權(quán)利要求書： 1.一種風機葉片的檢測方法，其特征在于，所述風機葉片是風力發(fā)電設(shè)備中的葉片，所述風力發(fā)電設(shè)備還包括設(shè)置有聲音采集設(shè)備的塔筒，所述方法包括：通過所述聲音采集設(shè)備采集所述風機葉片掃風時的聲音信號，所述聲音信號包括所述風機葉片掃風時位于葉片間的空氣滑動所產(chǎn)生的聲音信號；

調(diào)用信號分析算法從所述聲音信號形成的時域信號圖中提取信號包絡(luò)線；將所述信號包絡(luò)線中波谷所在的點在時域上的位置確定為切分點；將所述聲音信號轉(zhuǎn)換為頻譜圖，按照所述切分點對所述頻譜圖進行切分，得到切分后的頻譜圖；

基于所述切分后的頻譜圖計算所述風機葉片掃風時的聲譜差異因子，所述聲譜差異因子表示所述風機葉片的損傷程度；當所述聲譜差異因子大于差異閾值時，通過損傷識別模型對所述切分后的頻譜圖進行圖像識別，得到所述風機葉片的損傷識別結(jié)果；其中，所述損傷識別模型是由神經(jīng)網(wǎng)絡(luò)模型訓練得到的。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述切分后的頻譜圖包括切分后n個所述風機葉片的頻譜區(qū)域，n為正整數(shù)；

所述基于所述切分后的頻譜圖計算所述風機葉片掃風時的聲譜差異因子，包括：提取n個所述頻譜區(qū)域中的信號峰值；

根據(jù)n個所述頻譜區(qū)域的信號峰值計算所述聲音信號的時域因子和頻域因子；

將所述時域因子與所述頻域因子的加權(quán)平均值確定為所述聲譜差異因子。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述風力發(fā)電設(shè)備上設(shè)置有m個所述風機葉片，m為正整數(shù)；

所述根據(jù)n個所述頻譜區(qū)域的信號峰值計算所述聲音信號的時域因子，包括：確定出每一個所述風機葉片對應(yīng)的至少兩個所述頻譜區(qū)域的信號峰值中的中位數(shù)；

從m個所述風機葉片對應(yīng)的m個所述中位數(shù)中確定出最大峰值和最小峰值；

將所述最大峰值與所述最小峰值的比值確定為所述時域因子。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述風力發(fā)電設(shè)備上設(shè)置有m個所述風機葉片，m為正整數(shù)；

所述根據(jù)n個所述頻譜區(qū)域的信號峰值計算所述聲音信號的頻域因子，包括：獲取每相鄰的m個所述頻譜區(qū)域的信號峰值中的最大峰值，將所述最大峰值確定為候選峰值；將至少兩個所述候選峰值的中位數(shù)確定為所述頻域因子；

或者，

計算所述切分后的頻譜圖中信號分布與理論分布之間的相對熵，將所述相對熵確定為所述頻域因子。

5.根據(jù)權(quán)利要求1至4任一所述的方法，其特征在于，所述基于所述切分后的頻譜圖計算所述風機葉片掃風時的聲譜差異因子，包括：基于所述切分后的頻譜圖計算所述聲音信號的信噪比；

當所述信噪比大于信噪比閾值時，執(zhí)行所述基于所述切分后的頻譜圖計算所述風機葉片掃風時的聲譜差異因子的步驟；

當所述信噪比小于所述信噪比閾值時，確定所述聲音采集設(shè)備故障。

6.一種風機葉片的檢測裝置，其特征在于，所述風機葉片是風力發(fā)電設(shè)備中的葉片，所述風力發(fā)電設(shè)備還包括設(shè)置有聲音采集設(shè)備的塔筒，所述裝置包括：采集模塊，用于通過所述聲音采集設(shè)備采集所述風機葉片掃風時的聲音信號，所述聲音信號包括所述風機葉片掃風時位于葉片間的空氣滑動所產(chǎn)生的聲音信號；

生成模塊，包括：提取子模塊，用于調(diào)用信號分析算法從所述聲音信號形成的時域信號圖中提取信號包絡(luò)線；確定子模塊，用于將所述信號包絡(luò)線中波谷所在的點在時域上的位置確定為切分點；生成子模塊，用于將所述聲音信號轉(zhuǎn)換為頻譜圖，按照所述切分點對所述頻譜圖進行切分，得到切分后的頻譜圖；

識別模塊，包括：計算子模塊，用于基于所述切分后的頻譜圖計算所述風機葉片掃風時的聲譜差異因子，所述聲譜差異因子表示所述風機葉片的損傷程度；識別子模塊，用于當所述聲譜差異因子大于差異閾值時，通過損傷識別模型對所述切分后的頻譜圖進行圖像識別，得到所述風機葉片的損傷識別結(jié)果；其中，所述損傷識別模型是由神經(jīng)網(wǎng)絡(luò)模型訓練得到的。

7.一種風力發(fā)電設(shè)備，其特征在于，所述風力發(fā)電設(shè)備包括：聲音采集設(shè)備，與所述聲音采集設(shè)備相連的存儲器，以及與所述存儲器相連的處理器；

其中，所述聲音采集設(shè)備，被配置為采集所述風力發(fā)電設(shè)備的風機葉片掃風時的聲音信號，并將所述聲音信號存儲至所述存儲器中；

所述存儲器，被配置為存儲可執(zhí)行指令、以及所述聲音信號；

所述處理器，被配置為加載并執(zhí)行所述存儲器中存儲的所述可執(zhí)行指令以實現(xiàn)如權(quán)利要求1至5任一所述的風機葉片的檢測方法。

8.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)中存儲有至少一條指令；所述至少一條指令由處理器加載并執(zhí)行以實現(xiàn)如權(quán)利要求1至5任一所述的風機葉片的檢測方法。

說明書： 風機葉片的檢測方法、裝置、設(shè)備及存儲介質(zhì)技術(shù)領(lǐng)域[0001] 本申請涉及應(yīng)用程序領(lǐng)域，特別涉及一種風機葉片的檢測方法、裝置、設(shè)備及存儲介質(zhì)。

背景技術(shù)[0002] 為了響應(yīng)世界環(huán)境組織的呼吁，我國致力于清潔能源的開發(fā)與使用，比如，技術(shù)成熟的風能發(fā)電。

[0003] 風能發(fā)電需要依靠于風機，而風機葉片決定著風機的捕風能力和效率問題，因此，對風機葉片的狀態(tài)監(jiān)測具有重要的意義。傳統(tǒng)的風機葉片的檢測方法是人工巡檢，由技術(shù)

人員通過人眼觀察和聽力分辨對風機葉片定期巡檢。

[0004] 上述風機葉片的人工巡檢方法的運維成本高，且無法對分機葉片的健康狀態(tài)進行實時監(jiān)測。

發(fā)明內(nèi)容[0005] 本申請實施例提供了一種風機葉片的檢測方法、裝置、設(shè)備及存儲介質(zhì)，可以降低風機葉片的人工巡檢方法的運維成本，還可以對分機葉片的健康狀態(tài)進行實時監(jiān)測。所述

技術(shù)方案如下：

[0006] 根據(jù)本申請的一方面，提供了一種風機葉片的檢測方法，風機葉片是風力發(fā)電設(shè)備中的葉片，風力發(fā)電設(shè)備還包括設(shè)置有聲音采集設(shè)備的塔筒，該方法包括：

[0007] 通過聲音采集設(shè)備采集風機葉片掃風時的聲音信號，聲音信號包括風機葉片掃風時位于葉片間的空氣滑動所產(chǎn)生的聲音信號；

[0008] 根據(jù)聲音信號生成頻譜圖；[0009] 通過損傷識別模型對頻譜圖進行圖像識別，得到風機葉片的損傷識別結(jié)果；其中，損傷識別模型是由神經(jīng)網(wǎng)絡(luò)模型訓練得到的。

[0010] 根據(jù)本申請的另一方面，提供了一種風機葉片的檢測裝置，風機葉片是風力發(fā)電設(shè)備中的葉片，風力發(fā)電設(shè)備還包括設(shè)置有聲音采集設(shè)備的塔筒，該方法包括：

[0011] 采集模塊，用于通過聲音采集設(shè)備采集風機葉片掃風時的聲音信號，聲音信號包括風機葉片掃風時位于葉片間的空氣滑動所產(chǎn)生的聲音信號；

[0012] 生成模塊，用于根據(jù)聲音信號生成頻譜圖；[0013] 識別模塊，用于通過損傷識別模型對頻譜圖進行圖像識別，得到風機葉片的損傷識別結(jié)果；其中，損傷識別模型是由神經(jīng)網(wǎng)絡(luò)模型訓練得到的。

[0014] 根據(jù)本申請的另一方面，提供了一種風力發(fā)電設(shè)備，該風力發(fā)電設(shè)備包括：[0015] 聲音采集設(shè)備，與聲音采集設(shè)備相連的存儲器，以及與存儲器相連的處理器；[0016] 其中，聲音采集設(shè)備，被配置為采集風力發(fā)電設(shè)備的風機葉片掃風時的聲音信號，并將聲音信號存儲至存儲器中；

[0017] 存儲器，被配置為存儲可執(zhí)行指令、以及聲音信號；[0018] 處理器，被配置為加載并執(zhí)行存儲器中存儲的可執(zhí)行指令以實現(xiàn)如上述一個方面及其可選實施例所述的風機葉片的檢測方法。

[0019] 根據(jù)本申請的另一方面，提供了一種計算機可讀存儲介質(zhì)，上述計算機可讀存儲介質(zhì)中存儲有至少一條指令、至少一段程序、代碼集或指令集，上述至少一條指令、至少一

段程序、代碼集或指令集由處理器加載并執(zhí)行以實現(xiàn)如上述一個方面及其可選實施例所述

的風機葉片的檢測方法。

[0020] 本申請實施例提供的技術(shù)方案帶來的有益效果至少包括：[0021] 該方法通過聲音采集設(shè)備采集風機葉片掃風時的聲音信號，生成聲音信號對應(yīng)的頻譜圖，并通過損傷識別模型對頻譜圖進行圖像識別，從頻譜圖中識別出風機葉片的損傷

識別結(jié)果，以實現(xiàn)基于頻譜圖的對風機葉片的損傷類型的準確識別，無需人工巡檢，節(jié)省了

人力資源，且能夠?qū)︼L機葉片的健康狀態(tài)進行實時監(jiān)測。其次，該方法是基于聲音信號實現(xiàn)

的風機葉片損傷識別，不依賴于任何風機運行數(shù)據(jù)，減小了檢測風機葉片損傷時的機器運

算量。

附圖說明[0022] 為了更清楚地說明本申請實施例中的技術(shù)方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請的一些實施例，對于

本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他

的附圖。

[0023] 圖1是本申請一個示例性實施例提供的風力發(fā)電系統(tǒng)的結(jié)構(gòu)示意圖；[0024] 圖2是本申請一個示例性實施例提供的風機葉片的檢測方法的流程圖；[0025] 圖3是本申請一個示例性實施例提供的聲音信號的時域信號圖；[0026] 圖4是本申請一個示例性實施例提供的聲音信號的頻譜圖；[0027] 圖5是本申請一個示例性實施例提供的損傷類型的識別方法的流程圖；[0028] 圖6是本申請另一個示例性實施例提供的風機葉片的檢測方法的流程圖；[0029] 圖7是本申請一個示例性實施例提供的風機葉片的檢測裝置的框圖；[0030] 圖8是本申請一個示例性實施例提供的服務(wù)器的結(jié)構(gòu)示意圖。具體實施方式[0031] 為使本申請的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本申請實施方式作進一步地詳細描述。

[0032] 請參考圖1，示出了本申請一個示例性實施例提供的風力發(fā)電系統(tǒng)的結(jié)構(gòu)示意圖，該風力發(fā)電系統(tǒng)包括了風力發(fā)電設(shè)備(即風機)120和風機葉片檢測設(shè)備140。

[0033] 風力發(fā)電設(shè)備120包括風機葉片122和塔筒124。風機葉片122用于掃風，從而使風力發(fā)電設(shè)備120將風能轉(zhuǎn)換為電能，并將電能存儲至儲能設(shè)備中。塔筒124主要用于支撐風

力發(fā)電設(shè)備的其他設(shè)備結(jié)構(gòu)，比如，風機葉片122通過輪轂連接在塔筒124頂端。

[0034] 風機葉片檢測設(shè)備140包括聲音采集設(shè)備142和后臺服務(wù)器集群144。聲音采集設(shè)備142設(shè)置在塔筒124上，示意性的，聲音采集設(shè)備142設(shè)置在塔筒門上。可選地，聲音采集設(shè)

備142包括聲音傳感器或者麥克風。

[0035] 聲音采集設(shè)備142與后臺服務(wù)器142之間通過有線或者無線網(wǎng)絡(luò)連接；聲音采集設(shè)備142用于采集風機葉片掃風時葉片間空氣滑動產(chǎn)生的聲音信號，并將聲音信號傳輸至后

臺服務(wù)器集群144；后臺服務(wù)器集群144用于存儲聲音信號，以及加載并執(zhí)行可執(zhí)行命令以

實現(xiàn)本申請?zhí)峁┑娘L機葉片的檢測方法。

[0036] 需要說明的是，聲音采集設(shè)備142上連接有處理盒子，該處理盒子中設(shè)置有處理器，該處理器能夠?qū)崿F(xiàn)對聲音信號的壓縮處理；聲音采集設(shè)備142還通過有線或者無線網(wǎng)絡(luò)

與后臺服務(wù)器集群連接。聲音采集設(shè)備142通過處理盒子將采集得到的聲音信號壓縮處理

后傳輸至后臺服務(wù)器集群144。

[0037] 可選地，后臺服務(wù)器集群144上還配置有顯示屏，用于顯示風機葉片的損傷程度、以及損傷類型。

[0038] 或者，后臺服務(wù)器集群144上還配置有報警設(shè)備，當后臺服務(wù)器集群144確定風機葉片受到損傷時，后臺服務(wù)器集群144控制報警設(shè)備發(fā)出警報；可選地，后臺服務(wù)器集群144

可以根據(jù)風機葉片的損傷類型控制報警設(shè)備發(fā)出相應(yīng)的警報，不同的風機葉片的損傷類型

對應(yīng)不同的警報。

[0039] 請參考圖2，示出了本申請一個示例性實施例提供的風機葉片的檢測方法的流程圖，該方法應(yīng)用于圖1所示的風力發(fā)電系統(tǒng)中，該方法包括：

[0040] 步驟201，通過聲音采集設(shè)備采集風機葉片掃風時的聲音信號。[0041] 上述聲音信號包括風機葉片掃風時位于葉片間的空氣滑動所產(chǎn)生的聲音信號。示意性的，聲音采集設(shè)備采集風機葉片掃風時的聲音信號，將上述聲音信號傳輸至處理盒子，

由處理盒子對聲音信號進行壓縮處理，并通過處理盒子將處理后的聲音信號傳輸至后臺服

務(wù)器。

[0042] 后臺服務(wù)器將聲音信號存儲至存儲器中，當后臺服務(wù)器執(zhí)行風機葉片的檢測方法時，后臺服務(wù)器從存儲器中獲取上述風機葉片掃風時的聲音信號。

[0043] 步驟202，根據(jù)聲音信號生成頻譜圖。[0044] 后臺服務(wù)器對聲音信號進行短時傅里葉變換，得到聲音信號對應(yīng)的頻譜圖；示意性的，繪制頻譜圖可以采用不同的顏色表示不同的聲音振幅。

[0045] 可選地，風力發(fā)電設(shè)備上可以包括m個風機葉片，每一個葉片對應(yīng)有各自的頻譜區(qū)域，后臺服務(wù)器可以生成以風機葉片為單位的切分后的頻譜圖，m為正整數(shù)，示意性步驟如

下：

[0046] 1)調(diào)用信號分析算法從聲音信號形成的時域信號圖中提取信號包絡(luò)線。[0047] 后臺服務(wù)器從聲音信號形成的時域信號圖中提取信號包絡(luò)線，其中，信號包絡(luò)線是指與時域信號圖中曲線族的每條線均有至少一點相切的一條曲線；將信號包絡(luò)線中波谷

所在的點在時域上的位置確定為切分點。

[0048] 上述信號分析算法用于從聲音信號的時域信號圖中分析得到信號包絡(luò)線。示意性的，上述信號分析算法可以包括轉(zhuǎn)換函數(shù)，比如，可以包括希爾伯特(Hilbert)轉(zhuǎn)換函數(shù)?？?br />
選地，后臺服務(wù)器通過Hilbert轉(zhuǎn)換函數(shù)從時域信號圖中提取信號包絡(luò)線。

[0049] 2)將信號包絡(luò)線中波谷所在的點在時域上的位置確定為切分點。[0050] 示意性的，如圖3，后臺服務(wù)器根據(jù)聲音信號生成時域信號圖31，并通過Hilbert轉(zhuǎn)換函數(shù)從時域信號圖31中提取得到信號包絡(luò)線32，在信號包絡(luò)線32上確定出每一個波谷所

在的點33，點33在時域上的位置即為切分點。其中，在時域信號圖上，相鄰兩個切分點之間

指示的是一個風機葉片掃風時的時域信號圖。

[0051] 3)將聲音信號轉(zhuǎn)換為頻譜圖，按照切分點對頻譜圖進行切分，得到切分后的頻譜圖。

[0052] 可選地，后臺服務(wù)器通過短時傅里葉變換或者拉普拉斯變換將聲音信號轉(zhuǎn)換為頻譜圖，也就是說，后臺服務(wù)器通過短時傅里葉變換或者拉普拉斯變換將聲音信號的時域信

號轉(zhuǎn)換為頻域信號，形成頻譜圖；在時間軸上按照切分點對頻譜圖進行切分，得到風機葉片

的n個頻譜區(qū)域，n為正整數(shù)。其中，在頻譜圖上，相鄰的兩個切分點之間的頻譜區(qū)域指示的

是一個風機葉片掃風時的頻譜。

[0053] 示意性的，如圖4，頻譜圖41中的8條曲線分別是風機葉片在不同頻段上的聲音信號曲線，按照切分點切分為25個頻譜區(qū)域。由于風機葉片包括三個風機葉片，上述25個頻譜

區(qū)域分別與三個風機葉片對應(yīng)，連續(xù)的三個頻譜區(qū)域?qū)?yīng)三個不同的風機葉片，其中，第

3m?2個頻譜區(qū)域為風機葉片A的頻譜區(qū)域，第3m?1個頻譜區(qū)域為風機葉片B的頻譜區(qū)域，第

3m個頻譜區(qū)域為風機葉片C的頻譜區(qū)域，m為正整數(shù)。

[0054] 步驟203，通過損傷識別模型對頻譜圖進行圖像識別，得到風機葉片的損傷識別結(jié)果。

[0055] 后臺服務(wù)器中設(shè)置有損傷識別模型；后臺服務(wù)器通過損傷識別模型對頻譜圖進行圖像識別，從頻譜圖中識別出風機葉片的損傷類型?？蛇x地，后臺服務(wù)器通過損傷識別模型

對切分后的頻譜圖進行圖像識別，從切分后的頻譜圖中識別出風機葉片的損傷類型。

[0056] 可選地，損傷識別結(jié)果包括風機葉片的損傷類型；損傷類型包括風機排水孔堵塞、葉片保護膜開裂、葉片前緣腐蝕、葉片根部斷裂、葉片哨音、以及雷擊損傷中的至少一種。

[0057] 示意性的，如圖5，示出了損傷識別模型對頻譜圖識別的流程圖，后臺服務(wù)器將頻譜圖51輸入模型的卷積和池化層52，經(jīng)過卷積、池化處理將頻譜圖映射至特征空間，得到頻

譜圖的圖像特征；將上述圖像特征輸入特征轉(zhuǎn)換層53進行特征轉(zhuǎn)換，得到轉(zhuǎn)換后的圖像特

征；再次，將轉(zhuǎn)換后的圖像特征輸入全連接層54，通過全連接層54對轉(zhuǎn)換后的圖像特征進行

識別分類，得到特征分類結(jié)果；最終，由輸出層55對特征分類結(jié)果進行歸一化處理，得到損

傷識別結(jié)果，該損傷識別結(jié)果包括風機葉片的損傷類型。

[0058] 需要說明的是，上述損傷識別模型是由神經(jīng)網(wǎng)絡(luò)模型訓練得到的，示意性的，上述損傷識別模型的訓練過程如下：

[0059] 1)獲取頻譜圖樣本。[0060] 上述頻譜圖樣本是通過采集歷史頻譜圖得到的頻譜圖集合，頻譜圖集合包括的不同歷史頻譜圖上具有不同損傷類型對應(yīng)的圖像。上述頻譜圖樣本中還對應(yīng)標記有損傷位置

與樣本損傷類型。

[0061] 2)將頻譜圖樣本輸入神經(jīng)網(wǎng)絡(luò)模型進行圖像識別，得到損傷位置的識別損傷類型。

[0062] 后臺服務(wù)器將獲取得到的頻譜圖樣本輸入神經(jīng)網(wǎng)絡(luò)模型中，由神經(jīng)網(wǎng)絡(luò)模型對頻譜圖樣本進行圖像識別，得到每一個損傷位置對應(yīng)的識別損傷類型。

[0063] 可選地，上述神經(jīng)網(wǎng)絡(luò)模型可以是長短期記憶模型、卷積神經(jīng)網(wǎng)絡(luò)模型、前饋神經(jīng)網(wǎng)絡(luò)模型等等，本實施例中對神經(jīng)網(wǎng)絡(luò)模型的種類不做限定。

[0064] 3)根據(jù)識別損傷類型與樣本損傷類型進行誤差反向傳播訓練，訓練神經(jīng)網(wǎng)絡(luò)模型對風機葉片的損傷類型的識別能力，得到損傷識別模型。

[0065] 神經(jīng)網(wǎng)絡(luò)模型計算識別損傷類型與樣本損傷類型之間的誤差，進行誤差反向傳播，對自身的模型參數(shù)進行調(diào)整，從而訓練神經(jīng)網(wǎng)絡(luò)模型對風機葉片的損傷類型的識別能

力，最終得到損傷識別模型。

[0066] 綜上所述，本申請?zhí)峁┑娘L機葉片的檢測方法，通過聲音采集設(shè)備采集風機葉片掃風時的聲音信號，生成聲音信號對應(yīng)的頻譜圖，并通過損傷識別模型對頻譜圖進行圖像

識別，從頻譜圖中識別出風機葉片的損傷識別結(jié)果，以實現(xiàn)基于頻譜圖的對風機葉片的損

傷類型的準確識別，無需人工巡檢，節(jié)省了人力資源，且能夠?qū)︼L機葉片的健康狀態(tài)進行實

時監(jiān)測。其次，該方法是基于聲音信號實現(xiàn)的風機葉片損傷識別，不依賴于任何風機運行數(shù)

據(jù)，減小了檢測風機葉片損傷時的機器運算量。

[0067] 需要說明的是，本申請?zhí)峁┑娘L機葉片的檢測方法則是為了能夠在風機葉片轉(zhuǎn)動的過程中即時發(fā)現(xiàn)風機葉片的損傷并確認損傷類型，因此，在風機葉片進行損傷類型識別

之前，可以先行確定風機葉片是否存在損傷，示意性的，基于圖2，步驟203可以包括步驟

2031至步驟2032，如圖6，步驟如下：

[0068] 步驟2031，基于切分后的頻譜圖計算風機葉片掃風時的聲譜差異因子。[0069] 上述聲譜差異因子表示風機葉片的損傷程度，可選地，基于切分后的頻譜圖計算風機葉片掃風時的聲譜差異因子。

[0070] 可選地，切分后的頻譜圖包括切分后n個風機葉片的頻譜區(qū)域，n為正整數(shù)；示意性的，后臺服務(wù)器基于上述n個風機葉片的頻譜區(qū)域計算聲譜差異因子的示意性步驟如下：

[0071] 1)提取n個頻譜區(qū)域中的信號峰值。[0072] 2)根據(jù)n個頻譜區(qū)域的信號峰值計算聲音信號的時域因子和頻域因子。[0073] 風力發(fā)電設(shè)備上設(shè)置有m個風機葉片；可選地，后臺服務(wù)器計算聲音信號的時域因子，首先，確定出每一個風機葉片對應(yīng)的至少兩個頻譜區(qū)域的信號峰值中的中位數(shù)；其次，

從m個風機葉片對應(yīng)的m個中位數(shù)中確定出最大峰值和最小峰值；最終，將最大峰值與最小

峰值的比值確定為時域因子。

[0074] 示意性的，若m取值為3，后臺服務(wù)器選取頻譜圖中某一個頻段上的曲線計算時域因子，比如，選取圖4所示的頻譜圖41中(?0.008)?(?0.006)這一頻段上的曲線計算時域因

子；又或者是聲音信號在整個頻段上的曲線(圖中未示出)。風機葉片包括三個風機葉片，若

選取的曲線中包括了25個頻譜區(qū)域，后臺服務(wù)器在每一個頻譜區(qū)域中確定出一個信號峰

值，共25個信號峰值，其中，9個信號峰值為風機葉片A在對應(yīng)的第3m?2個頻譜區(qū)域的信號峰

值，8個信號峰值為風機葉片B在對應(yīng)的第3m?1個頻譜區(qū)域的信號峰值，8個信號峰值為風機

葉片C在對應(yīng)的第3m個頻譜區(qū)域的信號峰值；后臺服務(wù)器分別從風機葉片A、B、C的信號峰值

中確定出對應(yīng)的中位數(shù)a、b、c，從中位數(shù)a、b、c中確定出最大峰值和最小峰值，最終將最大

峰值與最小峰值的比值確定為時域因子，比如最大峰值為a，最小峰值為c，則時域因子為a/

c。

[0075] 可選地，后臺服務(wù)器計算聲音信號的頻域因子，首先，獲取每相鄰的m個頻譜區(qū)域的信號峰值中的最大峰值，將最大峰值確定為候選峰值；其次，將至少兩個候選峰值的中位

數(shù)確定為頻域因子；

[0076] 或者，后臺服務(wù)器計算切分后的頻譜圖中信號分布與理論分布之間的相對熵，即KL散度(Kullback?Leiblerdivergence)；其次，將KL散度確定為頻域因子。

[0077] 示意性的，如圖4，后臺服務(wù)器將25個頻譜區(qū)域自左至右標記為1至25，分別獲取相鄰頻譜區(qū)域1?3、2?4、3?5、……、23?25中對應(yīng)的信號峰值中的最大值，共得到23個信號峰

值，從上述23個信號峰值中確定出中位數(shù)，該中位數(shù)即為一個頻域因子。

[0078] 再有，后臺服務(wù)器計算劃分后的頻譜圖中信號分布與理論信號分布之間的KL散度，將KL散度確認為另一頻域因子。

[0079] 需要說明的是，上述頻域因子用于表示聲音信號在頻域上的分布特征，本申請中提供了上述兩種計算聲音信號在頻域上的分布特征的方法，但本申請中計算聲音信號在頻

域上的分布特征的方法不限于上述提供的兩種方法。

[0080] 3)將時域因子與頻域因子的加權(quán)平均值確定為聲譜差異因子。[0081] 示意性的，后臺服務(wù)器計算得到一個時域因子和兩個頻域因子，其次，計算一個時域因子和兩個頻域因子的加權(quán)平均值，并將上述加權(quán)平均值確定為聲譜差異因子。

[0082] 還需要說明的是，后臺服務(wù)器還通過濾波器對聲音信號進行濾波處理，得到濾波后的聲音信號，并基于濾波后的聲音信號生成頻譜圖，進而生成頻譜差異因子。

[0083] 步驟2032，判斷聲譜差異因子是否大于差異閾值。[0084] 后臺服務(wù)器中設(shè)置有差異閾值，該差異閾值用于確定風機葉片是否存在損傷。當聲譜差異因子大于差異閾值時，表示風機葉片存在損傷，執(zhí)行步驟2033；當聲譜差異因子小

于等于差異閾值時，表示風機葉片不存在損傷，返回執(zhí)行步驟201。

[0085] 步驟2033，通過損傷識別模型對切分后的頻譜圖進行圖像識別，得到風機葉片的損傷識別結(jié)果。

[0086] 綜上所述，本實施例提供的風機葉片的檢測方法，在對風機葉片的損傷類型進行識別之前，首先通過聲譜差異因子確定風機葉片是否存在損傷，當確定風機葉片確定損存

在傷時，進行損傷類型的識別，提高了損傷識別模型識別出損傷類型的概率，避免了損傷識

別模型對風機葉片的損傷類型的無效識別。

[0087] 還需要說明的是，后臺服務(wù)器中還可以設(shè)置有范圍閾值，不同的范圍閾值對應(yīng)不同的損傷程度；當聲譜差異因子大于差異閾值時，后臺服務(wù)器根據(jù)聲譜差異因子所屬的范

圍閾值確定風機葉片的損傷程度。

[0088] 示意性的，后臺服務(wù)器中設(shè)置有第一范圍閾值、第二范圍閾值、以及第三范圍閾值；當聲譜差異因子屬于第一范圍閾值時，后臺服務(wù)器確定風機葉片的損傷程度為輕；當聲

譜差異因子屬于第二范圍閾值時，后臺服務(wù)器確定風機葉片的損傷程度為中；當聲譜差異

因子屬于第三范圍閾值時，后臺服務(wù)器確定風機葉片的損傷程度為重。其中，范圍閾值中取

值均大于差異閾值。

[0089] 后臺服務(wù)器輸出風機葉片的損傷類型的同時，還輸出風機葉片的損傷程度?？蛇x地，上述輸出的損傷程度可以是由后臺服務(wù)器根據(jù)設(shè)置的損傷程度等級確定出的，或者，也

可以直接是聲譜差異因子。

[0090] 該方法可以使用戶能夠從輸出的結(jié)果中，清楚明了的獲知風機葉片的損傷程度以及損傷類型。

[0091] 還需要說明的是，后臺服務(wù)器在執(zhí)行風機葉片的檢測方法的過程中，聲音采集設(shè)備每一次采集預(yù)設(shè)時長的聲音信號，并對應(yīng)生成一個文件對上述一段時長的聲音信號進行

存儲，比如，每一個文件包括時長43秒(s)的聲音信號；當后臺服務(wù)器計算聲譜差異因子時，

后臺服務(wù)器從一個文件中獲取時長43s的聲音信號。而上述每一個文件中存儲的聲音信號

的信號質(zhì)量不同，存在一些文件，這些文件中包括的整體信號質(zhì)量差，影響聲譜差異因子的

結(jié)果，因此，在計算聲譜差異因子的過程中后臺服務(wù)器會首先判斷聲音信號的信號質(zhì)量。

[0092] 示意性的，在得到切分后的頻譜圖之后，后臺服務(wù)器基于切分后的頻譜圖判斷聲音信號的信號質(zhì)量的步驟如下：

[0093] (1)基于切分后的頻譜圖計算聲音信號的信噪比。[0094] 聲音采集設(shè)備是對風機葉片掃風時產(chǎn)生的原聲音信號進行采集，在采集過程中，原聲音信號中會混入原聲音信號中原本不存在的額外信號，即噪聲。信噪比(信噪比)即是

指采集得到的原聲音信號與噪聲的比例。在完成頻譜圖的切分后，后臺服務(wù)器基于切分后

的頻譜圖計算聲音信號的信噪比。

[0095] (2)判斷信噪比是否大于信噪比閾值。[0096] 后臺服務(wù)器中設(shè)置有信噪比閾值；后臺服務(wù)器判斷信噪比是否大于信噪比閾值；當信噪比大于信噪比閾值時，執(zhí)行步驟(3)；當信噪比小于等于信噪比閾值時，執(zhí)行步驟

(4)，同時返回執(zhí)行步驟201。

[0097] (3)根據(jù)切分后的頻譜圖計算風機葉片掃風時的聲譜差異因子。[0098] (4)確定聲音采集設(shè)備故障。[0099] 在風力發(fā)電系統(tǒng)中，是通過聲音采集設(shè)備采集風機葉片掃風時的聲音信號，而聲音采集設(shè)備的通訊狀況直接影響到采集的聲音信號的質(zhì)量，因此，后臺服務(wù)器檢測聲音采

集設(shè)備的通訊狀況。示意性的，后臺服務(wù)器通過采集的聲音信號的信號質(zhì)量來實時檢測聲

音采集設(shè)備的通訊狀況，比如，通過采集的聲音信號的信噪比或者聲音信號的有無來確定

聲音采集設(shè)備的通信狀態(tài)，當有聲音信號且聲音信號質(zhì)量高時，則表示聲音采集設(shè)備處于

健康狀態(tài)；當無聲音信號或者聲音信號差，則表示聲音采集設(shè)備處于不健康狀態(tài)，需要進行

維修，以保證獲得的聲音信號的質(zhì)量，從而能夠準確的確定出風機葉片的損傷情況。

[0100] 以基于信噪比檢測聲音采集設(shè)備的健康狀態(tài)為例，當信噪比小于等于信噪比閾值時，說明聲音采集設(shè)備采集到的聲音信號中存在大量的噪聲，聲音信號質(zhì)量差，則可以確定

聲音采集設(shè)備出現(xiàn)故障；否則，表示聲音采集設(shè)備處于健康狀態(tài)。還需要說明的是，由于一

次信噪比小于信噪比閾值存在隨機性，因此，在連續(xù)i次重新獲取聲音信號后計算得到的信

噪比確定小于信噪比閾值，則確定聲音采集設(shè)備故障，i為正整數(shù)。

[0101] 綜上所述，本實施例提供的風機葉片的檢測方法，還通過對聲音信號的質(zhì)量檢測，確保用于計算聲譜差異因子的聲音信號是高質(zhì)量的，從而確保計算得到的聲音差異因子的

正確性；其次，該方法還可以實時監(jiān)測聲音采集設(shè)備的健康狀況，使用戶在聲音采集設(shè)備出

現(xiàn)異常時可以即時知曉，從而進行維修。

[0102] 還需要說明的是，后臺服務(wù)器中還設(shè)置有警報系統(tǒng)；當后臺服務(wù)器識別得到風機葉片出現(xiàn)損傷時，后臺服務(wù)器發(fā)出警報?；蛘?，當后臺服務(wù)器確定聲音采集設(shè)備出現(xiàn)異常

時，后臺服務(wù)器發(fā)出警報。

[0103] 可選地，不同的風機葉片的損傷類型對應(yīng)不同的警報；后臺服務(wù)器根據(jù)風機葉片的損傷類型發(fā)出對應(yīng)的警報。

[0104] 該方法還在識別出風機葉片或者聲音采集設(shè)備出現(xiàn)損傷時，立即發(fā)出警報，警示用戶及時安排維修，使設(shè)備能夠及時得到修復(fù)，避免出現(xiàn)更大的損失。

[0105] 請參考圖7，示出了本申請一個示例性實施例提供的風機葉片的檢測裝置的框圖，風機葉片是風力發(fā)電設(shè)備中的葉片，風力發(fā)電設(shè)備還包括設(shè)置有聲音采集設(shè)備的塔筒；該

裝置通過軟件、硬件或者二者的結(jié)合實現(xiàn)成為服務(wù)器的部分或者全部，該裝置包括：

[0106] 采集模塊301，用于通過聲音采集設(shè)備采集風機葉片掃風時的聲音信號，聲音信號包括風機葉片掃風時位于葉片間的空氣滑動所產(chǎn)生的聲音信號；

[0107] 生成模塊302，用于根據(jù)聲音信號生成頻譜圖；[0108] 識別模塊303，用于通過損傷識別模型對頻譜圖進行圖像識別，得到風機葉片的損傷識別結(jié)果；其中，損傷識別模型是由神經(jīng)網(wǎng)絡(luò)模型訓練得到的。

[0109] 在一些實施例中，生成模塊302，包括：[0110] 提取子模塊3021，用于調(diào)用信號分析算法從聲音信號形成的時域信號圖中提取信號包絡(luò)線；

[0111] 確定子模塊3022，用于將信號包絡(luò)線中波谷所在的點在時域上的位置確定為切分點；

[0112] 生成子模塊3023，用于將聲音信號轉(zhuǎn)換為頻譜圖，按照切分點對頻譜圖進行切分，得到切分后的頻譜圖。

[0113] 在一些實施例中，識別模塊303，包括：[0114] 計算子模塊3031，用于基于切分后的頻譜圖計算風機葉片掃風時的聲譜差異因子，聲譜差異因子表示風機葉片的損傷程度；

[0115] 識別子模塊3032，用于當聲譜差異因子大于差異閾值時，通過損傷識別模型對切分后的頻譜圖進行圖像識別，得到風機葉片的損傷識別結(jié)果。

[0116] 在一些實施例中，切分后的頻譜圖包括切分后n個風機葉片的頻譜區(qū)域，n為正整數(shù)；

[0117] 計算子模塊3032，用于提取n個頻譜區(qū)域中的信號峰值；根據(jù)n個頻譜區(qū)域的信號峰值計算聲音信號的時域因子和頻域因子；將時域因子與頻域因子的加權(quán)平均值確定為聲

譜差異因子。

[0118] 在一些實施例中，風力發(fā)電設(shè)備上設(shè)置有m個風機葉片，m為正整數(shù)；[0119] 計算子模塊3032，用于確定出每一個風機葉片對應(yīng)的至少兩個頻譜區(qū)域的信號峰值中的中位數(shù)；從m個風機葉片對應(yīng)的m個中位數(shù)中確定出最大峰值和最小峰值；將最大峰

值與最小峰值的比值確定為時域因子。

[0120] 在一些實施例中，風力發(fā)電設(shè)備上設(shè)置有m個風機葉片，m為正整數(shù)；[0121] 計算子模塊3032，用于獲取每相鄰的m個頻譜區(qū)域的信號峰值中的最大峰值，將最大峰值確定為候選峰值，m為正整數(shù)；將至少兩個候選峰值的中位數(shù)確定為頻域因子；

[0122] 或者，計算切分后的頻譜圖中信號分布與理論分布之間的相對熵，將相對熵確定為頻域因子。

[0123] 在一些實施例中，計算子模塊3032，用于基于切分后的頻譜圖計算聲音信號的信噪比；當信噪比大于信噪比閾值時，執(zhí)行基于切分后的頻譜圖計算風機葉片掃風時的聲譜

差異因子的步驟；當信噪比小于信噪比閾值時，確定聲音采集設(shè)備故障。

[0124] 綜上所述，本實施例提供的風機葉片的檢測裝置，通過聲音采集設(shè)備采集風機葉片掃風時的聲音信號，生成聲音信號對應(yīng)的頻譜圖，并通過損傷識別模型對頻譜圖進行圖

像識別，從頻譜圖中識別出風機葉片的損傷識別結(jié)果，以實現(xiàn)基于頻譜圖的對風機葉片的

損傷類型的準確識別，無需人工巡檢，節(jié)省了人力資源，且能夠?qū)︼L機葉片的健康狀態(tài)進行

實時監(jiān)測。其次，該裝置基于聲音信號實現(xiàn)的風機葉片損傷識別，不依賴于任何風機運行數(shù)

據(jù)，減小了檢測風機葉片損傷時的機器運算量。

[0125] 請參考圖8，示出了本申請一個實施例提供的服務(wù)器的結(jié)構(gòu)示意圖。該服務(wù)器用于實施上述實施例中提供的風機葉片的檢測方法。具體來講：

[0126] 所述服務(wù)器400包括CPU(CentralProcessingUnit，中央處理器)401、包括RAM(RandomAccessMemory，隨機存取存儲器)402和ROM(Read?OnlyMemory，只讀存儲器)403

的系統(tǒng)存儲器404，以及連接系統(tǒng)存儲器404和中央處理單元401的系統(tǒng)總線405。所述服務(wù)

器400還包括幫助計算機內(nèi)的各個器件之間傳輸信息的基本I/O(Input/Output，輸入/輸

出)系統(tǒng)406，和用于存儲操作系統(tǒng)413、應(yīng)用程序414和其他程序模塊415的大容量存儲設(shè)備

407。

[0127] 所述基本輸入/輸出系統(tǒng)406包括有用于顯示信息的顯示器408和用于用戶輸入信息的諸如鼠標、鍵盤之類的輸入設(shè)備409。其中所述顯示器408和輸入設(shè)備409都通過連接到

系統(tǒng)總線405的輸入輸出控制器410連接到中央處理單元401。所述基本輸入/輸出系統(tǒng)406

還可以包括輸入輸出控制器410以用于接收和處理來自鍵盤、鼠標、或電子觸控筆等多個其

他設(shè)備的輸入。類似地，輸入輸出控制器410還提供輸出到顯示屏、打印機或其他類型的輸

出設(shè)備。

[0128] 所述大容量存儲設(shè)備407通過連接到系統(tǒng)總線405的大容量存儲控制器(未示出)連接到中央處理單元401。所述大容量存儲設(shè)備407及其相關(guān)聯(lián)的計算機可讀介質(zhì)為服務(wù)器

400提供非易失性存儲。也就是說，所述大容量存儲設(shè)備407可以包括諸如硬盤或者CD?ROM

(CompactDiscRead?OnlyMemory，只讀光盤)驅(qū)動器之類的計算機可讀介質(zhì)(未示出)。

[0129] 不失一般性，所述計算機可讀介質(zhì)可以包括計算機存儲介質(zhì)和通信介質(zhì)。計算機存儲介質(zhì)包括以用于存儲諸如計算機可讀指令、數(shù)據(jù)結(jié)構(gòu)、程序模塊或其他數(shù)據(jù)等信息的

任何方法或技術(shù)實現(xiàn)的易失性和非易失性、可移動和不可移動介質(zhì)。計算機存儲介質(zhì)包括

RAM、ROM、EPROM(ErasableProgrammableRead?OnlyMemory，可擦除可編程只讀存儲器)、

EEPROM(ElectricallyErasableProgrammableRead?OnlyMemory，電可擦可編程只讀存

儲器)、閃存(FlashMemory)或其他固態(tài)存儲其技術(shù)，CD?ROM、DD(Digitalersatile

Disc，數(shù)字通用光盤)或其他光學存儲、磁帶盒、磁帶、磁盤存儲或其他磁性存儲設(shè)備。當然，

本領(lǐng)域技術(shù)人員可知所述計算機存儲介質(zhì)不局限于上述幾種。上述的系統(tǒng)存儲器404和大

容量存儲設(shè)備407可以統(tǒng)稱為存儲器。

[0130] 根據(jù)本申請的各種實施例，所述服務(wù)器400還可以通過諸如因特網(wǎng)等網(wǎng)絡(luò)連接到網(wǎng)絡(luò)上的遠程計算機運行。也即服務(wù)器400可以通過連接在所述系統(tǒng)總線405上的網(wǎng)絡(luò)接口

單元411連接到網(wǎng)絡(luò)412，或者說，也可以使用網(wǎng)絡(luò)接口單元411來連接到其他類型的網(wǎng)絡(luò)或

遠程計算機系統(tǒng)(未示出)。

[0131] 上述本申請實施例序號僅僅為了描述，不代表實施例的優(yōu)劣。[0132] 本領(lǐng)域普通技術(shù)人員可以理解實現(xiàn)上述實施例的全部或部分步驟可以通過硬件來完成，也可以通過程序來指令相關(guān)的硬件完成，所述的程序可以存儲于一種計算機可讀

存儲介質(zhì)中，上述提到的存儲介質(zhì)可以是只讀存儲器，磁盤或光盤等。

[0133] 以上所述僅為本申請的可選實施例，并不用以限制本申請，凡在本申請的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本申請的保護范圍之內(nèi)。