08-31 Digital Wind Systems, Inc. System and method for ground based inspection of wind turbine blades
CN109505741A (zh) * 2018-12-20 2019-03-22 浙江大学 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
CN110318956A (zh) * 2019-07-22 2019-10-11 内蒙古科技大学 一种基于频谱分析的风力发电机叶片结构损伤检测方法
CN110792563A (zh) * 2019-11-04 2020-02-14 北京天泽智云科技有限公司 基于卷积生成对抗网络的风电机组叶片故障音频监测方法
CN110838302A (zh) * 2019-11-15 2020-02-25 北京天泽智云科技有限公司 基于信号能量尖峰识别的音频分割方法
CN110985310A (zh) * 2019-12-16 2020-04-10 大连赛听科技有限公司 基于声传感器阵列的风力发电机叶片故障监测方法与设备
CN111306008A (zh) * 2019-12-31 2020-06-19 远景智能国际私人投资有限公司 风机叶片的检测方法、装置、设备及存储介质
CN111306010A (zh) * 2020-04-17 2020-06-19 北京天泽智云科技有限公司 风机叶片雷击损伤检测方法及系统

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080206052A1 (en) * 2004-07-28 2008-08-28 Igus - Innovative Technische Systeme Gmbh Method and Device for Monitoring the State of Rotor Blades on Wind Power Installations
US20170249511A1 (en) * 2013-03-15 2017-08-31 Digital Wind Systems, Inc. System and method for ground based inspection of wind turbine blades
US20140278151A1 (en) * 2013-03-15 2014-09-18 Digital Wind Systems, Inc. Nondestructive acoustic doppler testing of wind turbine blades from the ground during operation
CN103776903A (zh) * 2014-01-15 2014-05-07 南京航空航天大学 一种风电叶片脱层检测方法及检测系统
EP3009673A1 (en) * 2014-10-15 2016-04-20 Siemens Aktiengesellschaft Operating a wind turbine during standstill, involving particularly the detection of rotor blades icing
TW201708699A (zh) * 2015-08-21 2017-03-01 國立台灣大學 風力發電機的葉片檢測方法與裝置
DE102015012428A1 (de) * 2015-09-25 2017-03-30 Senvion Gmbh Rotorblatt, Windernergieanlage, Verfahren zum Herstellen eines Rotorblatts und zum Aufstellen einer Windenergieanlage
CN109505741A (zh) * 2018-12-20 2019-03-22 浙江大学 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
CN110318956A (zh) * 2019-07-22 2019-10-11 内蒙古科技大学 一种基于频谱分析的风力发电机叶片结构损伤检测方法
CN110792563A (zh) * 2019-11-04 2020-02-14 北京天泽智云科技有限公司 基于卷积生成对抗网络的风电机组叶片故障音频监测方法
CN110838302A (zh) * 2019-11-15 2020-02-25 北京天泽智云科技有限公司 基于信号能量尖峰识别的音频分割方法
CN110985310A (zh) * 2019-12-16 2020-04-10 大连赛听科技有限公司 基于声传感器阵列的风力发电机叶片故障监测方法与设备
CN111306008A (zh) * 2019-12-31 2020-06-19 远景智能国际私人投资有限公司 风机叶片的检测方法、装置、设备及存储介质
CN111306010A (zh) * 2020-04-17 2020-06-19 北京天泽智云科技有限公司 风机叶片雷击损伤检测方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘登;崔宏维;姚恩涛;: "基于ITD的风机叶片气动音频信号故障诊断研究", 《电子测量技术》 *
孙淑媛;郑远航;金煜航;: "风力发电机叶片表面损伤监测系统的设计研究", 《节能》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113419557A (zh) * 2021-06-17 2021-09-21 哈尔滨工业大学 运动无人机音频合成方法
CN113419557B (zh) * 2021-06-17 2022-07-19 哈尔滨工业大学 运动无人机音频合成方法
CN115082835A (zh) * 2022-07-22 2022-09-20 东南大学溧阳研究院 基于小波视频分解和Faster RCNN的变电站故障识别方法
CN115082835B (zh) * 2022-07-22 2023-02-17 东南大学溧阳研究院 基于小波视频分解和Faster RCNN的变电站故障识别方法

Also Published As

Publication number Publication date
CN112727703B (zh) 2022-02-11

Similar Documents

Publication Publication Date Title
CN112727703B (zh) 基于音频信号的风机叶片保护膜的损伤监测方法及系统
CN109975780B (zh) 基于脉冲多普勒雷达时域回波的直升机型号识别算法
CN111161756B (zh) 风机叶片扫风声音信号中异常哨声轮廓的提取及识别方法
JP3794361B2 (ja) レーダ信号処理装置及びレーダ信号処理方法
CN104215640A (zh) 基于无人直升机的风电叶片缺陷损伤检查方法及检查系统
US20220282709A1 (en) Detection of abnormal conditions on a wind turbine generator
WO2009102001A1 (ja) 鳥類探査システム、鳥類探査方法およびコンピュータプログラム
CN112727710B (zh) 一种基于音频信号的风场落雷密度统计方法及系统
CN112067701B (zh) 基于声学诊断的风机叶片远程听诊方法
CN112727704A (zh) 一种叶片前缘腐蚀的监测方法及系统
CN111400961A (zh) 风力发电机组叶片故障判断方法及装置
CN111306010A (zh) 风机叶片雷击损伤检测方法及系统
Herges et al. Robust lidar data processing and quality control methods developed for the SWiFT wake steering experiment
CN114594490A (zh) 一种电力线路激光防外破方法和装置
CN113287597B (zh) 一种基于视频研判的输电线路主动驱鸟装置
CN112560673A (zh) 一种基于图像识别的雷声检测方法及系统
CN112465776A (zh) 一种基于风力机表面模糊图像的裂纹智能检测方法
Zhu et al. Wind turbine blade fault detection by acoustic analysis: Preliminary results
CN112780503B (zh) 基于音频信号的风机叶片保护漆的损伤监测方法和系统
Chen et al. Acoustic-based whistle detection of drain hole for wind turbine blade
CN113096063A (zh) 一种基于短视频的输电导线舞动检测方法
CN117991061B (zh) 一种基于声纹和红外热成像的绝缘子污闪位置识别方法
CN114764570A (zh) 叶片故障诊断方法、装置、系统及存储介质
CN112926626B (zh) 基于稀疏贝叶斯学习与功率谱分离的风机叶片故障检测方法
CN117132787B (zh) 基于图像识别的机车车顶绝缘子憎水性能评价方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant