ES3033736T3

ES3033736T3 - Blade fault diagnosis method, apparatus and system, and storage medium

Info

Publication number: ES3033736T3
Application number: ES21912969T
Authority: ES
Inventors: Yong Zhao; Xinle Li; Xinyuan Niu
Original assignee: Beijing Goldwind Science and Creation Windpower Equipment Co Ltd
Current assignee: Beijing Goldwind Science and Creation Windpower Equipment Co Ltd
Priority date: 2020-12-30
Filing date: 2021-06-30
Publication date: 2025-08-07
Anticipated expiration: 2041-06-30
Also published as: CN114764570B; KR20230113384A; CN114764570A; EP4254261C0; CA3203703A1; US20240052810A1; WO2022142213A1; AU2021415086A1; AU2021415086B2; EP4254261A4; EP4254261A1; EP4254261B1

Abstract

En la presente solicitud se describe un método, aparato y sistema de diagnóstico de fallos de palas, así como un medio de almacenamiento. El método comprende: obtener el audio de rotación de palas, adquirido por un dispositivo de adquisición de audio durante el funcionamiento de una turbina eólica; preprocesar el audio de rotación de palas mediante un algoritmo de filtrado de ruido de viento para obtener un audio de rotación de palas filtrado; dividir el audio de rotación de palas filtrado para obtener un clip de audio correspondiente a cada pala; y diagnosticar, a partir de cada clip de audio, si la pala correspondiente presenta un fallo. Según la presente solicitud, a partir de los clips de audio de diferentes palas, se puede diagnosticar si presentan fallos, mejorando así la precisión de los resultados del diagnóstico. (Traducción automática con Google Translate, sin valor legal)

Description

DESCRIPCION

Método, aparato y sistema de diagnóstico de fallo en el aspa y medio de almacenamiento

CAMPO TÉCNICO

La presente solicitud se relaciona generalmente con un campo técnico de la generación de energía eólica, y más particularmente con un método, aparato y sistema de diagnóstico de fallo de aspa, y un medio de almacenamiento.

ANTECEDENTES

Las aspas del sistema generador de la turbina eólica hacen sonidos cuando rotan. Bajo una condición que una aspa está dañada o defectuosa, el audio de la rotación de la aspa cambiará. Por lo tanto, cuando se monitoriza el estado de las aspas del sistema generador de la turbina eólica, una implementación es que se recolecta el audio de la rotación de la aspa, y entonces se juzga, basado en la señal de audio, si las aspas del sistema generador de la turbina eólica son defectuosas.

Sin embargo, el inventor encontró que el cambio de la señal de audio es pequeño cuando el aspa está defectuosa, y las señales de audio de diferentes aspas tienen diferencias sutiles, lo que puede llevar a un diagnóstico erróneo del método existente para diagnosticar si el aspa está defectuosa a través del audio.

Los documentos considerados durante el proceso de tramitación de la patente son, entre otros: CN 112067 701 A, CN 104 101 652 A y CN 110792563 A.

RESUMEN

La presente invención se describe en el conjunto de reivindicaciones adjuntas.

Las realizaciones de la presente solicitud proporcionan un método, un aparato y un sistema de diagnóstico de fallos de aspas, y un medio de almacenamiento, que pueden diagnosticar si una aspa correspondiente es defectuosa respectivamente de acuerdo con los segmentos de audio de diferentes aspas, mejorando así la precisión de los resultados del diagnóstico.

En un aspecto, una realización de la presente solicitud proporciona un método de diagnóstico de fallos de aspas, que incluye:

adquirir un audio de rotación de aspas recolectado por un dispositivo de recolección de audio durante la operación de un sistema generador de turbina eólica; preprocesar el audio de rotación de aspas basado en un algoritmo de filtrado de ruido de viento para obtener un audio de rotación de aspas filtrado del ruido de viento; dividir el audio de rotación de aspas filtrado del ruido de viento para obtener segmentos de audio correspondientes a las aspas del sistema generador de turbina eólica respectivamente; diagnosticar, basado en los segmentos de audio, si las aspas correspondientes a cada uno de los segmentos de audio están defectuosas.

Ejemplarmente, dividir el audio de rotación de las aspas filtrado del ruido del viento para obtener los segmentos de audio correspondientes a las aspas respectivamente incluye: procesar, mediante una transformada de Fourier de corta duración, el audio de rotación de las aspas filtrado del ruido del viento para obtener un primer valor característico, en el que el primer valor característico está configurado para caracterizar una característica del dominio de la frecuencia del audio de rotación de las aspas filtrado del ruido del viento; introducir el primer valor de característica en un modelo de reconocimiento de aspas para obtener puntos de tiempo de división del audio de rotación de las aspas filtrado del ruido del viento, en el que el modelo de reconocimiento de aspas es un modelo preentrenado configurado para identificar puntos de tiempo de conmutación de sonidos de rotación de diferentes aspas de acuerdo con el primer valor característicos; dividir el audio de rotación de las aspas filtrado del ruido del viento de acuerdo con los puntos de tiempo de división para obtener los segmentos de audio correspondientes a las aspas respectivamente.

De acuerdo con la invención, el diagnóstico, basado en los segmentos de audio, de si las aspas correspondientes a cada uno de los segmentos de audio son defectuosas incluye: procesar cada uno de los segmentos de audio mediante una transformada de Fourier para obtener un segundo valor característico de cada uno de los segmentos de audio, en el que el segundo valor característico está configurado para caracterizar una característica del dominio de frecuencia de cada uno de los segmentos de audio; introducir el segundo valor característico de cada uno de los segmentos de audio en un modelo de diagnóstico de fallos de aspas para obtener un primer resultado de diagnóstico de fallos de cada una de las aspas, en el que el modelo de diagnóstico de fallos de aspas es un modelo preentrenado configurado para identificar si una aspa correspondiente al segmento de audio es defectuosa de acuerdo con el segundo valor característico del segmento de audio.

De acuerdo con la invención, el diagnóstico, basado en los segmentos de audio, de si las aspas correspondientes a cada uno de los segmentos de audio son defectuosas incluye: contar las duraciones de los segmentos de audio correspondientes a las aspas respectivamente; obtener un segundo resultado de diagnóstico de fallo juzgando si hay una aspa defectuosa de acuerdo con si una diferencia entre las duraciones de cada dos segmentos de audio excede un valor de umbral preestablecido; juzgar, combinando el primer resultado de diagnóstico de fallo de cada una de las aspas y el segundo resultado de diagnóstico de fallo, si hay una aspa defectuosa.

Ejemplarmente, antes de diagnosticar, basado en los segmentos de audio, si las aspas correspondientes a cada uno de los segmentos de audio son defectuosas, el método incluye además: adquirir un parámetro ambiental del sistema generador de la turbina eólica, en el que el parámetro ambiental está configurado para indicar una estación y/o el tiempo; determinar, entre una pluralidad de modelos de diagnóstico de fallos candidatos configurados para identificar diferentes tipos de fallos respectivamente, un modelo configurado para identificar un tipo de fallo correspondiente al parámetro ambiental, de modo que se determine un modelo de diagnóstico de fallos para su utilización.

Ejemplarmente, adquirir el audio de rotación de las aspas recolectado por el dispositivo de recolección de audio durante la operación del sistema generador de la turbina eólica incluye adquirir audios de rotación de las aspas recolectados en una pluralidad de ubicaciones; preprocesar el audio de rotación de las aspas basado en el algoritmo de filtrado de ruido del viento para obtener el audio de rotación de las aspas filtrado del ruido del viento incluye procesar cada uno de los audios de rotación de las aspas respectivamente basado en el algoritmo de filtrado de ruido del viento para obtener una pluralidad de audios de rotación de las aspas filtrados del ruido del viento; después de que se obtienen la pluralidad de audios de rotación de las aspas filtrados del ruido del viento, el método incluye además calcular un parámetro de ruido del viento de cada uno de la pluralidad de audios de rotación de las aspas filtrados del ruido del viento respectivamente mediante un modelo de reconocimiento de ruido del viento, en el que el parámetro de ruido del viento está configurado para representar un nivel de ruido del viento en el audio, y el modelo de reconocimiento de ruido del viento es un modelo preentrenado configurado para evaluar el parámetro de ruido del viento del audio; dividir el audio de rotación de las aspas filtrado del ruido del viento para obtener los segmentos de audio correspondientes a las aspas respectivamente incluye seleccionar, de acuerdo con el parámetro de ruido del viento y entre la pluralidad de audios de rotación de las aspas filtrados del ruido del viento, un audio de rotación de las aspas filtrado del ruido del viento con un ruido del viento mínimo, y dividir el audio de rotación de las aspas filtrado del ruido del viento con el ruido del viento mínimo para obtener los segmentos de audio correspondientes a las aspas respectivamente.

Ejemplarmente, el cálculo del parámetro de ruido del viento de cada uno de la pluralidad de audios de rotación de las aspas filtrados del ruido del viento respectivamente mediante el modelo de reconocimiento de ruido del viento incluye: procesar cada uno de la pluralidad de audios de rotación de las aspas filtrados del ruido del viento mediante una transformada de Fourier para obtener un tercer valor característico de cada uno de la pluralidad de audios de rotación de las aspas filtrados del ruido del viento, y el tercer valor característico está configurado para caracterizar una característica del dominio de frecuencia de un audio de rotación de aspas correspondiente filtrado del ruido del viento; introducir el tercer valor característico de cada uno de la pluralidad de audios de rotación de aspas filtrados del ruido del viento al modelo de reconocimiento de ruido del viento para obtener el parámetro de ruido del viento de cada uno de la pluralidad de audios de rotación de aspas filtrados del ruido del viento.

En otro aspecto, una realización de la presente solicitud proporciona un aparato de diagnóstico de fallos de aspas, que incluye: un módulo de adquisición configurado para adquirir un audio de rotación de aspas recolectado por un dispositivo de recolección de audio durante una operación de un sistema generador de turbina eólica; un módulo de preprocesamiento configurado para preprocesar el audio de rotación de las aspas basado en un algoritmo de filtrado de ruido del viento para obtener un audio de rotación de las aspas filtrado del ruido del viento; un módulo de división configurado para dividir el audio de rotación de las aspas filtrado del ruido del viento para obtener segmentos de audio correspondientes a las aspas del sistema generador de la turbina eólica respectivamente; un módulo de diagnóstico configurado para diagnosticar, basado en los segmentos de audio, si las aspas correspondientes a cada uno de los segmentos de audio son defectuosas.

Ejemplarmente, dividir el audio de rotación de las aspas filtrado del ruido del viento para obtener los segmentos de audio correspondientes a las aspas respectivamente incluye: procesar, mediante una transformada de Fourier de corta duración, el audio de rotación de las aspas filtrado del ruido del viento para obtener un primer valor característico, en el que el primer valor característico está configurado para caracterizar una característica del dominio de frecuencia del audio de rotación de las aspas filtrado del ruido del viento; introducir el primer valor característico en un modelo de reconocimiento de aspas para obtener puntos de tiempo de división del audio de rotación de las aspas filtrado del ruido del viento, en el que el modelo de reconocimiento de aspas es un modelo preentrenado configurado para identificar puntos de tiempo de conmutación de sonidos de rotación de diferentes aspas de acuerdo con el primer valor característico; dividir el audio de rotación de las aspas filtrado del ruido del viento de acuerdo con los puntos de tiempo de división para obtener los segmentos de audio correspondientes a las aspas respectivamente.

Ejemplarmente, antes de diagnosticar, basándose en los segmentos de audio, si las aspas correspondientes a cada uno de los segmentos de audio son defectuosas, el método incluye además: adquirir un parámetro ambiental del sistema generador de la turbina eólica, en el que el parámetro ambiental está configurado para indicar una estación y/o el tiempo; determinar, entre una pluralidad de modelos de diagnóstico de fallos candidatos configurados para identificar diferentes tipos de fallos respectivamente, un modelo configurado para identificar un tipo de fallo correspondiente al parámetro ambiental, de modo que se determine un modelo de diagnóstico de fallos para su utilización.

Ejemplarmente, adquirir el audio de rotación de las aspas recolectado por el dispositivo de recolección de audio durante la operación del sistema generador de la turbina eólica incluye adquirir audios de rotación de las aspas recolectados en una pluralidad de ubicaciones; preprocesar el audio de rotación de las aspas basado en el algoritmo de filtrado de ruido del viento para obtener el audio de rotación de las aspas filtrado del ruido del viento incluye procesar cada uno de los audios de rotación de las aspas respectivamente basado en el algoritmo de filtrado de ruido del viento para obtener una pluralidad de audios de rotación de las aspas filtrados del ruido del viento; después de obtener la pluralidad de audios de rotación de las aspas filtrados del ruido del viento, el método incluye además calcular un parámetro de ruido del viento de cada uno de la pluralidad de audios de rotación de las aspas filtrados del ruido del viento respectivamente mediante un modelo de reconocimiento de ruido del viento, en el que el parámetro de ruido del viento está configurado para representar un nivel de ruido del viento en el audio, y el modelo de reconocimiento de ruido del viento es un modelo preentrenado configurado para evaluar el parámetro de ruido del viento del audio; dividir el audio de rotación de las aspas filtrado del ruido del viento para obtener los segmentos de audio correspondientes a las aspas respectivamente incluye seleccionar, de acuerdo con el parámetro de ruido del viento y entre la pluralidad de audios de rotación de las aspas filtrados del ruido del viento, un audio de rotación de las aspas filtrado del ruido del viento con un ruido del viento mínimo, y dividir el audio de rotación de las aspas filtrado del ruido del viento con el ruido del viento mínimo para obtener los segmentos de audio correspondientes a las aspas respectivamente.

Ejemplarmente, el cálculo del parámetro de ruido del viento de cada uno de los audios de rotación de las aspas filtrados del ruido del viento respectivamente mediante el modelo de reconocimiento del ruido del viento incluye: procesar cada uno de los audios de rotación de las aspas filtrados del ruido del viento mediante una transformada de Fourier para obtener un tercer valor característico de cada uno de los audios de rotación de las aspas filtrados del ruido del viento, y el tercer valor característico está configurado para caracterizar una característica de dominio de frecuencia de un audio de rotación de aspas correspondiente filtrado del ruido del viento; introducir el tercer valor característico de cada uno de la pluralidad de audios de rotación de aspas filtrados del ruido del viento al modelo de reconocimiento de ruido del viento para obtener el parámetro de ruido del viento de cada uno de la pluralidad de audios de rotación de aspas filtrados del ruido del viento.

En otro aspecto, una realización de la presente solicitud proporciona un sistema de diagnóstico de fallos de aspas, que incluye: un dispositivo de recolección de audio que incluye una pluralidad de sensores de audio, en el que al menos uno de los sensores de audio está dispuesto en una posición de dirección del viento predominante o en una posición de dirección del viento a sotavento de un barril de torre de un sistema generador de turbina de viento; un procesador dispuesto dentro del barril de la torre y conectado a los sensores de audio, en el que el procesador está configurado para: recibir un audio de rotación de las aspas recogido por los sensores de audio; preprocesar el audio de rotación de las aspas basado en un algoritmo de filtrado de ruido del viento para obtener un audio de rotación de las aspas filtrado del ruido del viento; dividir el audio de rotación de las aspas filtrado del ruido del viento para obtener segmentos de audio correspondientes a las aspas del sistema generador de la turbina eólica respectivamente; diagnosticar, basado en los segmentos de audio, si las aspas cada una correspondiente a uno de los segmentos de audio son defectuosas.

Ejemplarmente, el sistema incluye además un servidor conectado al procesador, en el que el servidor está configurado para adquirir los resultados del procesador que diagnostica si las aspas están defectuosas, y para avisar bajo una condición de que las aspas están defectuosas.

En otro aspecto, una realización de la presente solicitud proporciona un medio de almacenamiento que tiene instrucciones de programa de computador almacenadas en el mismo, en el que las instrucciones de programa de computador, cuando son ejecutadas por un procesador, implementan el método de diagnóstico de fallo de aspas de la realización de la presente solicitud.

De acuerdo con el aparato y el sistema de método de diagnóstico de fallo de aspa, y el medio de almacenamiento proporcionado por las realizaciones de la presente solicitud, el algoritmo de filtrado de ruido de viento puede ser aplicado al audio de rotación de las aspas para obtener el audio de rotación de las aspas filtrado del ruido de viento, de modo a eliminar la interferencia del ruido de viento en el audio de rotación de las aspas, y obtener el audio con un sonido de rotación de las aspas más preciso y más fuerte. Entonces, el audio de rotación de las aspas filtrado del ruido del viento se divide para obtener los segmentos de audio correspondientes a las aspas, y basado en los segmentos de audio, se diagnostica si las aspas cada una correspondiente a uno de los segmentos de audio son defectuosas. Por lo tanto, se puede diagnosticar si una aspa correspondiente es defectuosa respectivamente de acuerdo con los segmentos de audio de diferentes aspas, mejorando así la precisión de los resultados del diagnóstico.

BREVE DESCRIPCIÓN DE LOS DIBUJOS

Con el fin de ilustrar más claramente las soluciones técnicas de las realizaciones de la presente solicitud, se describirán brevemente los dibujos necesarios para las realizaciones de la presente solicitud. Para una persona experta en la materia, también pueden ser obtenidos otros dibujos a partir de estos dibujos sin ningún esfuerzo inventivo.

La FIG. 1 es un diagrama esquemático de un sistema de diagnóstico de fallos de aspas proporcionado por una realización de la presente solicitud;

La FIG. 2 es un diagrama esquemático de un sistema de diagnóstico de fallos de aspas proporcionado por otra realización de la presente solicitud;

La FIG. 3 es un diagrama de flujo esquemático de un método de diagnóstico de fallos de aspas proporcionado por una realización de la presente solicitud;

La FIG. 4 es un diagrama de flujo esquemático de modelos de entrenamiento en un método de diagnóstico de fallos de aspas proporcionado por una realización de la presente solicitud;

La FIG. 5 es un diagrama de flujo esquemático de identificación de ruido de viento mediante un modelo de reconocimiento de ruido de viento en un método de diagnóstico de fallos de aspas proporcionado por una realización de la presente solicitud;

La FIG. 6 es un diagrama de flujo esquemático de obtención de segmentos de audio mediante un modelo de reconocimiento de aspas en un método de diagnóstico de fallos de aspas proporcionado por una realización de la presente solicitud;

La FIG. 7 es un diagrama de flujo esquemático de diagnóstico de fallos de aspas mediante un modelo de diagnóstico de fallos de aspas en un método de diagnóstico de fallos de aspas proporcionado por una realización de la presente solicitud;

La FIG. 8 es un diagrama de flujo esquemático de un método de diagnóstico de fallos de aspas proporcionado por otra realización de la presente solicitud;

La FIG. 9 es un diagrama esquemático de un sistema de diagnóstico de fallos de aspas proporcionado por otra realización de la presente solicitud;

La FIG. 10 es un diagrama esquemático de un sistema de diagnóstico de fallos de aspas proporcionado por otra realización de la presente solicitud;

La FIG. 11 es un diagrama esquemático de un aparato de diagnóstico de fallos de aspas proporcionado por una realización de la presente solicitud.

DESCRIPCIÓN DETALLADA

A continuación se describirán en detalle las características y realizaciones ejemplares de diversos aspectos de la presente solicitud. Con el fin de aclarar el propósito, las soluciones técnicas y las ventajas de la presente solicitud, la presente solicitud se describirá con más detalle a continuación con referencia a los dibujos adjuntos y a las realizaciones específicas. Debe entenderse que las realizaciones específicas descritas en el presente documento solo tienen por objeto explicar la presente solicitud, pero no limitarla. Será evidente para una persona experta en la materia que la presente solicitud puede ponerse en práctica sin algunos de estos detalles específicos. La siguiente descripción de las realizaciones es meramente para proporcionar una mejor comprensión de la presente solicitud mediante la ilustración de ejemplos de la presente solicitud.

Debería ser notado que, en este documento, los términos relacionales tales como primero y segundo son utilizados solamente para distinguir una entidad u operación de otra entidad u operación, y no requieren necesariamente o implican tal relación o secuencia real entre estas entidades u operaciones. Por otra parte, los términos “que comprende», “que incluye» o cualquier otra variación de los mismos pretenden abarcar una inclusión no exclusiva, de tal manera que un proceso, método, artículo o dispositivo que incluye una lista de elementos no solo incluye esos elementos, sino que también incluye otros elementos que no están explícitamente enumerados pero que son inherentes a dicho proceso, método, artículo o dispositivo. Sin más limitaciones, un elemento definido por el término “que comprende...» no excluye la presencia de elementos adicionales en un proceso, método, artículo o dispositivo que incluya el elemento.

Con el fin de resolver los problemas técnicos, las realizaciones de la presente solicitud proporcionan un método, aparato y sistema de diagnóstico de fallos de aspas, y un medio de almacenamiento.

A continuación se presentará en primer lugar el sistema de diagnóstico de fallos de aspas proporcionado por las realizaciones de la presente solicitud.

Como se muestra en la Fig. 1, la Fig. 1 es un diagrama estructural esquemático de un ejemplo de un sistema de diagnóstico de fallos de aspas proporcionado por una realización de la presente solicitud. El sistema incluye un dispositivo de recolección de audio 110 y un procesador 120, en el que el dispositivo de recolección de audio 110 incluye al menos un sensor de audio 111.

Al menos un sensor de audio 111 está dispuesto en una posición de dirección del viento predominante o en una posición de dirección del viento a sotavento de un cilindro de torre de un sistema generador de turbina eólica. El sensor de audio 111 está configurado para recolectar la señal de audio de rotación de las aspas del sistema generador de turbina eólica. Las aspas del sistema generador de la turbina eólica harán sonidos al rotar, y bajo una condición que una aspa es defectuosa, el sonido de la rotación de la aspa cambiará. Por lo tanto, la señal de audio recolectada por el sensor de audio 111 puede ser utilizada para diagnosticar el defecto de la aspa. Ejemplar, el sensor de audio 111 puede ser una captación de sonido. A modo de ejemplo, en adición al sensor de audio 111, el dispositivo de recolección de audio 110 puede incluir un módulo de procesamiento de señales. En el presente documento, el módulo de procesamiento de señales del dispositivo de recolección de audio 110 puede ser configurado para convertir la señal de audio de la rotación de las aspas recolectada por el sensor de audio 111 en audio de la rotación de las aspas y, a modo de ejemplo, puede ser configurado además para preprocesar el audio de la rotación de las aspas. El sensor de audio 111 del dispositivo de recolección de audio 110 puede estar dispuesto en la pared exterior del barril de la torre del sistema generador de turbina eólica, y otras partes de hardware del dispositivo de recolección de audio 110 pueden estar dispuestas dentro del barril de la torre del sistema generador de turbina eólica. El hardware dentro del barril de torre puede comunicarse con el sensor de audio 111 a través de comunicación por cable o comunicación inalámbrica. Por ejemplo, el hardware del dispositivo de recolección de audio 110 dentro del barril de la torre puede ser conectado al sensor de audio 111 a través de un cable de comunicación de fibra óptica para recibir las señales de audio recolectadas por el sensor de audio 111.

Como es mostrado en la Fig. 2, la Fig. 2 es un diagrama de instalación esquemático de sensores de audio de ejemplo. El sensor de audio 111 de la Fig. 1 puede incluir un sensor de audio 141 y un sensor de audio 142 de la Fig. 2. El sensor de audio 141 está dispuesto en la posición de la dirección del viento predominante 151 del cilindro de la torre 130 del sistema generador de turbina eólica (la Fig. 2 ilustra una vista en sección transversal del cilindro de la torre 130 del sistema generador de turbina eólica 130). El sensor de audio 142 está dispuesto por encima de una puerta del cilindro de la torre 131 del sistema generador de la turbina eólica, es decir, en una dirección que tiene un ángulo de 90° desde la dirección del viento predominante 151 o la dirección del viento de sotavento 152. Ejemplarmente, los sensores de audio pueden estar dispuestos en la pared exterior de la torre en la parte inferior del cilindro de la torre del sistema generador de la turbina eólica de forma fija, tal como por succión magnética.

El sensor de audio está dispuesto en la posición de la dirección del viento predominante o en la posición de la dirección del viento a sotavento, porque la velocidad del viento en la dirección del viento predominante y en la dirección del viento a sotavento es pequeña, y el ruido del viento es relativamente pequeño. Por lo tanto, la interferencia del ruido del viento en el audio de rotación de las aspas recolectado es pequeña, y los resultados del diagnóstico de fallos son más precisos. La comparación se hace con respecto al sensor de audio dispuesto en la sala del generador del sistema generador de la turbina eólica, o el sensor de audio dispuesto por encima de la puerta del barril de la torre en la parte inferior del barril de la torre. Bajo una condición que el sensor de audio está dispuesto cerca de la sala del generador, la velocidad del viento es grande, y la influencia del ruido del viento al audio recolectado es grande, es difícil registrar un audio de rotación de las aspas claro. Bajo una condición que el audio sensor está dispuesto por encima de la puerta del barril de la torre (en una dirección que tiene un ángulo de 90° desde la dirección del viento predominante), porque la puerta del barril de la torre es el área con la velocidad del viento más rápida en el campo de flujo de viento, la influencia del ruido del viento al audio recolectado es grande. La velocidad del viento en la dirección del viento predominante o en la dirección del viento de sotavento en el campo de flujo del viento es pequeña, y la influencia del ruido del viento en el audio recogido es relativamente pequeña, de modo que se puede recoger un audio de rotación de las aspas relativamente claro.

Bajo una condición en la que el dispositivo de recolección de audio 110 incluye dos o más sensores de audio 111, al menos un sensor de audio 111 está dispuesto en la posición de la dirección del viento predominante o en la posición de la dirección del viento a sotavento en el barril de la torre del sistema generador de turbina de viento. Los sensores de audio restantes 111 pueden estar dispuestos en otras posiciones, por ejemplo, pueden estar dispuestos en una posición que tiene un ángulo de 90° desde la dirección del viento predominante. Alternativamente, dos o más sensores de audio 111 pueden ser distribuidos uniformemente alrededor del perímetro del barril de la torre del sistema generador de la turbina eólica, y se asegura que al menos un sensor de audio 111 está dispuesto en la posición de la dirección del viento predominante o en la posición de la dirección del viento a sotavento. Ejemplarmente, dos o más sensores de audio 111 pueden estar dispuestos en la misma sección transversal del barril de la torre o en diferentes secciones transversales del barril de la torre.

El procesador 120 puede estar dispuesto dentro del cilindro de la torre del sistema generador de la turbina eólica y conectado a los sensores de audio 111. El procesador 120 está configurado para: recibir un audio de rotación de las aspas recolectado por los sensores de audio 111; preprocesar el audio de rotación de las aspas basado en un algoritmo de filtrado de ruido del viento para obtener un audio de rotación de las aspas filtrado del ruido del viento; dividir el audio de rotación de las aspas filtrado del ruido del viento para obtener segmentos de audio correspondientes a las aspas del sistema generador de la turbina eólica respectivamente; diagnosticar, basado en los segmentos de audio, si las aspas cada una correspondiente a uno de los segmentos de audio son defectuosas. El procesador 120 puede desempeñar programas, de modo que se consiga diagnosticar si las aspas son defectuosas basándose en el audio de rotación de las aspas.

Ejemplarmente, el sistema incluye además un servidor conectado al procesador 120. El servidor está configurado para adquirir los resultados del procesador 120 que diagnostica si las aspas están defectuosas, y para avisar en una condición en la que las aspas están defectuosas. El servidor puede estar dispuesto en una sala de control central del campo eólico, y puede comunicarse con el procesador 120 dispuesto en el barril de la torre del sistema generador de la turbina eólica a través de un conmutador.

Una realización de la presente solicitud proporciona además un método de diagnóstico de fallos de aspas, que puede ser realizado por el procesador en el sistema de diagnóstico de fallos de aspas proporcionado por la realización de la presente solicitud. La parte no descrita en detalle en los pasos realizados por el procesador en el sistema de diagnóstico de fallos de aspas proporcionado por la realización de la presente solicitud puede referirse a la descripción del método de diagnóstico de fallos de aspas proporcionado por la realización de la presente solicitud.

El método de diagnóstico de fallo de las aspas proporcionado por la realización de la presente solicitud se introducirá a continuación.

La FIG. 3 es un diagrama de flujo esquemático de un método de diagnóstico de fallo de las aspas proporcionado por una realización de la presente solicitud. Como se muestra en la FIG. 3, el método incluye el paso 201 al paso 204.

Paso 201: adquirir un audio de rotación de las aspas recogido por un dispositivo de recolección de audio durante la operación de un sistema generador de turbina eólica.

El dispositivo de recolección de audio puede ser configurado para recolectar el audio de rotación de las aspas. Durante la operación del sistema generador de turbina eólica, las aspas harán sonidos cuando rotan, y el audio de rotación de las aspas puede ser generado desde la señal de sonido recolectada por el dispositivo de recolección de audio.

El dispositivo de recolección de audio puede comunicarse con la parte ejecutora del método de diagnóstico de fallos de las aspas proporcionado por la realización de la presente solicitud a través de una comunicación por cable (por ejemplo, a través de un cable de comunicación de fibra óptica) o una comunicación inalámbrica, con el fin de transmitir el audio de la rotación de las aspas recolectado por el dispositivo de recolección de audio a la parte ejecutora. Por ejemplo, la parte ejecutora del método de diagnóstico de fallos de las aspas puede ser un servidor dispuesto en la sala de control central, o la parte ejecutora puede ser también el procesador 120 del sistema de diagnóstico de fallos de las aspas de la realización mostrada en la Fig. 1. El procesador 120 puede estar dispuesto también dentro del barril de la torre del sistema generador de la turbina de viento, y después de realizar el método de diagnóstico de fallo de las aspas proporcionado por la realización de la presente solicitud para obtener los resultados del diagnóstico de fallo de las aspas, el procesador 120 puede transmitir los resultados del diagnóstico de fallo de las aspas al servidor.

Ejemplarmente, la duración de la recolección puede ser una duración preestablecida. Por ejemplo, está preconfigurado que el audio de la rotación de las aspas se recolecte durante 1 minuto cada vez.

Paso 202: preprocesar el audio de la rotación de las aspas basado en un algoritmo de filtrado de ruido del viento para obtener un audio de la rotación de las aspas filtrado del ruido del viento.

El algoritmo de filtrado de ruido del viento está configurado para filtrar el ruido del viento en el audio de rotación de las aspas. Porque el dispositivo de recolección de audio está en el campo del viento, el audio recolectado incluye ruido del viento, es decir, ruido del viento. Con el fin de obtener un audio de rotación de las aspas claro, el ruido del viento en el audio de rotación de las aspas puede ser eliminado a través del algoritmo de filtrado de ruido del viento.

Opcionalmente, el algoritmo de filtrado de ruido del viento puede ser un algoritmo de filtrado de Kalman, un algoritmo de filtrado de valor mediano, un algoritmo de filtrado de media aritmética, un algoritmo de filtrado de media móvil y similares, que no se limita a las realizaciones de la presente solicitud.

Porque el ruido del viento es un tipo de ruido blanco, la frecuencia del ruido del viento puede ser contada de acuerdo con la grabación de audio recolectado históricamente, y el filtro de frecuencia del audio puede ser diseñado, de modo que se reduzcan los componentes de la banda de frecuencia parcial en el audio de rotación de las aspas.

En una realización ejemplar, después de obtener el audio de rotación de las aspas, el audio de rotación de las aspas es convertido al dominio de la frecuencia a través de la transformada de Fourier, y entonces un filtro de frecuencia diseñado (algoritmo de filtrado de ruido del viento) es utilizado en el dominio de la frecuencia. Por lo tanto, los componentes de la banda de frecuencia donde está ubicado el ruido del viento pueden ser reducidos, y el audio de rotación de las aspas filtrado del ruido del viento puede ser obtenido.

Paso 203: dividir el audio de la rotación de las aspas filtrado del ruido del viento para obtener segmentos de audio correspondientes a las aspas del sistema generador de turbina de viento respectivamente.

Porque el sensor de audio del dispositivo de recolección de audio es fijo, en un ciclo de rotación de las aspas del sistema generador de turbina de viento, la intensidad del sonido de rotación (la unidad puede ser decibelios) de cada una de las aspas puede tener un proceso de pequeño a grande y entonces a pequeño. Por lo tanto, esta característica puede ser utilizada para dividir el audio de rotación de las aspas para obtener los segmentos de audio correspondientes a las aspas respectivamente. En los segmentos de audio correspondientes a las aspas respectivamente, la intensidad del sonido de las aspas es el componente principal de la intensidad del audio en los segmentos de audio. Mediante la división del audio de rotación de las aspas, se puede mejorar la precisión del diagnóstico de fallos de las aspas.

Ejemplarmente, el paso 203 de dividir el audio de rotación de las aspas filtrado del ruido del viento para obtener segmentos de audio correspondientes a las aspas del sistema generador de la turbina de viento respectivamente puede incluir el siguiente paso 2031 al paso 2033.

Paso 2031: procesar, mediante una transformada de Fourier de corta duración, el audio de rotación de las aspas filtrado del ruido del viento para obtener un primer valor característico.

El primer valor característico está configurado para caracterizar una característica de dominio de frecuencia del audio de la rotación de la aspa filtrado fuera del ruido del viento.

La transformada de Fourier de corta duración puede utilizar una función de ventana fija, y entonces mover la función de ventana para calcular el espectro de potencia en diferentes momentos, es decir, para obtener el primer valor característico.

Ejemplarmente, la longitud de la ventana de la función de ventana utilizada por la transformada de Fourier de corta duración puede ser un valor preestablecido. Por ejemplo, se realiza una transformada de Fourier en el audio de la rotación de las aspas en una ventana de 10 s. La característica del dominio de frecuencia del audio dentro de cada ventana puede obtenerse mejor a través de la transformada de Fourier de corta duración, de modo que los resultados de la identificación de los puntos de tiempo de división basados en los resultados de la transformada de Fourier de corta duración puedan ser más precisos.

Paso 2032: introducir el primer valor característico en un modelo de reconocimiento de aspas para obtener puntos de tiempo de división del audio de rotación de las aspas filtrado del ruido del viento.

Después de obtener los resultados (el primer valor característico) de la transformada de Fourier de corta duración del audio de rotación de las aspas, el primer valor característico se introduce en el modelo de reconocimiento de aspas.

El modelo de reconocimiento de aspas es un modelo preentrenado configurado para identificar puntos de tiempo de conmutación de sonidos de rotación de diferentes aspas de acuerdo con el primer valor característico.

Ejemplarmente, el modelo de reconocimiento de aspas puede ser un modelo de algoritmo basado en aprendizaje automático, tal como un modelo basado en una máquina de vectores de soporte (SVM), o un algoritmo de k vecinos más cercanos, o un modelo de red neuronal convolucional (CNN), que no está limitado por las realizaciones de la presente solicitud.

La máquina de vectores de soporte es un método de aprendizaje supervisado. Es un clasificador lineal generalizado (generalized linear classifier) que puede realizar la clasificación binaria de datos. Su delimitación de decisión es el hiperplano de margen máximo para resolver la muestra de aprendizaje. El aprendizaje supervisado es el proceso de utilizar un conjunto de categorías conocidas para ajustar los parámetros del clasificador con el fin de conseguir el rendimiento requerido. El hiperplano es un subespacio lineal con codimensión equivalente a uno en el espacio euclídeo ndimensional, es decir, debe ser una dimensión (n-1).

Paso 2033: dividir el audio de rotación de las aspas filtrado del ruido del viento de acuerdo con los puntos de tiempo de división para obtener los segmentos de audio correspondientes a las aspas respectivamente.

Los resultados de salida del modelo de reconocimiento de aspas pueden ser los puntos de tiempo de división, y los segmentos de audio correspondientes a las aspas respectivamente pueden ser capturados desde el audio de rotación de las aspas basado en los puntos de tiempo de división. Ejemplarmente, los segmentos de audio correspondientes a las aspas respectivamente en un ciclo de rotación pueden ser capturados, es decir, el número de segmentos de audio es el mismo que el número de aspas en el sistema generador de la turbina eólica.

Por ejemplo, para el audio de rotación de las aspas, los puntos de tiempo de división pueden ser 1 s, 2,1 s, 3,08 s y 4,13 s. Los segmentos de audio obtenidos por dividir el audio de rotación de las aspas pueden incluir un segmento de audio 1 dentro de 1~2,1 s, un segmento de audio 2 dentro de 2,1~3,08 s, y un segmento de audio 3 dentro de 3,08~4,13 s. Debería ser notado que cada segmento de audio no puede ser distinguido de qué aspa real corresponde, y los segmentos de audio correspondientes a diferentes aspas pueden ser distinguidos por diferentes identificaciones. Por ejemplo, el segmento de audio 1 corresponde a una aspa 1, el segmento de audio 2 corresponde a una aspa 2 y el segmento de audio 3 corresponde a una aspa 3.

Paso 204: diagnosticar, basándose en los segmentos de audio, si las aspas correspondientes a cada uno de los segmentos de audio son defectuosas.

Desde cada segmento de audio es el sonido de rotación del aspa correspondiente, basado en las características de los segmentos de audio en el dominio del tiempo y/o el dominio de la frecuencia, puede ser diagnosticado si las aspas cada una correspondiente a uno de los segmentos de audio son defectuosas. Bajo una condición de que el aspa es defectuosa, tal como fractura, hielo y el cómo, el sonido de rotación cambiará, resultando en el cambio de la intensidad y frecuencia del sonido. Por lo tanto, mediante el análisis del segmento de audio, se puede identificar si la aspa está defectuosa.

Ejemplarmente, el paso 204 de diagnosticar, basándose en los segmentos de audio, si las aspas correspondientes a cada uno de los segmentos de audio están defectuosas puede incluir el siguiente paso 2041 al paso 2042.

Paso 2041: procesar cada uno de los segmentos de audio mediante una transformada de Fourier para obtener un segundo valor característico de cada uno de los segmentos de audio, en la que el segundo valor característico está configurado para caracterizar una característica del dominio de frecuencia de cada uno de los segmentos de audio.

Después de desempeñar la transformada de Fourier en el segmento de audio, puede ser obtenida la amplitud del segmento de audio en cada frecuencia, es decir, el segundo valor característico, que puede representar la característica del dominio de frecuencia del segmento de audio. En el presente documento, la amplitud de cada frecuencia representa la potencia de la señal del segmento de audio en la frecuencia correspondiente.

Paso 2042: introducir el segundo valor característico de cada uno de los segmentos de audio en un modelo de diagnóstico de fallos de aspas para obtener un primer resultado de diagnóstico de fallos de cada una de las aspas.

El modelo de diagnóstico de fallos de aspas es un modelo preentrenado configurado para identificar si una aspa correspondiente al segmento de audio es defectuosa de acuerdo con el segundo valor característico del segmento de audio. Ejemplarmente, el modelo de diagnóstico de fallos de aspas puede ser también un modelo de algoritmo basado en aprendizaje automático, tal como un modelo basado en una máquina de vectores de soporte (SVM), o un algoritmo de k vecinos más cercanos.

Ejemplarmente, en adición al diagnóstico de fallos anterior realizado basándose en la característica del dominio de frecuencia de cada uno de los segmentos de audio, el diagnóstico de fallos puede ser realizado basándose en la correlación de las duraciones de los segmentos de audio de las aspas. Bajo una condición de que las aspas no son defectuosas, las duraciones de los segmentos de audio de las aspas deben ser similares. Bajo una condición de que hay una aspa defectuosa, el sonido de rotación de la aspa correspondiente puede hacerse más grande, es decir, la intensidad del sonido puede hacerse más grande. Por lo tanto, cuando se divide el audio de rotación de la aspa de acuerdo con la intensidad del sonido, la duración de la aspa correspondiente se incrementará, las duraciones de otras aspas se reducirán, y la diferencia entre las duraciones puede hacerse más grande.

Basado en el principio anterior, el paso 204 también puede incluir el paso 2043 al paso 2044.

Paso 2043: conteo de las duraciones de los segmentos de audio correspondientes a las aspas respectivamente.

Paso 2044: obtención de un segundo resultado de diagnóstico de fallo mediante la evaluación de si hay una aspa defectuosa de acuerdo con si una diferencia entre las duraciones de cada dos segmentos de audio excede un valor de umbral preestablecido.

Bajo una condición en la que hay una aspa defectuosa, la intensidad del sonido de rotación de la aspa cambiará y, por lo general, el sonido de rotación de la aspa defectuosa puede hacerse más grande. Por lo tanto, cuando se capturan los segmentos de audio correspondientes a las aspas respectivamente, la duración del segmento de audio de la aspa defectuosa es relativamente larga, y hay una diferencia obvia desde las duraciones de los segmentos de audio de otras aspas normales. De acuerdo con el principio anterior, se puede preestablecer un valor de umbral de duración (un valor de umbral preestablecido). Bajo una condición de que la diferencia de duración de cualquier dos segmentos de audio exceda el valor de umbral preestablecido, hay una aspa defectuosa en el sistema generador de la turbina eólica.

Después de que se desempeñan el paso 2042 y el paso 2044, se juzga, mediante la combinación del primer resultado de diagnóstico de fallo de cada una de las aspas y el segundo resultado de diagnóstico de fallo, si hay una aspa defectuosa.

El primer resultado del diagnóstico de fallo es un resultado del diagnóstico de fallo realizado de forma independiente a través del modelo de reconocimiento de fallo de aspas de acuerdo con cada uno de los segmentos de audio. Para cada uno de los segmentos de audio correspondientes a las aspas respectivamente, puede ser obtenido un primer resultado de diagnóstico de fallo correspondiente. Por ejemplo, si una aspa correspondiente es defectuosa o no defectuosa puede ser representada a través de los valores de estado 0 y 1 respectivamente.

El segundo resultado del diagnóstico de fallo es un resultado de juzgar si hay una aspa defectuosa de acuerdo con si las duraciones de los segmentos de audio son consistentes.

Combinando el primer resultado del diagnóstico de fallo y el segundo resultado del diagnóstico de fallo, se puede juzgar con mayor precisión si hay una aspa defectuosa.

En diferentes estaciones o condiciones meteorológicas, las aspas pueden fallar debido a razones ambientales. Por ejemplo, los rayos son frecuentes en verano y la velocidad del viento en otoño es relativamente alta, lo que puede llevar fácilmente a fallos en las aspas, como la fractura de las mismas. Además, las aspas pueden cubrirse de hielo en invierno, etc.

Por lo tanto, diferentes modelos de diagnóstico de fallo de aspa pueden ser entrenados de acuerdo con diferentes tipos de fallos, y entonces el modelo de diagnóstico de fallos de aspas aplicado puede ser seleccionado de acuerdo con diferentes entornos, de modo que se realice el diagnóstico de fallos en el audio de rotación de aspas recolectado. Específicamente, en una realización ejemplar, antes de diagnosticar, basándose en los segmentos de audio, si las aspas correspondientes a cada uno de los segmentos de audio son defectuosas, se adquiere un parámetro ambiental del sistema generador de la turbina eólica, en la que el parámetro ambiental está configurado para indicar una estación y/o el tiempo. Además, entre una pluralidad de modelos de diagnóstico de fallos candidatos configurados para identificar diferentes tipos de fallos respectivamente, se selecciona un modelo configurado para identificar un tipo de fallo correspondiente al parámetro ambiental, de modo que se determine un modelo de diagnóstico de fallos para su uso. Es decir, cada parámetro ambiental corresponde a un tipo de fallo, de modo que el modelo de diagnóstico de fallos de las aspas del tipo de fallo correspondiente es seleccionado para el diagnóstico de fallos.

De acuerdo con el método de diagnóstico de fallos de las aspas proporcionado por las realizaciones de la presente solicitud, el algoritmo de filtrado del ruido del viento puede ser aplicado al audio de la rotación de las aspas para obtener el audio de la rotación de las aspas filtrado del ruido del viento, de modo a eliminar la interferencia del ruido del viento en el audio de la rotación de las aspas, y obtener el audio con un sonido de rotación de las aspas más preciso y fuerte. Entonces, el audio de rotación de las aspas filtrado del ruido del viento se divide para obtener los segmentos de audio correspondientes a las aspas, y basado en los segmentos de audio, se diagnostica si las aspas correspondientes a uno de los segmentos de audio son defectuosas. Por lo tanto, se puede diagnosticar si una aspa correspondiente es defectuosa respectivamente de acuerdo con los segmentos de audio de diferentes aspas, mejorando así la precisión de los resultados del diagnóstico.

En una realización ejemplar, el dispositivo de recolección de audio puede adquirir los audios de rotación de las aspas recolectados en una pluralidad de ubicaciones, puede seleccionar un audio de rotación de las aspas con el menor ruido del viento y la mejor calidad de audio entre los audios de rotación de las aspas recolectados en la pluralidad de ubicaciones, y entonces puede realizar los siguientes pasos 203 y 204.

Consecuentemente, el paso 201 de adquirir el audio de rotación de las aspas recolectado por el dispositivo de recolección de audio durante la operación del sistema generador de turbina de viento puede incluir adquirir audios de rotación de las aspas recolectados en una pluralidad de ubicaciones.

El paso 202 de preprocesar el audio de rotación de las aspas basado en el algoritmo de filtrado de ruido del viento para obtener el audio de rotación de las aspas filtrado del ruido del viento puede incluir procesar cada uno de los audios de rotación de las aspas respectivamente basado en el algoritmo de filtrado de ruido del viento para obtener una pluralidad de audios de rotación de las aspas filtrados del ruido del viento.

Después de que la pluralidad de audios de rotación de las aspas filtrados del ruido del viento es obtenida, un parámetro de ruido del viento de cada uno de la pluralidad de audios de rotación de las aspas filtrados del ruido del viento puede ser calculado respectivamente por un modelo de reconocimiento de ruido del viento. El modelo de reconocimiento de ruido del viento es un modelo preentrenado configurado para evaluar el parámetro de ruido del viento del audio. Ejemplarmente, el modelo de reconocimiento de ruido del viento también puede ser un modelo de algoritmo basado en aprendizaje automático, como un modelo SVM, o un algoritmo k nearest neighbor, o un algoritmo CNN, que no está limitado por las realizaciones de la presente solicitud. Entonces, de acuerdo con el parámetro de ruido del viento y entre la pluralidad de audios de rotación de las aspas filtrados del ruido del viento, se selecciona un audio de rotación de las aspas filtrado del ruido del viento con un ruido del viento mínimo y se divide para obtener los segmentos de audio correspondientes a las aspas respectivamente. Por lo tanto, el audio de rotación de las aspas filtrado del ruido del viento con el ruido del viento mínimo puede ser seleccionado, lo que puede aumentar la probabilidad de uso del audio de rotación de las aspas y mejorar el desempeño en tiempo real del método de diagnóstico de fallos de las aspas.

Ejemplarmente, en una realización ejemplar, al calcular el parámetro de ruido del viento de cada uno de la pluralidad de audios de rotación de las aspas filtrados del ruido del viento respectivamente mediante el modelo de reconocimiento del ruido del viento, cada uno de la pluralidad de audios de rotación de las aspas filtrados del ruido del viento es procesado por una transformada de Fourier para obtener un tercer valor característico de cada uno de la pluralidad de audios de rotación de las aspas filtrados del ruido del viento. Aquí, el tercer valor característico está configurado para caracterizar una característica del dominio de frecuencia de un audio de rotación de aspas correspondiente filtrado del ruido del viento. Entonces, el tercer valor característico de cada uno de la pluralidad de audios de rotación de aspas filtrados del ruido del viento es introducido en el modelo de reconocimiento de ruido del viento para obtener el parámetro de ruido del viento de cada uno de la pluralidad de audios de rotación de aspas filtrados del ruido del viento.

El modelo de diagnóstico de fallos de aspas, el modelo de reconocimiento de ruido del viento y el modelo de reconocimiento de aspas descritos en las realizaciones de la presente solicitud pueden ser modelos basados en aprendizaje automático, tales como modelos SVM. En la FIG. 4 se muestra un ejemplo de método de entrenamiento de modelos. A continuación se toma como ejemplo el entrenamiento del modelo de reconocimiento de aspas para ilustrar el proceso del método de entrenamiento mostrado en la FIG. 4. Debe señalarse que otros modelos descritos en las realizaciones de la presente solicitud también pueden ser entrenados basados en el método de entrenamiento mostrado en la FIG. 4.

En primer lugar, se adquieren una pluralidad de archivos de audio de entrenamiento. Los archivos de audio de entrenamiento son los archivos de audio utilizados para entrenar el modelo. Entonces, cada uno de los archivos de audio de entrenamiento es etiquetado. Por ejemplo, con el fin de entrenar el modelo de reconocimiento de aspas, cada uno de los archivos de audio de entrenamiento es un audio de rotación de aspas recolectado por una duración preestablecida (tal como 10s). Después de que el audio de rotación de aspas es obtenido, un diagrama de forma de onda de la intensidad de sonido del audio de rotación de aspas puede ser ilustrado. Porque la aspa rotará lejos del sensor, entonces rotará cerca del sensor y entonces rotará lejos del sensor, consecuentemente, la intensidad del sonido del audio de la rotación de la aspa es de pequeña a grande, y entonces a pequeña. Por lo tanto, de acuerdo con la intensidad del sonido, el audio de la rotación de la aspa puede ser dividido. El sistema generador de la turbina eólica tiene generalmente tres aspas, entonces, el audio de la rotación de la aspa se divide en tres segmentos de audio, que corresponde a un ciclo de rotación.

Por ejemplo, para el audio de rotación de las aspas 1, las etiquetas pueden ser 1 s, 2,1 s, 3,08 s y 4,13 s. Los segmentos de audio obtenidos por dividir el audio de rotación de las aspas 1 pueden incluir un segmento de audio 1 dentro de 1~2,1 s, un segmento de audio 2 dentro de 2,1~3,08 s y un segmento de audio 3 dentro de 3,08~4,13 s. Debería ser señalado que cada segmento de audio no puede ser distinguido de la aspa real a la que corresponde, y los segmentos de audio correspondientes a diferentes aspas pueden ser distinguidos mediante diferentes identificaciones. Por ejemplo, el segmento de audio 1 corresponde a una aspa 1, y el segmento de audio 2 corresponde a una aspa 2.

Después de que los audios de rotación de las aspas son etiquetados, una parte de los audios de rotación de las aspas etiquetados con los puntos de tiempo divisorios es utilizada como el conjunto de entrenamiento, y la otra parte es utilizada como el conjunto de test. Un audio de rotación de las aspas en el conjunto de entrenamiento es obtenido cada tiempo, los puntos de tiempo divisorios son identificados a través del modelo de reconocimiento de las aspas. Los resultados obtenidos por el modelo se comparan con las etiquetas. Los parámetros del modelo se modifican de acuerdo con un algoritmo de modificación de parámetros preestablecido, y el modelo actualizado se utiliza para identificar un siguiente archivo de audio de entrenamiento en el conjunto de entrenamiento de nuevo.

Después de que el modelo sea entrenado con todos los archivos en el conjunto de entrenamiento, el modelo es utilizado para identificar el conjunto de test, y la precisión de reconocimiento es evaluada. Si la precisión es calificada, una pluralidad de nuevos audios rotatorios de las aspas adicionales puede ser utilizados para generar un conjunto de entrenamiento y un conjunto de test, el modelo puede ser corregido además, y un modelo final puede ser obtenido después de múltiples correcciones. Si la precisión no es calificada, las etiquetas en el archivo pueden ser ajustadas, y el conjunto de entrenamiento actual continúa siendo utilizado para reentrenar el modelo hasta que la precisión sea calificada.

Como se muestra en la Fig. 5, la Fig. 5 es un diagrama de flujo esquemático de un ejemplo de identificación de ruido de viento en un audio de rotación de aspas mediante un modelo de reconocimiento de ruido de viento. Primero, se lee un audio de rotación de aspas para el preprocesamiento de datos, tal como el preprocesamiento mediante un algoritmo de filtrado de ruido de viento. Entonces, el audio de rotación de aspas es procesado mediante una transformada de Fourier para obtener un valor característico. Entonces, un parámetro de ruido de viento es calculado por un modelo de reconocimiento de ruido de viento basado en el valor característico del audio de rotación de las aspas. Cuanto mayor es el ruido de viento, mayor es el parámetro de ruido de viento, y cuanto menor es el ruido de viento, menor es el parámetro de ruido de viento. Bajo una condición en la que el parámetro de ruido de viento excede un valor umbral, el ruido de viento es demasiado grande, y el audio de rotación de las aspas correspondiente puede ser abandonado para el diagnóstico de fallos. Bajo una condición en la que el parámetro de ruido del viento no excede el valor de umbral, entre una pluralidad de audios de rotación de las aspas para los que los parámetros de ruido del viento no exceden el valor de umbral, se puede seleccionar un audio de rotación de las aspas con un parámetro de ruido del viento mínimo como el audio para diagnosticar el fallo de las aspas.

Como se muestra en la FIG.6, la FIG. 6 es un diagrama de flujo esquemático de un ejemplo de dividir un audio de rotación de aspa mediante un modelo de reconocimiento de aspa. Primeramente, un audio de rotación de aspa es leído para el preprocesamiento de datos, utilizando algoritmos tales como la eliminación de ruido. Entonces, el audio de rotación de aspa es procesado por una transformada de Fourier de corto tiempo de acuerdo con una longitud de ventana preestablecida para obtener un primer valor característico. El primer valor característico puede ser una secuencia compuesta de amplitudes correspondientes a una pluralidad de frecuencias. Después de obtener el primer valor característico, el primer valor característico se introduce dentro del modelo de reconocimiento de aspas, y el modelo de reconocimiento de aspas emitirá los puntos de tiempo de división de las aspas. Entonces, el audio de rotación de las aspas puede ser dividido basado en los puntos de tiempo de división, y los segmentos de audio correspondientes a las aspas respectivamente en un ciclo de rotación pueden ser capturados.

Como se muestra en la Fig. 7, la Fig. 7 es un diagrama de flujo esquemático de un ejemplo de diagnóstico de fallos de aspas mediante un modelo de diagnóstico de fallos de aspas. Después de obtener los segmentos de audio divididos de las tres aspas, los segmentos de audio pueden ser diagnosticados respectivamente por el modelo de diagnóstico de fallos de aspas, y los estados de las aspas pueden ser determinados. Específicamente, cada uno de los segmentos de audio puede ser procesado por una transformada de Fourier respectivamente para obtener un segundo valor característico de cada uno de los segmentos de audio. Entonces, el segundo valor característico de cada uno de los segmentos de audio es introducido dentro de un modelo de diagnóstico de fallo de aspas correspondiente para obtener un resultado de diagnóstico de fallo del segmento de audio correspondiente. Por ejemplo, normal puede ser representado por 0, y anormal puede ser representado por 1. Para cada uno de los segmentos de audio, el estado de la aspa correspondiente puede ser representado por la salida 0 o 1. En adición, después de obtener los segmentos de audio divididos de las aspas, un segundo resultado de diagnóstico de fallo puede ser obtenido juzgando si hay una aspa defectuosa de acuerdo con las duraciones de los segmentos de audio. Por ejemplo, bajo una condición en la que la diferencia entre la duración del segmento de audio 1 y la duración del segmento de audio 2 es 0,1 s (que es menos que el valor de umbral de 0,2 s), y la diferencia entre la duración del segmento de audio 1 y la duración del segmento de audio 3 es 0,3 s (que es mayor que el umbral de valor de 0,2 s), los estados de los segmentos de audio 1 y 2 son 0 y 1, respectivamente.4 s y la diferencia entre la duración del segmento de audio 2 y la duración del segmento de audio 3 es 0,3 s (que son mayores que el valor de umbral de 0,2 s), los estados del segmento de audio 1 y del segmento de audio 2 son consistentes, y el estado del segmento de audio 3 es inconsistente. Por otra parte, el tomador de decisiones del estado de la aspa puede determinar el estado de la aspa y emitirlo combinando el primer resultado del diagnóstico de fallo de cada una de las aspas y los resultados de la detección de la consistencia de las duraciones de audio (los segundos resultados del diagnóstico de fallo).

Como realización ejemplar específica, un diagrama de flujo esquemático de un modelo de diagnóstico de fallo de aspa proporcionado por una realización de la presente solicitud se muestra en la FIG. 8. Después de que el sistema de diagnóstico de fallos de las aspas está potenciado, el sistema de diagnóstico de fallos de las aspas puede esperar a que se inicien otros dispositivos del sistema generador de la turbina eólica. Después de una duración de retardo preestablecida, el sistema de diagnóstico de fallos de las aspas puede comunicarse con el servidor dispuesto en la sala de control central del campo eólico. Bajo una condición de que la conexión falla, el sistema de diagnóstico de fallos de las aspas puede esperar un retardo adicional. Bajo una condición que la conexión es exitosa, el sistema de diagnóstico de fallo de las aspas puede cargar el archivo de inicialización para la configuración de inicialización. La configuración de inicialización puede incluir configuraciones del número de sensores de audio, la duración para la recolección de datos de audio, y la duración para el almacenamiento de datos de audio. Entonces, los sensores de audio pueden transmitir los datos de audio adquiridos en tiempo real al sistema de diagnóstico de fallo de las aspas. Entonces, se determina si hay un ruido de viento a través del modelo de reconocimiento de ruido de viento. Bajo una condición en la que hay un ruido de viento, se filtra a través del algoritmo de filtrado de ruido de viento, y entonces se determina además si hay un ruido de viento a través del modelo de reconocimiento de ruido de viento. En una condición en la que todavía hay un ruido de viento, se regresa un valor de estado del resultado del diagnóstico de fallo, es decir, la aspa no es identificada. Bajo una condición en la que no se identifica ningún ruido de viento mediante el modelo de reconocimiento de ruido de viento, de acuerdo con el parámetro de ruido de viento obtenido por el modelo de reconocimiento de ruido de viento y entre una pluralidad de audios de rotación de aspas, puede ser seleccionado un audio de rotación de aspas con un ruido de viento mínimo.

Entonces, el audio de rotación de las aspas seleccionadas se divide a través del algoritmo de reconocimiento de aspas para obtener los segmentos de audio correspondientes a las aspas respectivamente. Entonces, se puede diagnosticar si hay una aspa defectuosa mediante el algoritmo de diagnóstico de fallos, como se muestra en la Fig. 7. Bajo una condición en la que hay una aspa defectuosa, se puede regresar un valor de estado del resultado del diagnóstico de fallos, es decir, hay una aspa defectuosa, y el archivo de audio de rotación de las aspas defectuosas se puede guardar para su registro. Bajo una condición que no hay una aspa defectuosa, un valor de estado puede ser regresado, es decir, las aspas son normales. A continuación, después de una duración de retraso, los datos de flujo en tiempo real recolectados por el sensor de audio pueden ser obtenidos de nuevo, y entonces el diagnóstico de fallo puede ser desempeñado para realizar el efecto de monitorizar en tiempo real de las aspas.

La presente solicitud también proporciona una realización de otro sistema de diagnóstico de fallo de aspas, como se muestra en la Fig. 9, en un campo de viento (campo de viento 1), hay una pluralidad de generadores de turbina de viento. Cada uno de los generadores de turbina eólica está proporcionado con un sensor de audio, y el sensor de audio está configurado para recolectar la señal de sonido de las aspas del generador de turbina eólica cuando gira, y transmitir la señal de sonido a un procesador de borde. Aquí, el procesador de borde puede estar dispuesto dentro del barril de la torre del generador de la turbina de viento. El procesador de borde puede procesar la señal de sonido recolectada por el sensor de audio en audio para obtener el audio de rotación de la aspa, y puede obtener el resultado del diagnóstico a través del método de diagnóstico de fallo de aspa proporcionado en cualquier realización de las FIGS. 3 a 8. Por otra parte, el resultado del diagnóstico de fallo de la aspa puede ser transmitido al conmutador de fibra óptica de núcleo en la sala de control central en la red de anillo de la región de campo de viento 1 a través del conmutador en la parte inferior del barril de la torre del generador de la turbina eólica y a través de cables, y entonces transmitido al servidor en la sala de control central. El servidor puede visualizar la interfaz de visualización del extremo frontal WEB, visualizar la situación de diagnóstico de fallo de la aspa a través del programa de interfaz, y transmitir una alarma cuando hay una aspa defectuosa.

Otro diagrama esquemático de un sistema de diagnóstico de fallo de aspas proporcionado por la realización de la presente solicitud es mostrado en la Fig. 10. El servidor puede ser configurado con una pluralidad de modelos de diagnóstico de fallo candidatos, puede seleccionar un modelo de diagnóstico de fallo de aspas correspondiente basado en el parámetro ambiental seleccionado por el usuario en el extremo frontal, y puede informar al procesador de borde. Después de recibir el modelo de diagnóstico de fallo de las aspas seleccionado por el servidor, los programas del procesador de borde pueden ser configurados para desempeñar el diagnóstico de fallo de acuerdo con el modelo de diagnóstico de fallo de las aspas seleccionado por el servidor.

Ejemplarmente, el procesador de borde de cada uno de los generadores de turbina eólica puede incluir una unidad de procesamiento de audio que puede ser configurada para recolectar datos de flujo de audio en tiempo real, realizar diagnósticos de fallos, guardar datos de fallos (que pueden incluir resultados de diagnósticos de fallos y audio de fallos) y comunicarse con el servidor. Aquí, al desempeñar diagnósticos de fallos, los datos pueden ser almacenados en caché. Bajo una condición en la que hay una aspa defectuosa, los datos de fallos pueden ser guardados. Después de obtener los resultados del diagnóstico de fallos, los datos almacenados en la caché pueden ser cargados al computador host del servidor. En adición, el procesador de borde también puede ser controlado por el computador host del servidor. Por ejemplo, el procesador de borde puede ser inicializado de acuerdo con el servidor para configurar el número de sensores de audio, la duración del almacenamiento de datos, el espacio máximo de caché de datos y similares. Ejemplarmente, el procesador periférico también puede recibir la selección del modelo de diagnóstico de fallo de las aspas mediante el servidor de acuerdo con el parámetro ambiental.

Los programas de algoritmos del servidor en la sala de control central pueden ser proporcionados con funciones tales como la verificación del estado de conexión del sistema generador de la turbina eólica, la comunicación del estado de las aspas del sistema generador de la turbina eólica, la distribución del archivo de configuración de control, la recepción de datos de fallo y similares. La interfaz del extremo frontal WEB del servidor en la sala de control central puede ser proporcionada con funciones tales como visualización del estado de conexión del sistema generador de la turbina eólica, visualización del estado de las aspas del sistema generador de la turbina eólica, reproducción de datos de fallo del sistema generador de la turbina eólica y similares.

De acuerdo con el método, aparato y sistema de diagnóstico de fallos de las aspas, y el medio de almacenamiento proporcionado por las realizaciones de la presente solicitud, el estado de las aspas del sistema generador de turbina de viento puede ser monitorizado mediante el procesamiento de datos en tiempo real del audio. En comparación con el método de monitorización por vídeo, las ventajas son que no se ve afectado por la luz; también puede monitorizar en tiempo real por la noche; no se ve afectado por la niebla; y puede monitorizar de forma efectiva el estado de las aspas durante un largo tiempo. Por lo tanto, un problema normal del sonido de las aspas causado por la corrosión del borde delantero de las aspas, el golpe de relámpago, la fractura, la grieta y otras razones puede ser identificado en la primera vez, y entonces el mantenimiento oportuno puede ser realizado, que puede evitar la pérdida mayor de la falla de las aspas causada por la falla acumulativa de las aspas.

Una realización de la presente solicitud proporciona además un aparato de diagnóstico de fallos de aspas, que puede ser utilizado para realizar el método de diagnóstico de fallos de aspas proporcionado por la realización de la presente solicitud. La parte no descrita en detalle en el aparato de diagnóstico de fallos de aspas proporcionado por la realización de la presente solicitud puede referirse a la descripción del método de diagnóstico de fallos de aspas proporcionado por la realización de la presente solicitud, y no se repetirá aquí.

Como se muestra en la FIG. 11, el aparato de diagnóstico de fallos de aspas 10 proporcionado por la realización de la presente solicitud incluye un módulo de adquisición 11, un módulo de preprocesamiento 12, un módulo de división 13 y un módulo de diagnóstico 14.

El módulo de adquisición 11 está configurado para adquirir un audio de rotación de aspas recolectado por un dispositivo de recolección de audio durante una operación de un sistema generador de turbina de viento. El módulo de preprocesamiento 12 está configurado para preprocesar el audio de rotación de las aspas basado en un algoritmo de filtrado de ruido del viento para obtener un audio de rotación de las aspas filtrado del ruido del viento. El módulo de división 13 está configurado para dividir el audio de rotación de las aspas filtrado del ruido del viento para obtener segmentos de audio correspondientes a las aspas del sistema generador de la turbina eólica respectivamente. El módulo de diagnóstico 14 está configurado para diagnosticar, basado en los segmentos de audio, si las aspas correspondientes a cada uno de los segmentos de audio son defectuosas.

Ejemplarmente, el módulo de división 13 está configurado además para: procesar, mediante una transformada de Fourier de corta duración, el audio de rotación de las aspas filtrado del ruido del viento para obtener un primer valor característico, en el que el primer valor característico está configurado para caracterizar una característica del dominio de frecuencia del audio de rotación de las aspas filtrado del ruido del viento; introducir el primer valor característico en un modelo de reconocimiento de aspas para obtener puntos de tiempo de división del audio de rotación de las aspas filtrado del ruido del viento, en el que el modelo de reconocimiento de aspas es un modelo preentrenado configurado para identificar puntos de tiempo de conmutación de sonidos de rotación de diferentes aspas de acuerdo con el primer valor característico; dividir el audio de rotación de las aspas filtrado del ruido del viento de acuerdo con los puntos de tiempo de división para obtener los segmentos de audio correspondientes a las aspas respectivamente.

De acuerdo con la invención, el módulo de diagnóstico 14 está además configurado para: procesar cada uno de los segmentos de audio mediante una transformada de Fourier para obtener un segundo valor característico de cada uno de los segmentos de audio, en el que el segundo valor característico está configurado para caracterizar una característica del dominio de frecuencia de cada uno de los segmentos de audio; introducir el segundo valor característico de cada uno de los segmentos de audio en un modelo de diagnóstico de fallos de aspas para obtener un primer resultado de diagnóstico de fallos de cada una de las aspas, en el que el modelo de diagnóstico de fallos de aspas es un modelo preentrenado configurado para identificar si una aspa correspondiente al segmento de audio es defectuosa de acuerdo con el segundo valor característico del segmento de audio.

De acuerdo con la invención, el módulo de diagnóstico 14 está además configurado para: contar las duraciones de los segmentos de audio correspondientes a las aspas respectivamente; obtener un segundo resultado de diagnóstico de fallo juzgando si hay una aspa defectuosa de acuerdo con si una diferencia entre las duraciones de cada dos segmentos de audio excede un valor umbral preestablecido; juzgar, mediante la combinación del primer resultado de diagnóstico de fallo de cada una de las aspas y el segundo resultado de diagnóstico de fallo, si hay una aspa defectuosa.

Ejemplarmente, el aparato de diagnóstico de fallos de aspas 10 incluye además:

una unidad de adquisición configurada para adquirir, antes de diagnosticar, basándose en los segmentos de audio, si las aspas correspondientes a cada uno de los segmentos de audio son defectuosas, un parámetro ambiental del sistema generador de la turbina eólica, en la que el parámetro ambiental está configurado para indicar una estación y/o el tiempo;

una unidad de determinación configurada para determinar, entre una pluralidad de modelos de diagnóstico de fallos candidatos configurados para identificar diferentes tipos de fallos respectivamente, un modelo configurado para identificar un tipo de fallo correspondiente al parámetro ambiental, de modo que se determine un modelo de diagnóstico de fallos para su utilización.

Ejemplarmente, el módulo de adquisición 11 está además configurado para adquirir audios de rotación de aspas recolectados en una pluralidad de ubicaciones. El aparato de diagnóstico de fallos de aspas 10 está además configurado para procesar cada uno de los audios de rotación de aspas respectivamente basado en el algoritmo de filtrado de ruido del viento para obtener una pluralidad de audios de rotación de aspas filtrados del ruido del viento. El aparato incluye además una unidad de cálculo configurada para calcular, después de que la pluralidad de audios de rotación de aspas filtrados del ruido del viento son obtenidos, un parámetro de ruido del viento de cada uno de la pluralidad de audios de rotación de aspas filtrados del ruido del viento respectivamente mediante un modelo de reconocimiento de ruido del viento, en el que el parámetro de ruido del viento está configurado para representar un nivel de ruido del viento en el audio, y el modelo de reconocimiento de ruido del viento es un modelo preentrenado configurado para evaluar el parámetro de ruido del viento del audio. El módulo de división 13 está además configurado para seleccionar, de acuerdo con el parámetro de ruido del viento y entre la pluralidad de audios de rotación de las aspas filtrados del ruido del viento, un audio de rotación de las aspas filtrado del ruido del viento con un ruido del viento mínimo, y dividir el audio de rotación de las aspas filtrado del ruido del viento con el ruido del viento mínimo para obtener los segmentos de audio correspondientes a las aspas respectivamente.

Ejemplarmente, la unidad de cálculo está además configurada para: procesar cada uno de la pluralidad de audios de rotación de aspas filtrados del ruido del viento mediante una transformada de Fourier para obtener un tercer valor característico de cada uno de la pluralidad de audios de rotación de aspas filtrados del ruido del viento, y el tercer valor característico está configurado para caracterizar una característica del dominio de frecuencia de un audio de rotación de aspas correspondiente filtrado del ruido del viento; introducir el tercer valor característico de cada uno de los múltiples audios de rotación de las aspas filtrados del ruido del viento en el modelo de reconocimiento del ruido del viento para obtener el parámetro de ruido del viento de cada uno de los múltiples audios de rotación de las aspas filtrados del ruido del viento.

De acuerdo con el aparato de diagnóstico de fallos de aspas proporcionado por las realizaciones de la presente solicitud, el algoritmo de filtrado de ruido del viento puede ser aplicado al audio de rotación de las aspas para obtener el audio de rotación de las aspas filtrado del ruido del viento, de modo a eliminar la interferencia del ruido del viento en el audio de rotación de las aspas, y obtener el audio con un sonido de rotación de las aspas más preciso y fuerte. Entonces, el audio de rotación de las aspas filtrado del ruido del viento se divide para obtener los segmentos de audio correspondientes a las aspas, y basado en los segmentos de audio, se diagnostica si las aspas cada una correspondiente a uno de los segmentos de audio son defectuosas. Por lo tanto, se puede diagnosticar si una aspa correspondiente es defectuosa respectivamente de acuerdo con los segmentos de audio de diferentes aspas, mejorando así la precisión de los resultados del diagnóstico.

Una realización de la presente solicitud proporciona un medio de almacenamiento que tiene instrucciones de programa de computador almacenadas en él, en el que las instrucciones de programa de computador, cuando son ejecutadas por un procesador, implementan el método de diagnóstico de fallos de aspas proporcionado por la realización de la presente solicitud.

Debería quedar claro que la presente solicitud no está limitada a la configuración y procesamiento específicos descritos anteriormente e ilustrados en las figuras. En aras de la simplicidad, se omite aquí una descripción detallada de los métodos conocidos. En las realizaciones anteriores, se describen e ilustran varios pasos específicos como ejemplos. Sin embargo, el proceso del método de la presente solicitud no está limitado a los pasos específicos descritos y mostrados, y tras comprender la presente solicitud, los expertos en la materia pueden realizar cambios, modificaciones y adiciones, o pueden cambiar el orden de los pasos.

Los bloques funcionales mostrados en las vistas estructurales descritas anteriormente pueden ser implementados como hardware, software, firmware, o una combinación de los mismos. Cuando es implementado como hardware, puede ser, por ejemplo, un circuito electrónico, un circuito integrado específico de la aplicación (ASIC), firmware apropiado, plugins, tarjetas de función, etc. Cuando es implementado como software, los elementos de la presente solicitud son programas o segmentos de código para realizar las tareas requeridas. Los programas o segmentos de código pueden ser almacenados en un medio legible por máquina, o transmitidos en un medio de transmisión o un enlace de comunicación a través de una señal de datos portada en una onda portadora. El “medio legible por máquina» puede incluir cualquier medio que pueda almacenar o transmitir información. Ejemplos de medios legibles por maquina incluyen un circuito electrónico, un dispositivo de memoria de semiconductores, una ROM, una memoria flash, una ROM borrable (EROM), un disquete, un CD-ROM, un disco óptico, un disco duro, un medio de fibra óptica, un enlace de radiofrecuencia (RF), y así sucesivamente. Los segmentos de código pueden ser descargados a través de una red de computadores tal como Internet, intranet, y así sucesivamente.

También debería ser notado que de acuerdo con las realizaciones ejemplares descritas en la presente solicitud, algunos métodos o sistemas son descritos basados en una serie de pasos o aparatos. Sin embargo, la presente solicitud no está limitada al orden anterior de los pasos. Es decir, los pasos pueden ser ejecutados en el orden descrito en las realizaciones o en órdenes diferentes de los de las realizaciones, o varios pasos pueden ser ejecutados simultáneamente.

Los aspectos de la presente solicitud se describen anteriormente con referencia a diagramas de flujo y/o diagramas de bloques de métodos, dispositivos (sistemas) y productos de programas de máquina de acuerdo con realizaciones de la presente solicitud. Se entenderá que cada bloque de los diagramas de flujo y/o diagramas de bloques, y combinaciones de bloques de los diagramas de flujo y/o diagramas de bloques, pueden ser implementados mediante instrucciones de programa de computador. Estas instrucciones de programa de computador pueden ser proporcionadas a un procesador de un computador de propósito general, un computador de propósito especial, u otro dispositivo programable de procesamiento de datos para producir una máquina, de tal manera que estas instrucciones ejecutadas por el procesador del computador u otro dispositivo programable de procesamiento de datos puedan permitir la implementación de las funciones/actos especificados en uno o más bloques de los diagramas de flujo y/o diagramas de bloques. Tal procesador puede ser, pero no se limita a, un procesador de propósito general, un procesador de propósito especial, un procesador específico de solicitud, o un circuito lógico programable de campo. También se entenderá que cada bloque de los diagramas de bloques y/o diagramas de flujo, y combinaciones de bloques de los diagramas de bloques y/o diagramas de flujo, también pueden ser implementados por hardware de propósito especial para realizar funciones o acciones especificadas, o pueden ser implementados por una combinación de hardware de propósito especial e instrucciones de computador.

Lo anterior son solo implementaciones específicas de la presente solicitud, los expertos en la materia pueden comprender claramente que, para la conveniencia y brevedad de la descripción, los procesos de trabajo específicos de los sistemas, módulos y unidades descritos anteriormente pueden referirse a los procesos correspondientes en las realizaciones del método anterior, que no se repiten aquí.

Claims

REIVINDICACIONES

1. Un método de diagnóstico de fallos de aspas, que comprende:

adquirir (201) un audio de rotación de aspas recogido por un dispositivo de recolección de audio (110) durante el funcionamiento de un sistema generador de turbina eólica; preprocesar (202) el audio de rotación de aspas basado en un algoritmo de filtrado de ruido del viento para obtener un audio de rotación de aspas filtrado del ruido del viento;

dividir (203) el audio de rotación de las aspas filtrado del ruido del viento para obtener segmentos de audio correspondientes a las aspas del sistema generador de la turbina eólica respectivamente; diagnosticar (204), basándose en los segmentos de audio, si las aspas correspondientes a cada uno de los segmentos de audio son defectuosas,

en la que el diagnóstico (204), basándose en los segmentos de audio, de si las aspas correspondientes a cada uno de los segmentos de audio son defectuosas comprende:

procesar cada uno de los segmentos de audio mediante una transformada de Fourier para obtener un segundo valor característico de cada uno de los segmentos de audio, en la que el segundo valor característico está configurado para caracterizar una característica del dominio de frecuencia de cada uno de los segmentos de audio;

introducir el segundo valor característico de cada uno de los segmentos de audio en un modelo de diagnóstico de fallo de aspas para obtener un primer resultado de diagnóstico de fallo de cada una de las aspas, en el que el modelo de diagnóstico de fallo de aspas es un modelo preentrenado configurado para identificar si una aspa correspondiente al segmento de audio es defectuosa de acuerdo con el segundo valor característico del segmento de audio; conteo de las duraciones de los segmentos de audio correspondientes a las aspas, respectivamente; obtención de un segundo resultado de diagnóstico de fallo juzgando si hay una aspa defectuosa según si una diferencia entre las duraciones de cada dos segmentos de audio excede un valor de umbral preestablecido; y

juzgar, mediante la combinación del primer resultado de diagnóstico de fallo de cada una de las aspas y el segundo resultado de diagnóstico de fallo, si hay una aspa defectuosa.

2. El método de diagnóstico de fallos de aspas según la reivindicación 1, en el que dividir (203) el audio de rotación de las aspas filtrado del ruido del viento para obtener los segmentos de audio correspondientes a las aspas respectivamente comprende:

procesar, mediante una transformada de Fourier de corto tiempo, el audio de rotación de las aspas filtrado del ruido del viento para obtener un primer valor característico, en el que el primer valor característico está configurado para caracterizar una característica del dominio de frecuencia del audio de rotación de las aspas filtrado del ruido del viento;

introducir el primer valor característico en un modelo de reconocimiento de aspas para obtener puntos de tiempo de división del audio de rotación de las aspas filtrado del ruido del viento, en el que el modelo de reconocimiento de aspas es un modelo preentrenado configurado para identificar puntos de tiempo de conmutación de sonidos de rotación de diferentes aspas de acuerdo con el primer valor característico; dividir el audio de rotación de las aspas filtrado del ruido del viento de acuerdo con los puntos de tiempo de división para obtener los segmentos de audio correspondientes a las aspas respectivamente.

3. El método de diagnóstico de fallos de aspas de acuerdo con la reivindicación 1, en el que antes de diagnosticar (204), basado en los segmentos de audio, si las aspas correspondientes a cada uno de los segmentos de audio son defectuosas, el método comprende además:

adquirir un parámetro ambiental del sistema generador de la turbina eólica, en el que el parámetro ambiental está configurado para indicar una estación y/o el tiempo; determinar, entre una pluralidad de modelos de diagnóstico de fallos candidatos configurados para identificar diferentes tipos de fallos respectivamente, un modelo configurado para identificar un tipo de fallo correspondiente al parámetro ambiental, de modo que se determine un modelo de diagnóstico de fallos para su utilización.

4. El método de diagnóstico de fallos de aspas de acuerdo con cualquiera de las reivindicaciones 1 a 3, en el que adquirir (201) el audio de rotación de las aspas recogido por el dispositivo de recolección de audio (110) durante la operación del sistema generador de turbina de viento comprende adquirir audios de rotación de las aspas recogidos en una pluralidad de ubicaciones;

preprocesar (202) el audio de rotación de las aspas basado en el algoritmo de filtrado de ruido del viento para obtener el audio de rotación de las aspas filtrado del ruido del viento comprende procesar cada uno de los audios de rotación de las aspas respectivamente basado en el algoritmo de filtrado de ruido del viento para obtener una pluralidad de audios de rotación de las aspas filtrados del ruido del viento; después de que la pluralidad de audios de rotación de las aspas filtrados del ruido del viento son obtenidos, el método comprende además calcular un parámetro de ruido del viento de cada uno de la pluralidad de audios de rotación de las aspas filtrados del ruido del viento respectivamente mediante un modelo de reconocimiento de ruido del viento, en el que el parámetro de ruido del viento está configurado para representar un nivel de ruido del viento en el audio, y el modelo de reconocimiento de ruido del viento es un modelo preentrenado configurado para evaluar el parámetro de ruido del viento del audio;

dividir (203) el audio de rotación de las aspas filtrado del ruido del viento para obtener los segmentos de audio correspondientes a las aspas respectivamente comprende seleccionar, de acuerdo con el parámetro de ruido del viento y entre la pluralidad de audios de rotación de las aspas filtrados del ruido del viento, un audio de rotación de las aspas filtrado del ruido del viento con un ruido del viento mínimo, y dividir el audio de rotación de las aspas filtrado del ruido del viento con el ruido del viento mínimo para obtener los segmentos de audio correspondientes a las aspas respectivamente.

5. El método de diagnóstico de fallo de aspas de acuerdo con la reivindicación 4, en el que el cálculo del parámetro de ruido del viento de cada uno de la pluralidad de audios de rotación de aspas filtrados del ruido del viento respectivamente mediante el modelo de reconocimiento de ruido del viento comprende:

procesar cada uno de la pluralidad de audios de rotación de aspas filtrados del ruido del viento mediante una transformada de Fourier para obtener un tercer valor característico de cada uno de la pluralidad de audios de rotación de aspas filtrados del ruido del viento, y el tercer valor característico está configurado para caracterizar una característica del dominio de frecuencia de un audio de rotación de aspas correspondiente filtrado del ruido del viento;

introducir el tercer valor característico de cada uno de la pluralidad de audios de rotación de aspas filtrados del ruido del viento en el modelo de reconocimiento de ruido del viento para obtener el parámetro de ruido del viento de cada uno de la pluralidad de audios de rotación de aspas filtrados del ruido del viento.

6. Sistema de diagnóstico de fallos de aspa, que comprende:

un dispositivo de recolección de audio (110) que comprende una pluralidad de sensores de audio (111), en el que al menos uno de los sensores de audio (111) está dispuesto en una posición de dirección del viento predominante o en una posición de dirección del viento a sotavento de un barril de torre de un sistema generador de turbina eólica;

un procesador (120) dispuesto dentro del barril de la torre y conectado a los sensores de audio (111), en el que el procesador (120) está configurado para: recibir (201) un audio de rotación de las aspas recolectado por los sensores de audio (111); preprocesar (202) el audio de rotación de las aspas basado en un algoritmo de filtrado de ruido del viento para obtener un audio de rotación de las aspas filtrado del ruido del viento; dividir (203) el audio de rotación de las aspas filtrado del ruido del viento para obtener segmentos de audio correspondientes a las aspas del sistema generador de la turbina eólica respectivamente; diagnosticar (204), basándose en los segmentos de audio, si las aspas correspondientes a cada uno de los segmentos de audio son defectuosas,

en el que el procesador (120) está además configurado para:

procesar cada uno de los segmentos de audio mediante una transformada de Fourier para obtener un segundo valor característico de cada uno de los segmentos de audio, en el que el segundo valor característico está configurado para caracterizar una característica del dominio de frecuencia de cada uno de los segmentos de audio;

introducir el segundo valor característico de cada uno de los segmentos de audio en un modelo de diagnóstico de fallos de aspas para obtener un primer resultado de diagnóstico de fallos de cada una de las aspas, en el que el modelo de diagnóstico de fallos de aspas es un modelo preentrenado configurado para identificar si una aspa que corresponde al segmento de audio es defectuosa de acuerdo con el segundo valor característico del segmento de audio; contar las duraciones de los segmentos de audio correspondientes a las aspas, respectivamente; obtener un segundo resultado de diagnóstico de fallo juzgando si hay una aspa defectuosa según si una diferencia entre las duraciones de cada dos segmentos de audio excede un valor de umbral preestablecido; y

juzgar, combinando el primer resultado de diagnóstico de fallo de cada una de las aspas y el segundo resultado de diagnóstico de fallo, si hay una aspa defectuosa.

7. Un medio de almacenamiento que tiene instrucciones de programa de computador almacenadas en él, en el que las instrucciones de programa de computador, cuando son ejecutadas por un procesador (120), implementan el método de diagnóstico de fallo de aspas de acuerdo con cualquiera de las reivindicaciones 1 a 5.