一种风电机组叶片表面损伤异音迁移诊断方法

本发明涉及风电机组叶片故障诊断，尤其涉及一种风电机组叶片表面损伤异音迁移诊断方法。

背景技术：

1、伴随我国风电产业的快速发展，风力发电机组运行安全问题日益凸显。叶片作为风电机组获取风能的核心关键部件，长期运行在恶劣的自然环境中，承受复杂的离心力、弯曲应力、空气动力与热应力作用以及可能的雨雪侵蚀、雷电破坏等，极易造成裂纹、腐蚀磨损、开裂、雷击烧蚀、结冰等表面损伤故障。随着服役时间的增加，叶片故障问题愈加突出，造成重大的经济财产损失甚至人员伤亡，缺乏维护与监测是引发行业恶性事故的主要原因。

2、相比于振动、声发射、光纤光栅法等接触式检测技术，基于麦克风的非接触式声学监测方法具有抗机舱内机械设备干扰噪声强、传感器安装灵活、维护方便等特点，得到了业界的广泛研究和应用。然而在实际跨风电场跨机组诊断应用场景下，受试验成本等诸多因素的制约，难以获取训练声学诊断模型所需的大量带标签叶片损伤异音样本数据集；同时，受叶片损伤类型、叶片翼型、叶轮直径、传感器安装位置、风电场地理环境条件等多种因素的影响，实际采集的叶片损伤异音存在不确定性变化，且异音声纹特征分布差异较大，导致声学诊断模型直接应用于新的目标叶片表面损伤异音识别时性能不佳。为此，本发明聚焦于目标声信号自适应选取、异音动静双流声纹特征提取、可迁移性度量准则设计和损伤识别模型构建，公开一种风电机组叶片表面损伤异音迁移诊断方法。

技术实现思路

1、本发明针对上述跨风电场跨机组下叶片损伤识别存在的问题与挑战，提供一种风电机组叶片表面损伤异音迁移诊断方法，本发明的技术方案如下：

2、步骤1、对采集的多通道叶片运行声信号进行分帧、加窗及离散傅里叶变换，依据频谱重心指标判断单通道原始信号中蕴含的扫风声脉冲数量，自适应选择声脉冲数量最大的高信噪比通道作为后续叶片表面损伤识别的原始输入声信号；

3、步骤2、融合mel映射与小波包分解方法，提取子频带能量比刻画叶片损伤的静态特性；计算梅尔语谱图中相邻周期内叶片扫风声事件像素点的编码差分特征表征叶片损伤的动态特性，构造完整刻画叶片表面损伤异音的动、静双流声纹特征向量，具体如下：

4、(1)根据叶片运行声信号的频谱能量分布特性确定频率上限，结合mel频率和实际频率间的映射关系确定mel频率上限；

5、(2)采用等频划分机制确定听觉感知小波包分解的中心mel频率组和分解层数，构建基础小波包分解树；

6、(3)遍历比较中心mel频率组与小波包分解树每个节点的中心频率，若二者差异小于阈值则进行降级剪枝处理，通过计算各子频带的能量占比来刻画叶片损伤异音的静态特性；

7、(4)采用laplace算子对梅尔语谱图中扫风声像素点进行掩模卷积处理，计算相邻周期内叶片对应像素点的局部二值模式编码特征的相对差分值，刻画损伤异音声纹动态特性；融合静态能量比特征和动态二值模式编码差分特征完整刻画叶片表面损伤的异音特性；

8、步骤3、将源域和目标域声纹特征向量嵌入grassmann流形，综合子空间对齐程度和普鲁克分析，计算源域特征向量和目标域特征向量之间的可迁移度，据此选取迁移度最大的作为源域数据集，具体如下：

9、(1)采用等度量映射(isometric mapping，isomap)算法将源域和目标域特征向量嵌入至grassmann流形，计算其对应的子空间正交基向量和新特征向量；

10、(2)计算表示源域子空间和目标域子空间对齐程度的grassmann距离；

11、(3)将源域和目标域的新特征向量转化成gram矩阵xs和xt；

12、(4)对xs和xt进行普鲁克分析，通过旋转、缩放、平移和拟合，计算刻画源域和目标域声纹特征向量差异的普鲁克距离；

13、(5)计算源域和目标域子空间对齐程度与普鲁克距离的乘积来定义源域和目标域特征向量间的可迁移度，据此选取迁移度最大的作为源域数据集；

14、步骤4、计算源域和目标域之间边缘分布和条件分布间的最大均值差异(maximummean discrepancy，mmd)构建迁移目标函数，设计类判别约束项与分布权重因子训练支持向量机分类模型，具体如下：

15、(1)采用联合分布适配方法(joint distribution adaptation，jda)，计算源域和目标域间边缘分布和条件分布的mmd距离，构建迁移目标函数；

16、(2)根据线性判别分析思想，设计源域数据的类判别约束项，引入拉普拉斯正则项平滑映射目标域数据，更新类判别约束项以保证迁移后正常类和异音类样本间的可判别性；

17、(3)综合分类器识别误差、马氏距离和可迁移度评估源域和目标域之间的特征分布特性，计算边缘分布的权重因子；结合权重因子自适应调节边缘分布和条件分布的重要性，缩小源域和目标域间的特征分布差异；

18、(4)将分布权重因子和类判别约束项引入迁移目标函数，通过拉格朗日乘子法求解迁移映射矩阵和迁移后的特征向量；利用迁移后的源域数据集训练svm分类器模型，完成对目标域叶片表面损伤异音的迁移识别。

19、本发明的优势在于：

20、1、本发明构建一种融合听觉感知小波包和梅尔语谱图的损伤异音声纹特征刻画方法，增强表征叶片表面损伤异音的动静双流声纹特性；

21、2、本发明设计一种基于grassmann流形嵌入和普鲁克分析的源域和目标域损伤异音声纹特征向量间的迁移度量方法，可有效评估跨风电场跨机组运行工况间的可迁移性；

22、3、本发明提出一种基于mmd和类判别约束的自适应分布适配迁移诊断方法，能够跨工况识别目标域叶片表面损伤激发的异音。

技术特征：

1.一种风电机组叶片表面损伤异音迁移诊断方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的一种风电机组叶片表面损伤异音迁移诊断方法，其特征在于，所述步骤s2包括：

3.根据权利要求1所述的一种风电机组叶片表面损伤异音迁移诊断方法，其特征在于，所述步骤s3包括：

4.根据权利要求1所述的一种风电机组叶片表面损伤异音迁移诊断方法，其特征在于，所述步骤s4包括：

技术总结本发明公开了一种风电机组叶片表面损伤异音迁移诊断方法，主要包括以下步骤：在塔筒外表面等间隔部署多个声音传感器，依据频谱重心自适应选择声脉冲数量最大的通道作为目标输入声信号；采用听觉感知小波包方法提取异音信号的静态能量比特征，结合梅尔语谱图中相邻周期内像素点的动态编码差分特征完整刻画叶片损伤异音的动静特性；综合子空间对齐程度和普鲁克分析，计算源域特征向量和目标域特征向量之间的可迁移度；依据源域和目标域之间边缘分布和条件分布的最大均值差异构建迁移目标函数，引入类判别约束项与分布权重因子建立损伤识别的支持向量机模型。该方法能够有效评估不同工况特征向量间的可迁移度，增强跨风电场跨机组下叶片表面损伤异音识别的能力。技术研发人员：陈斌,赵石磊受保护的技术使用者：北京邮电大学技术研发日：技术公布日：2024/5/12