风力发电机故障智能检测系统及其方法与流程

本申请涉及智能检测领域，且更为具体地，涉及一种风力发电机故障智能检测系统及其方法。

背景技术：

1、风力发电机是一种利用风能转化为电能的设备。它通常由风轮、发电机和塔架组成。风力发电机是一种清洁、可再生的能源设备，它可以减少对化石燃料的依赖，降低温室气体排放，对环境友好。风力发电机被广泛应用于发电场、农村地区和离岸等场所，为人们提供可靠的电力供应。

2、叶片是风力发电机的核心组件之一，其完整性和稳定性对于设备的安全运行至关重要。然而，目前对风力发电机叶片检查主要采用定期目视检查的方法。然而定期检查是一种间断性的检测方法，无法提供实时的叶片状态信息。如果在两次检查之间发生故障，可能会导致延迟的故障检测和修复，增加维护成本和风险。

3、因此，期望一种风力发电机故障智能检测系统及其方法。

技术实现思路

1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种风力发电机故障智能检测系统及其方法，其首先获取由传感器采集的多个预定时间点的风力发电机叶片的温度值、由传感器采集的多个预定时间点的风力发电机叶片压力值和由摄像头采集的风力发电机叶片图像，然后利用深度学习技术，对三者进行特征提取和关联分析，最后通过分类器得到分类结果，以判断是否发出风力发电机叶片故障预警，进而帮助及时发现故障，避免故障进一步恶化，减少维修成本和停机时间，从而提高设备的可靠性和运行效率。

2、根据本申请的一个方面，提供了一种风力发电机故障智能检测系统，其包括：

3、风力发电机叶片数据获取模块，用于获取由传感器采集的多个预定时间点的风力发电机叶片的温度值、由传感器采集的多个预定时间点的风力发电机叶片压力值和由摄像头采集的风力发电机叶片图像；

4、风力发电机叶片数据提取模块，用于从所述由传感器采集的多个预定时间点的风力发电机叶片的温度值、所述由传感器采集的多个预定时间点的风力发电机叶片压力值和所述由摄像头采集的风力发电机叶片图像中提取叶片温度-叶片压力关联全局特征向量和风力发电机叶片纹理关联特征向量；

5、风力发电机叶片故障判断模块，用于基于所述叶片温度-叶片压力关联全局特征向量和所述风力发电机叶片纹理关联特征向量，判断是否发出风力发电机叶片故障预警。

6、根据本申请的另一方面，提供了一种风力发电机故障智能检测方法，其包括：

7、获取由传感器采集的多个预定时间点的风力发电机叶片的温度值、由传感器采集的多个预定时间点的风力发电机叶片压力值和由摄像头采集的风力发电机叶片图像；

8、从所述由传感器采集的多个预定时间点的风力发电机叶片的温度值、所述由传感器采集的多个预定时间点的风力发电机叶片压力值和所述由摄像头采集的风力发电机叶片图像中提取叶片温度-叶片压力关联全局特征向量和风力发电机叶片纹理关联特征向量；

9、基于所述叶片温度-叶片压力关联全局特征向量和所述风力发电机叶片纹理关联特征向量，判断是否发出风力发电机叶片故障预警。

10、与现有技术相比，本申请提供一种风力发电机故障智能检测系统及其方法，其首先获取由传感器采集的多个预定时间点的风力发电机叶片的温度值、由传感器采集的多个预定时间点的风力发电机叶片压力值和由摄像头采集的风力发电机叶片图像，然后利用深度学习技术，对三者进行特征提取和关联分析，最后通过分类器得到分类结果，以判断是否发出风力发电机叶片故障预警，进而帮助及时发现故障，避免故障进一步恶化，减少维修成本和停机时间，从而提高设备的可靠性和运行效率。

技术特征：

1.一种风力发电机故障智能检测系统，其特征在于，包括：

2.根据权利要求1所述的风力发电机故障智能检测系统，其特征在于，所述风力发电机叶片数据提取模块，包括：

3.根据权利要求2所述的风力发电机故障智能检测系统，其特征在于，所述风力发电机叶片温度特征提取单元，包括：

4.根据权利要求3所述的风力发电机故障智能检测系统，其特征在于，所述风力发电机叶片压力特征提取单元，包括：

5.根据权利要求4所述的风力发电机故障智能检测系统，其特征在于，所述风力发电机叶片数据特征聚合单元，包括：

6.根据权利要求5所述的风力发电机故障智能检测系统，其特征在于，所述风力发电机叶片纹理特征提取单元，包括：

7.根据权利要求6所述的风力发电机故障智能检测系统，其特征在于，所述风力发电机叶片故障判断模块，包括：

8.根据权利要求7所述的风力发电机故障智能检测系统，其特征在于，还包括用于对所述包含全连接层和一维卷积层的叶片温度时序特征编码器模型、所述基于多尺度邻域特征提取模块的叶片压力特征提取器、所述基于卷积神经网络的叶片故障关联特征提取器、所述作为风力发电机叶片纹理过滤器的卷积神经网络和所述分类器进行训练的训练模块；

9.根据权利要求8所述的风力发电机故障智能检测系统，其特征在于，所述风力发电机叶片训练数据特征计算单元，包括：

10.一种风力发电机故障智能检测方法，其特征在于，包括：

技术总结本申请涉及智能检测领域，其具体地公开了一种风力发电机故障智能检测系统及其方法，其首先获取由传感器采集的多个预定时间点的风力发电机叶片的温度值、由传感器采集的多个预定时间点的风力发电机叶片压力值和由摄像头采集的风力发电机叶片图像，然后利用深度学习技术，对三者进行特征提取和关联分析，最后通过分类器得到分类结果，以判断是否发出风力发电机叶片故障预警，进而帮助及时发现故障，避免故障进一步恶化，减少维修成本和停机时间，从而提高设备的可靠性和运行效率。技术研发人员：宋成建,伏开玲受保护的技术使用者：徐州东起机电有限公司技术研发日：技术公布日：2024/6/11