CN220791410U - 一种基于声音采集数据的风电机舱监测装置 - Google Patents
一种基于声音采集数据的风电机舱监测装置 Download PDFInfo
- Publication number
- CN220791410U CN220791410U CN202321891963.6U CN202321891963U CN220791410U CN 220791410 U CN220791410 U CN 220791410U CN 202321891963 U CN202321891963 U CN 202321891963U CN 220791410 U CN220791410 U CN 220791410U
- Authority
- CN
- China
- Prior art keywords
- sound
- module
- voiceprint
- fan
- wind power
- 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.)
- Active
Links
- 238000012806 monitoring device Methods 0.000 title claims abstract description 24
- 230000005540 biological transmission Effects 0.000 claims abstract description 16
- 238000001514 detection method Methods 0.000 claims abstract description 15
- 238000000605 extraction Methods 0.000 claims description 35
- 238000000926 separation method Methods 0.000 claims description 14
- 230000005236 sound signal Effects 0.000 claims description 11
- 238000003745 diagnosis Methods 0.000 claims description 8
- 238000003909 pattern recognition Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 5
- 230000004807 localization Effects 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 230000002401 inhibitory effect Effects 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 6
- 238000000034 method Methods 0.000 description 9
- 238000001228 spectrum Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本实用新型公开的属于风电机舱监测技术领域，具体为一种基于声音采集数据的风电机舱监测装置，包括：智慧声纹终端，用于对叶片的声音和机舱内的声音进行检测、传输网络，用于对智慧声纹终端所检测的数据进行传输、风机声纹检测平台，用于对智慧声纹终端所检测的数据进行分析诊断、所述智慧声纹终端通过传输网络与所述风机声纹检测平台相连接，本实用新型通过设置智慧声纹终端、传输网络和风机声纹检测平台，具有能够解决目前在风机发生故障时，通常是由人员来进行判断的问题，进而能够实现实时对风机的运行状态进行监测以及对风机的故障进行诊断，从而能够在风机发生故障时，能对风机进行及时维修。
Description
技术领域
本实用新型涉及风电机舱监测技术领域，具体为一种基于声音采集数据的风电机舱监测装置。
背景技术
风力发电是指把风的动能转为电能。风能是一种清洁无公害的可再生能源，很早就被人们利用，主要是通过风车来抽水、磨面等，人们感兴趣的是如何利用风来发电。
目前在风机发生故障时，通常是由人员来进行判断的，这就导致基本上是在风机发生故障后，人员才能判断出来，进而会无法对风机进行及时维修，从而会对风机的使用造成影响，另外，还会在一定程度上提高后续的维修成本。因此，发明一种基于声音采集数据的风电机舱监测装置。
实用新型内容
鉴于上述和/或现有一种基于声音采集数据的风电机舱监测装置中存在的问题，提出了本实用新型。
因此，本实用新型的目的是提供一种基于声音采集数据的风电机舱监测装置，能够解决上述提出现有的问题。
为解决上述技术问题，根据本实用新型的一个方面，本实用新型提供了如下技术方案：
一种基于声音采集数据的风电机舱监测装置，其包括：
智慧声纹终端，用于对叶片的声音和机舱内的声音进行检测；
传输网络，用于对智慧声纹终端所检测的数据进行传输；
风机声纹检测平台，用于对智慧声纹终端所检测的数据进行分析诊断；
所述智慧声纹终端通过传输网络与所述风机声纹检测平台相连接。
作为本实用新型所述的一种基于声音采集数据的风电机舱监测装置的一种优选方案，其中：所述智慧声纹终端包括：
叶片声音传感器，用于对叶片的声音进行采集；
麦克风阵列，用于对机舱中的风机主轴、齿轮箱、发电机、设备运行时所产生的声音进行采集；
声音增强模块，用于从含噪声的语音信号中提取出纯净声音；
去混响模块，用于衰减其他方向的反射声；
声源定位模块，用于对被监控设备的声音进行跟踪以及对后续的声音进行定向拾取；
盲源分离模块，用于从多个声音信号中提取出目标信号。
作为本实用新型所述的一种基于声音采集数据的风电机舱监测装置的一种优选方案，其中：所述叶片声音传感器和所述麦克风阵列均与声音增强模块相连接，所述声音增强模块与所述去混响模块相连接，所述去混响模块与所述声源定位模块相连接，所述声源定位模块与盲源分离模块相连接，所述盲源分离模块与所述传输网络相连接。
作为本实用新型所述的一种基于声音采集数据的风电机舱监测装置的一种优选方案，其中：所述麦克风阵列是由位于机舱中的不同位置的麦克风按一定的形状规则布置形成的阵列。
作为本实用新型所述的一种基于声音采集数据的风电机舱监测装置的一种优选方案，其中：所述风机声纹检测平台包括：
声纹特征提取模块，用于提取风机组大部件的实时声纹异音数据提取，为精确故障诊断预测性维护做铺垫；
信号提取模块，用于抑制不含故障信息的信号成分，突出能反映故障的信号成分，滤波降噪；
特征提取模块，用于提高时域特征和频域特征；
模式识别模块，用于对处理后的声音进行分析，以对风机故障进行诊断。
作为本实用新型所述的一种基于声音采集数据的风电机舱监测装置的一种优选方案，其中：所述传输网络与所述声纹特征提取模块相连接，所述声纹特征提取模块与所述信号提取模块相连接，所述信号提取模块与所述特征提取模块相连接，所述特征提取模块与所述模式识别模块相连接。
与现有技术相比：
通过设置智慧声纹终端、传输网络和风机声纹检测平台，具有能够解决目前在风机发生故障时，通常是由人员来进行判断的问题，进而能够实现实时对风机的运行状态进行监测以及对风机的故障进行诊断，从而能够在风机发生故障时，能对风机进行及时维修，在一定程度上降低了成本的投入。
附图说明
图1为本实用新型流程示意图；
图2为本实用新型智慧声纹终端流程示意图；
图3为本实用新型风机声纹检测平台流程示意图。
图中：智慧声纹终端10、传输网络20、风机声纹检测平台30；
叶片声音传感器11、麦克风阵列12、声音增强模块13、去混响模块14、声源定位模块15、盲源分离模块16；
声纹特征提取模块31、信号提取模块32、特征提取模块33、模式识别模块34。
具体实施方式
为使本实用新型的目的、技术方案和优点更加清楚，下面将结合附图对本实用新型的实施方式作进一步地详细描述。
本实用新型提供一种基于声音采集数据的风电机舱监测装置，请参阅图1-图3，包括：智慧声纹终端10，用于对叶片的声音和机舱内的声音进行检测、传输网络20，用于对智慧声纹终端10所检测的数据进行传输、风机声纹检测平台30，用于对智慧声纹终端10所检测的数据进行分析诊断；
智慧声纹终端10通过传输网络20与风机声纹检测平台30相连接；
具体为：智慧声纹终端10通过传输网络20将数据上传至风机声纹检测平台30，风机声纹检测平台30将获得的特征与已有的信号特征类型逐一比对，从而判断出获取信号的类别信息，将单一分类结果进行多识别模型判别，并采用模型融合、专家诊断等专业化分析处理，输出风机各部件的运行状态、故障定位，提供故障预警，实现对风机运行状态的监测、故障诊断、实时预警等功能。
智慧声纹终端10包括：叶片声音传感器11，用于对叶片的声音进行采集、麦克风阵列12，用于对机舱中的风机主轴、齿轮箱、发电机、设备运行时所产生的声音进行采集、声音增强模块13，用于从含噪声的语音信号中提取出纯净声音、去混响模块14，用于衰减其他方向的反射声、声源定位模块15，用于对被监控设备的声音进行跟踪以及对后续的声音进行定向拾取、盲源分离模块16，用于从多个声音信号中提取出目标信号；
叶片声音传感器11和麦克风阵列12均与声音增强模块13相连接，声音增强模块13与去混响模块14相连接，去混响模块14与声源定位模块15相连接，声源定位模块15与盲源分离模块16相连接，盲源分离模块16与传输网络20相连接；
具体为：
关于叶片声音传感器11：针对叶片声音采集，利用安装在风机底部的声音传感器采集叶片运行的声信号，采集叶片旋转的声音并通过主机提取相关数据进行分析，由于叶片运行在野外环境，环境噪音来源包括风速、偶发噪声，并且由于叶片早期故障能量微弱，极易被背景噪声掩盖，因此首先要去除背景噪声，提高信噪比，然后，提取叶片声学故障特征，健康叶片在正常工作状态下，声音传感器采集到的声信号主要为叶轮扫风声，但是，随着风机叶片在役时间的增加，可能会周期性出现一些异响，那么，相比于正常工作状态，故障叶片运行时声信号的频谱必然会发生周期性变化，因此，提取出能够反映叶片健康状态信息的频谱特征，从而实现风机叶片的故障诊断，刻画声信号频谱变化的方式有多种，综合考虑信号周期性与算法的鲁棒性、高低频表征能力，选择能够准确描述声信号频谱变化的频谱特征；
关于麦克风阵列12：麦克风阵列12是由位于机舱中的不同位置的麦克风按一定的形状规则布置形成的阵列；麦克风阵列12是对空间传播声音信号进行空间采样的一种装置，采集到的声音信号包含了其空间位置信息，风机故障诊断监测终端的麦克风阵列，由6颗声学传感器组成的集成式微型麦克风阵列，用来对声场的空间特性进行采样与处理的系统；
关于声音增强模块13：当风电机组大部件故障声音信号被各种各样的噪声（包括语音）干扰甚至淹没后，从含噪声的语音信号中提取出纯净声音的过程，在嘈杂环境下准确识别故障声音；
关于去混响模块14：运用基于波束形成的方法，通过将多麦克风对风机组收集的信号进行加权相加，在目标信号的方向形成一个拾音波束，同时衰减来自其他方向的反射声；
关于声源定位模块15：使用麦克风阵列来计算设备发声的角度和距离，从而实现对风机组大部件被监控设备声音的跟踪以及后续的声音定向拾取；
关于盲源分离模块16：利用麦克风阵列12实现声源信号提取，声源信号的提取就是从多个声音信号中提取出目标信号，声源信号分离技术则是将需要将多个混合声音全部提取出来。
风机声纹检测平台30包括：声纹特征提取模块31，用于提取风机组大部件的实时声纹异音数据提取，为精确故障诊断预测性维护做铺垫、信号提取模块32，用于抑制不含故障信息的信号成分，突出能反映故障的信号成分，滤波降噪、特征提取模块33，用于提高时域特征和频域特征、模式识别模块34，用于对处理后的声音进行分析，以对风机故障进行诊断；
传输网络20与声纹特征提取模块31相连接，声纹特征提取模块31与信号提取模块32相连接，信号提取模块32与特征提取模块33相连接，特征提取模块33与模式识别模块34相连接；
具体为：
关于声纹特征提取模块31：用于提取风机组大部件的实时声纹异音数据提取，为精确故障诊断预测性维护做铺垫；
关于信号提取模块32：主要目的在于抑制不含故障信息的信号成分，突出能反映故障的信号成分，滤波降噪；声学处理方法：小波变化，经验模态分解（EMD），盲源分离（利用SVD估计信号源，通过Fast ICA对信号进行分离提取）等；
关于特征提取模块33：特征提取的方法多种多样，但却又极为相似，这里列出主要的几种：常规的时域特征和频域特征；小波包分解能量及其衍生特征，主要利用小波包的频带选择特性；基于梅尔倒谱系数MFCCs；基于熵值法的多层次特征（奇异值谱熵、功率谱熵、小波包能量谱熵，反映信号的复杂程度）；
关于模式识别模块34：是指对表征事物或现象的各种形式的信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程；它是信息科学和人工智能的重要组成部分。风机声纹监测系统其主要应用是声音特征的分类。
虽然在上文中已经参考实施方式对本实用新型进行了描述，然而在不脱离本实用新型的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，本实用新型所披露的实施方式中的各项特征均可通过任意方式相互结合起来使用，在本说明书中未对这些组合的情况进行穷举性的描述仅仅是出于省略篇幅和节约资源的考虑。因此，本实用新型并不局限于文中公开的特定实施方式，而是包括落入权利要求的范围内的所有技术方案。
Claims (5)
1.一种基于声音采集数据的风电机舱监测装置，其特征在于，包括：
智慧声纹终端（10），用于对叶片的声音和机舱内的声音进行检测；
传输网络（20），用于对智慧声纹终端（10）所检测的数据进行传输；
风机声纹检测平台（30），用于对智慧声纹终端（10）所检测的数据进行分析诊断；
所述智慧声纹终端（10）通过传输网络（20）与所述风机声纹检测平台（30）相连接。
2.根据权利要求1所述的一种基于声音采集数据的风电机舱监测装置，其特征在于，所述智慧声纹终端（10）包括：
叶片声音传感器（11），用于对叶片的声音进行采集；
麦克风阵列（12），用于对机舱中的风机主轴、齿轮箱、发电机、设备运行时所产生的声音进行采集；
声音增强模块（13），用于从含噪声的语音信号中提取出纯净声音；
去混响模块（14），用于衰减其他方向的反射声；
声源定位模块（15），用于对被监控设备的声音进行跟踪以及对后续的声音进行定向拾取；
盲源分离模块（16），用于从多个声音信号中提取出目标信号。
3.根据权利要求2所述的一种基于声音采集数据的风电机舱监测装置，其特征在于，所述叶片声音传感器（11）和所述麦克风阵列（12）均与声音增强模块（13）相连接，所述声音增强模块（13）与所述去混响模块（14）相连接，所述去混响模块（14）与所述声源定位模块（15）相连接，所述声源定位模块（15）与盲源分离模块（16）相连接，所述盲源分离模块（16）与所述传输网络（20）相连接。
4.根据权利要求1所述的一种基于声音采集数据的风电机舱监测装置，其特征在于，所述风机声纹检测平台（30）包括：
声纹特征提取模块（31），用于提取风机组大部件的实时声纹异音数据提取，为精确故障诊断预测性维护做铺垫；
信号提取模块（32），用于抑制不含故障信息的信号成分，突出能反映故障的信号成分，滤波降噪；
特征提取模块（33），用于提高时域特征和频域特征；
模式识别模块（34），用于对处理后的声音进行分析，以对风机故障进行诊断。
5.根据权利要求4所述的一种基于声音采集数据的风电机舱监测装置，其特征在于，所述传输网络（20）与所述声纹特征提取模块（31）相连接，所述声纹特征提取模块（31）与所述信号提取模块（32）相连接，所述信号提取模块（32）与所述特征提取模块（33）相连接，所述特征提取模块（33）与所述模式识别模块（34）相连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202321891963.6U CN220791410U (zh) | 2023-07-19 | 2023-07-19 | 一种基于声音采集数据的风电机舱监测装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202321891963.6U CN220791410U (zh) | 2023-07-19 | 2023-07-19 | 一种基于声音采集数据的风电机舱监测装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN220791410U true CN220791410U (zh) | 2024-04-16 |
Family
ID=90653757
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202321891963.6U Active CN220791410U (zh) | 2023-07-19 | 2023-07-19 | 一种基于声音采集数据的风电机舱监测装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN220791410U (zh) |
-
2023
- 2023-07-19 CN CN202321891963.6U patent/CN220791410U/zh active Active
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107748314A (zh) | 基于声波震荡检测的变压器故障分析系统 | |
| CN103033567B (zh) | 一种基于导波的管道缺陷信号识别方法 | |
| CN112857767B (zh) | 基于卷积神经网络的水轮发电机组转子故障声学判别方法 | |
| CN112067701B (zh) | 基于声学诊断的风机叶片远程听诊方法 | |
| CN112727710B (zh) | 一种基于音频信号的风场落雷密度统计方法及系统 | |
| CN113298134B (zh) | 一种基于bpnn的风机叶片远程非接触健康监测系统和方法 | |
| CN113567969B (zh) | 一种基于水下声信号的非法采砂船自动监控方法及系统 | |
| CN113567162A (zh) | 基于声传感器的风机故障智能诊断装置及方法 | |
| CN116776075A (zh) | 风机叶片健康监测系统及其监测方法 | |
| Tang et al. | A survey of mechanical fault diagnosis based on audio signal analysis | |
| CN112052712B (zh) | 一种电力设备状态监测与故障识别方法及系统 | |
| CN116778964A (zh) | 一种基于声纹识别的变电设备故障监测系统及方法 | |
| CN113345399A (zh) | 一种强噪声环境下的机器设备声音监测方法 | |
| CN114492196B (zh) | 基于简正波能量比理论的故障快速检测方法及系统 | |
| CN220791410U (zh) | 一种基于声音采集数据的风电机舱监测装置 | |
| CN114352486A (zh) | 一种基于分类的风电机组叶片音频故障检测方法 | |
| CN114137410A (zh) | 一种基于声纹检测技术的液压机构断路器故障识别方法 | |
| Zhu et al. | Wind turbine blade fault detection by acoustic analysis: Preliminary results | |
| CN115410599A (zh) | 一种基于声纹感知的变压器运行状态识别的方法及系统 | |
| CN115064182A (zh) | 自适应梅尔滤波器在强噪声环境下风机故障特征识别方法 | |
| CN113343887A (zh) | 基于边缘计算与机器学习的多传感器混合故障信号盲分离方法 | |
| Ye et al. | Power plant production equipment abnormal sound perception method research based on machine hearing | |
| CN115306650A (zh) | 一种基于音频数据的风电机组异常状态检测方法及系统 | |
| Chen et al. | Acoustic-based whistle detection of drain hole for wind turbine blade | |
| Li | Recognition method of non-stationary mechanical vibration signal based on convolution neural network |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GR01 | Patent grant | ||
| GR01 | Patent grant |