风电机组叶片损伤的声学监测技术研究OA

当基于声学信号判定风电机组叶片损伤工况时,难以保证判定基准的可靠性,导致损伤检出效果存在局限.因此,本文提出一种风电机组叶片损伤的声学监测技术.首先,采用短时傅里叶变换(Short-Time Fourier Transform,STFT)滑动窗口截取风电机组叶片声学信号片段,结合复指数基函数分解得到频率分量形式信号,计算梅尔频率倒谱系数,形成风电机组叶片损伤工况判定特征.其次,结合SCADA系统采集的声学特征参数(Mel-Frequency Cepstral Coefficients,MFCC),建立多工况分段下的动态健康基线模型,并基于3σ原则设定各工况区间的动态报警阈值.最后,通过计算实时梅尔频率倒谱系数特征与对应健康基线的残差,实现叶片损伤状态的自动识别与预警.测试结果表明,该方法在准确计算梅尔频率倒谱系数的基础上,对不同程度损伤的有效检出率稳定在95.0%以上,具有良好的检出效果.