【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)屬于風機葉片故障診斷，具體涉及一種多傳感器融合與圖像識別結(jié)合的葉片故障檢測方法與系統(tǒng)。
技術(shù)介紹
1、風機葉片作為風力發(fā)電設(shè)備的關(guān)鍵組件之一，其運行狀態(tài)直接影響發(fā)電效率和設(shè)備的安全性。然而，風機葉片長時間暴露在惡劣環(huán)境中，容易受到風沙、雨水、溫度變化和雷電等外部因素的影響，導(dǎo)致?lián)p傷、裂紋等故障的發(fā)生。因此，如何有效檢測和診斷風機葉片故障并根據(jù)故障類型進行相關(guān)修復(fù)已成為風電運維中的重要難題。
2、傳統(tǒng)的風機葉片故障檢測方法通常依賴傳感器進行數(shù)據(jù)采集，但這些方法在應(yīng)用中存在明顯局限。使用傳感器難以全面捕捉風機葉片復(fù)雜的損傷特征。特別是在評估損傷程度時，表現(xiàn)尤為不足。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)的目的在于，提供一種多傳感器融合與圖像識別結(jié)合的葉片故障檢測方法與系統(tǒng)，用以識別故障并評估其嚴重程度，通過實時信號獲取葉片運行時的數(shù)據(jù)，處理之后得到提取特征，通過特征融合和圖像識別技術(shù)識別故障并風險評級解決了上述技術(shù)問題。
2、為解決上述技術(shù)問題，本專利技術(shù)的技術(shù)方案為：多傳感器融合與圖像識別結(jié)合的葉片故障檢測方法，應(yīng)用于一種多傳感器融合與圖像識別結(jié)合的葉片故障檢測系統(tǒng)，該系統(tǒng)設(shè)置在風機葉片外部，該系統(tǒng)至少包括多組傳感器形成的信號采集單元、數(shù)據(jù)處理系統(tǒng)和信號融合模塊；其中，信號采集單元至少包括振動傳感器、聲發(fā)射傳感器、電磁傳感器和圖像數(shù)據(jù)傳感器；本方法包括以下步驟：
3、s1、通過信號采集單元采集圖像數(shù)據(jù)、振動數(shù)據(jù)、聲發(fā)射數(shù)據(jù)和電磁數(shù)據(jù)并進行特征提取
4、s2、根據(jù)超度量協(xié)方差結(jié)構(gòu)構(gòu)建模型，將數(shù)據(jù)集隨機劃分為若干個簇，并初始化模型參數(shù)；
5、s3、確定模型的約束條件；
6、s4、通過em算法進行模型內(nèi)參數(shù)估計，更新模型參數(shù)以最大化對數(shù)似然函數(shù)；
7、s5、重復(fù)s4直至對數(shù)似然函數(shù)的增量小于預(yù)設(shè)閾值，完成收斂；
8、s6、收斂后，使用預(yù)設(shè)責任值對數(shù)據(jù)樣本進行分類，將每個數(shù)據(jù)樣本分配給具有最大責任值的簇；
9、s7、將最終的簇中心與預(yù)設(shè)風險等級進行對應(yīng)，對所屬數(shù)據(jù)樣本進行劃分，完成風險預(yù)測。
10、s1中對各數(shù)據(jù)特征進行聚合操作的具體步驟為：
11、通過umap方法構(gòu)建高維空間的鄰域圖pij，通過模糊集合理論表示數(shù)據(jù)對應(yīng)的數(shù)據(jù)點之間的相似性，假定兩個點xi和xj，表示為：
12、
13、其中，d(xi，xj)是點xi和xj之間的距離；ρi是點xi的局部密度估計，用于調(diào)整距離以使其更適應(yīng)局部結(jié)構(gòu)；σi是尺度參數(shù)，用于控制鄰域大小；
14、通過umap方法構(gòu)建低維空間的鄰域圖qij，表示為：
15、
16、其中，點yi和yj是低維空間中的數(shù)據(jù)點；d(yi，yj)是空間中點yi與點yj之間的歐幾里得距離；α為縮放參數(shù)，用于控制距離縮放；
17、umap方法的優(yōu)化目標是通過最小化兩個模糊集之間的交叉熵，使得高維空間和低維空間中的鄰域關(guān)系保持一致，從而實現(xiàn)數(shù)據(jù)降維，該優(yōu)化目標表示為：
18、
19、其由為損失函數(shù)，通過反復(fù)迭代優(yōu)化，實現(xiàn)聚合操作。
20、s1中通過標準去除效應(yīng)方法對聚合操作后的各數(shù)據(jù)特征進行賦權(quán)。
21、s2中超度量協(xié)方差結(jié)構(gòu)表示為：
22、將超度量協(xié)方差結(jié)構(gòu)∑g分解為組內(nèi)和組間：
23、
24、其中，vg是一個p×m的矩陣，用于將變量劃分為m個組(其中m≤p)；元素vjq決定第j個變量是否屬于第q個組；是組內(nèi)，表示同一個組中的變量之間的差；是組間差，表示不同組之間的差；是組方差，表示各組的方差。
25、s3中約束條件包括：
26、超度量不等式：組間的非對角元素必須滿足三角不等式：
27、
28、正定性約束：為了確保∑g是正定的，組內(nèi)的最小對角元素必須大于組間的最大非對角元素，即：
29、
30、方差約束：組方差的每個對角元素必須大于組內(nèi)的絕對值，即：
31、
32、其中，σqh(b)表示組間差矩陣第q行，第h列的元素，σqs(b)和σhs(b)分別表示矩陣中其他行列對應(yīng)的協(xié)方差。這里q、h、s是矩陣的行列索引，用于表示不同的元素。
33、s4中通過em算法進行模型內(nèi)參數(shù)估計的方法為：
34、計算數(shù)據(jù)樣本屬于每個簇的后驗概率，即責任值γng，定義為：
35、
36、其中，表示第g個高斯分量對樣本xn的概率密度函數(shù)；μg和∑g分別是第g個分量的均值向量；k表示第k個高斯簇。
37、更新模型參數(shù)以最大化對數(shù)似然函數(shù)，分組后的超度量協(xié)方差結(jié)構(gòu)更新為：
38、
39、圖像數(shù)據(jù)所提取的特征至少包括角點、方向梯度直方圖、局部二值模式、尺度不變特征和稀疏，振動數(shù)據(jù)所提取的特征至少包括振動頻率、幅值譜、峰值和均方根，聲發(fā)射數(shù)據(jù)所提取的特征至少包括最大幅值、平均幅值和能量，電磁數(shù)據(jù)所提取的特征至少包括幅值變化和頻譜特征。
40、還提供一種多傳感器融合與圖像識別結(jié)合的葉片故障檢測系統(tǒng)，該系統(tǒng)設(shè)置在風機葉片外部，該系統(tǒng)至少包括多組傳感器形成的信號采集單元、數(shù)據(jù)處理系統(tǒng)和信號融合模塊；信號采集單元至少包括振動傳感器、聲發(fā)射傳感器、電磁傳感器和圖像數(shù)據(jù)傳感器；其中，
41、振動傳感器為激光多普勒振動傳感器，具體設(shè)置在機艙外部，監(jiān)測工作中的振動行為，用于采集振動數(shù)據(jù)并傳輸至信號數(shù)據(jù)處理系統(tǒng)；
42、聲發(fā)射傳感器，具體設(shè)置在葉片根部或承受較大負荷的關(guān)鍵部位，用于檢測由裂縫、疲勞和分層引起的聲發(fā)射數(shù)據(jù)，其用于收集聲發(fā)射數(shù)據(jù)并傳輸至信號數(shù)據(jù)預(yù)處理模塊；
43、電磁傳感器，具體設(shè)置在葉片根部或容易產(chǎn)生結(jié)構(gòu)性缺陷的關(guān)鍵部位，用于檢測由裂紋、腐蝕和金屬疲勞引起的電磁數(shù)據(jù)，其用于收集電磁數(shù)據(jù)并傳輸至信號數(shù)據(jù)預(yù)處理模塊；
44、圖像數(shù)據(jù)傳感器為攝像機，具體設(shè)置在機艙的外部，用于檢測表面裂紋、損傷。
45、還提供一種計算機設(shè)備，包括存儲器、處理器以及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)如上述任一項所述方法的步驟。
46、還提供一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如上述任一項所述方法的步驟。
47、與現(xiàn)有技術(shù)相比，本專利技術(shù)的有益效果為：
48、本專利技術(shù)通過實時采集風機葉片運行數(shù)據(jù)，以更精準地反映風機的真實運行情況。通過剔除干擾數(shù)據(jù)，特征提取，針對多維度的特征進行融合，本專利技術(shù)運用先進的故障識別算法，對融合后的特征進行分析，評估風機的健康狀況。
本文檔來自技高網(wǎng)...【技術(shù)保護點】
1.多傳感器融合與圖像識別結(jié)合的葉片故障檢測方法，其特征在于，應(yīng)用于一種多傳感器融合與圖像識別結(jié)合的葉片故障檢測系統(tǒng)，該系統(tǒng)設(shè)置在風機葉片外部，該系統(tǒng)至少包括多組傳感器形成的信號采集單元、數(shù)據(jù)處理系統(tǒng)和信號融合模塊；其中，信號采集單元至少包括振動傳感器、聲發(fā)射傳感器、電磁傳感器和圖像數(shù)據(jù)傳感器；本方法包括以下步驟：
2.根據(jù)權(quán)利要求1所述的多傳感器融合與圖像識別結(jié)合的葉片故障檢測方法，其特征在于，S1中對各數(shù)據(jù)特征進行聚合操作的具體步驟為：
3.根據(jù)權(quán)利要求1所述的多傳感器融合與圖像識別結(jié)合的葉片故障檢測方法，其特征在于，S1中通過標準去除效應(yīng)方法對聚合操作后的各數(shù)據(jù)特征進行賦權(quán)。
4.根據(jù)權(quán)利要求1所述的多傳感器融合與圖像識別結(jié)合的葉片故障檢測方法，其特征在于，S2中超度量協(xié)方差結(jié)構(gòu)表示為：
5.根據(jù)權(quán)利要求4所述的多傳感器融合與圖像識別結(jié)合的葉片故障檢測方法，其特征在于，S3中約束條件包括：
6.根據(jù)權(quán)利要求5所述的多傳感器融合與圖像識別結(jié)合的葉片故障檢測方法，其特征在于，S4中通過EM算法進行模型內(nèi)參數(shù)估計的方法為
7.根據(jù)權(quán)利要求1所述的多傳感器融合與圖像識別結(jié)合的葉片故障檢測方法，其特征在于，圖像數(shù)據(jù)所提取的特征至少包括角點、方向梯度直方圖、局部二值模式、尺度不變特征和稀疏，振動數(shù)據(jù)所提取的特征至少包括振動頻率、幅值譜、峰值和均方根，聲發(fā)射數(shù)據(jù)所提取的特征至少包括最大幅值、平均幅值和能量，電磁數(shù)據(jù)所提取的特征至少包括幅值變化和頻譜特征。
8.多傳感器融合與圖像識別結(jié)合的葉片故障檢測系統(tǒng)，其特征在于，該系統(tǒng)設(shè)置在風機葉片外部，該系統(tǒng)至少包括多組傳感器形成的信號采集單元、數(shù)據(jù)處理系統(tǒng)和信號融合模塊；信號采集單元至少包括振動傳感器、聲發(fā)射傳感器、電磁傳感器和圖像數(shù)據(jù)傳感器；其中，
9.一種計算機設(shè)備，包括存儲器、處理器以及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)如權(quán)利要求1-7任一項所述方法的步驟。
10.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1-7任一項所述方法的步驟。
...【技術(shù)特征摘要】
1.多傳感器融合與圖像識別結(jié)合的葉片故障檢測方法，其特征在于，應(yīng)用于一種多傳感器融合與圖像識別結(jié)合的葉片故障檢測系統(tǒng)，該系統(tǒng)設(shè)置在風機葉片外部，該系統(tǒng)至少包括多組傳感器形成的信號采集單元、數(shù)據(jù)處理系統(tǒng)和信號融合模塊；其中，信號采集單元至少包括振動傳感器、聲發(fā)射傳感器、電磁傳感器和圖像數(shù)據(jù)傳感器；本方法包括以下步驟：
2.根據(jù)權(quán)利要求1所述的多傳感器融合與圖像識別結(jié)合的葉片故障檢測方法，其特征在于，s1中對各數(shù)據(jù)特征進行聚合操作的具體步驟為：
3.根據(jù)權(quán)利要求1所述的多傳感器融合與圖像識別結(jié)合的葉片故障檢測方法，其特征在于，s1中通過標準去除效應(yīng)方法對聚合操作后的各數(shù)據(jù)特征進行賦權(quán)。
4.根據(jù)權(quán)利要求1所述的多傳感器融合與圖像識別結(jié)合的葉片故障檢測方法，其特征在于，s2中超度量協(xié)方差結(jié)構(gòu)表示為：
5.根據(jù)權(quán)利要求4所述的多傳感器融合與圖像識別結(jié)合的葉片故障檢測方法，其特征在于，s3中約束條件包括：
6.根據(jù)權(quán)利要求5所述的多傳感器融合與圖像識別結(jié)合的葉片故障檢測方法，其特征在于，s4中通過em...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：李向舜，徐瀚翔，許澤耀，周爍愷，于聰遠，
申請(專利權(quán))人：武漢理工大學，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。