风力发电机的叶片检测方法与装置制造方法及图纸

本发明专利技术提供一种风力发电机的叶片检测方法与装置，该方法包括通过一麦克风取得风力发电机运转时的一运转声音；将该运转声音转换为一时频频谱；将该时频频谱对时间积分以产生一边际频谱；以及根据该边际频谱与一参考曲线，判断风力发电机的叶片是否有损伤。

【技术实现步骤摘要】

本专利技术提供一种风力发电机的叶片诊断方法，特别是一种可在风力发电机运转时的叶片诊断方法。
技术介绍
风能是因为风力流动所产生的能量，风力发电则是利用特殊的发电装置将风能转换为电能。因为风能是干净、可再生且丰富的能量，且风力发电的过程不会排放温室效应气体，风力发电已经逐渐成为替代使用化石燃料发电的一种新选择。风力发电装置主要包含了多个叶片的一风力叶片机构，传动机构以及发电装置。当风力驱动风力叶片机构时，风力叶片机构因此转动而产生机械能，这些机械能通过传动机构传送给发电装置，发电装置通过电磁作用将机械能转换电能。而产生的电能会被储存在一电池或是输入到一供电网络。风力发电机的叶片是由复合材料所形成，可以用以承受风力发电机的叶片旋转时承受的压力。在一些情况下，风力发电机的叶片在制造过程中会产生暇疵，而这种暇疵会造成风力发电机的叶片在运转时无法承受过度的压力。另外的情况下，风力发电机的叶片的暇疵是因为长期运作时所产生叶片疲劳。在另外的情况下，风力发电机的叶片的暇疵是因为运转时，叶片受到异物撞击，如砂石，所产生。一般来说，风力发电机的建置成本很高，而且建置好了以后，不方便任意拆卸检查。而目前的风力发电机监控装置，主要是监控风力发电装置的转速、风速以及发电量。然而，当上述三项数据发生异常时，风力发电装置通常已经损伤的严重，而必需要停机维修。目前并没有专门的监控装置监控风力发电机的叶片的使用状态，而传统的风力发电机的叶片检测方法必须将叶片拆下后，再通过超音波检测仪进行检测。这样的检测方式并不方便而且费时。
技术实现思路
本专利技术提供一种风力发电机的叶片诊断方法，特别是一种可在风力发电机运转时的叶片诊断方法。本专利技术的一实施例提供一种风力发电机的叶片检测方法，包括通过一麦克风取得风力发电机运转时的一运转声音；将该运转声音转换为一时频频谱；将该时频频谱对时间积分以产生一边际频谱；以及根据该边际频谱与一参考曲线，判断风力发电机的叶片是否有损伤。本专利技术的另一实施例为一种风力发电机的叶片监控装置，包括一麦克风、一诊断装置以及一诊断输出装置。麦克风，用以接收取得风力发电机运转时的一运转声音。诊断装置，将该运转声音转换为一时频频谱，接着将该时频频谱对时间积分以产生一边际频谱，并根据该边际频谱与一参考曲线，判断风力发电机的叶片是否有损伤。诊断输出装置，用以输出该诊断装置的诊断结果。附图说明图1为一正常的风力发电机与具有损伤叶片的风力发电机的时域(timedomain)与时频域(time-frequencydomain)的比较示意图。图2A为正常的风力发电机的时频频谱图。图2B为叶片受损的风力发电机的时频频谱图。图3为根据本专利技术的一种风力发电机的叶片检测方法的一实施例的流程图。图4为根据本专利技术的一种风力发电机的参考曲线产生方法的一实施例的流程图。图5为一参考曲线与边际频谱的示意图。图6为一正常风力发电机于一预定期间内的指标值的变化示意图。图7为一待测风力发电机于一预定期间内的指标值的变化示意图。图8为根据本专利技术的一风力发电机的叶片检测方法的另一实施例的流程图。图9为根据本专利技术的一风力发电机的叶片检测方法的另一实施例的流程图。图10为根据本专利技术的一风力发电机的叶片监控装置的一实施例的示意图。附图标记说明：1001～麦克风1002～诊断装置1003～诊断输出装置1004～储存装置1005～运算装置1006～同步装置具体实施方式风力发电机的一个主要部分就是叶片，而一般的风力发电机的叶片数量是3片，但是本案提出的风力发电机的叶片诊断方法可适用在具有任何数量叶片的风力发电机。传统的风力发电机的叶片检测方法必须先停止风力发电机的运作才能进行检测风力发电机的叶片，但是本案提出的风力发电机的叶片诊断方法可在风力发电机运作时，检测风力发电机的叶片。图1为一正常的风力发电机与具有损伤叶片的风力发电机的时域(timedomain)与时频域(time-frequencydomain)的比较示意图。左边区域11表示具有损伤叶片的风力发电机的时域图(上方黑色曲线)与时频域图(下方以红色表示的为能量示意图)。右边区域13表示正常的风力发电机的时域图(上方黑色曲线)与时频域图(下方以红色表示的为能量示意图)。在时域的部分，正常的风力发电机与具有损伤叶片的风力发电机的时域图并无法观察出明显的差异，但是在时频域的部分，正常的风力发电机与具有损伤叶片的风力发电机的时频域图就有明显不同。在线框15中，可以明显发现具有损伤叶片的风力发电机的时频域图明显有三个峰值(peak)，但在线框17中，只能发现模糊的峰值。线框19则是指出一个应当存在但几乎消失的峰值。因此在区域13中可以发现正常的风力发电机并不会出现如线框15中的明显峰值。因此，通过观察风力发电机的时频域图是可以有机会判断风力发电机的叶片是否有损伤。本案提出的风力发电机叶片诊断方法即是基于此一现像所发展出的技术。一般来说，风力发电机的叶片受损的话，会产生一高频噪声，高频噪声的频率范围为4000Hz与12800Hz之间。因此，我们专注时频频谱图中，频率范围为4000Hz与12800Hz之间的部分。请参考图2A与图2B的说明。在图2A与图2B中，颜色可表示为对应频率的能量的强度。颜色越接近红色表示对应该频率的声音能量越大，颜色越接近蓝色表示对应该频率的声音能量越小。图2A为正常的风力发电机的时频频谱图。图2B为叶片受损的风力发电机的时频频谱图。在图2A中，时频域图并没有出现显著的频率的能量增加。但是在图2B中，如红框21所示的部分，在该时间点时，声音的能量非常大，而这也就表示风力发电机的叶片是可能有损伤的。因此，通过风力发电机的时频域图是可以用来判断风力发电机的叶片是否有损伤。图3为根据本专利技术的一种风力发电机的叶片检测方法的一实施例的流程图。在步骤S31中，通过一麦克风取得风力发电机运转时的一运转声音。在步骤S32中，通过一电子装置将对该运转声音进行一短时距傅立叶变换(short-timeFouriertransform)以得到对应该运转声音的一时频频谱(time-frequencyspectrum)。本实施例是以短时距傅立叶变换为例说明，但时频频谱也可以其他方式得到，如小波转换(wavelettransform)或是希尔伯特-黄转换(Hilbert-Huangtransform)。接着，在步骤S33中，通过一处理器或一电子装置将该时频频谱对时间积分以产生一边际频谱。边际频谱是一种强度对频率(magnitudeversusfrequency)的示意图。边际频谱提供了每一个频率值所贡献的一总强度或总能源(totalamplitudeorenergy)。在步骤S34中，处理器或电子装置根据该边际频谱与一参考曲线，判断风力发电机的叶片是否有损伤。在一实施例中，处理器或电子装置根据该边际频谱与一参考曲线计算一指标(index)，并根据该指标判断风力发电机的叶片是否有损伤。在图3的流程中提到的参考曲线是根据风力发电机正常运转时的正常运转声音所产生。在一般的情况下，风力发电机运转时的声音会因为风力发电机设置的位置而有差异，因此在本案中，参考曲线是仅适用于单一风力发电机。换句话来说，每一台风力发电机都有其特定的参考曲线。在另一实施例本文档来自技高网...

【技术保护点】
一种风力发电机的叶片检测方法，其特征在于，包括：通过一麦克风取得风力发电机运转时的一运转声音；将该运转声音转换为一时频频谱；将该时频频谱对时间积分以产生一边际频谱；以及根据该边际频谱与一参考曲线，判断风力发电机的叶片是否有损伤。

【技术特征摘要】
2016.02.04 TW 105103697;2015.08.21 US 62/208,0211.一种风力发电机的叶片检测方法，其特征在于，包括：通过一麦克风取得风力发电机运转时的一运转声音；将该运转声音转换为一时频频谱；将该时频频谱对时间积分以产生一边际频谱；以及根据该边际频谱与一参考曲线，判断风力发电机的叶片是否有损伤。2.如权利要求1所述的风力发电机的叶片检测方法，其中该参考曲线为该风力发电机的制造商所提供。3.如权利要求1所述的风力发电机的叶片检测方法，其中该参考曲线依据下列步骤产生：通过该麦克风取得该风力发电机正常运转时的至少一正常运转声音；将该正常运转声音转换为一初始时频频谱；将该初始时频频谱对时间积分以产生一初始边际频谱；以及根据该初始边际频谱内的多笔数据求得一最佳近似曲线作为该风力发电机的该参考曲线。4.如权利要求3所述的风力发电机的叶片检测方法，其中判断该风力发电机的叶片是否有损伤的步骤还包括：根据该初始边际频谱与该参考曲线计算一第一差方和；根据该边际频谱与该参考曲线计算一第二差方和；根据该第一差方和与该第二差方和计算一指标值；以及根据该指标值判断该风力发电机的叶片是否有损伤。5.如权利要求4所述的风力发电机的叶片检测方法，还包括：根据多个该风力发电机正常运转时的正常运转声音求得一指标值临界值；以及当该指标值大于该指标值...

【专利技术属性】
技术研发人员：王昭男，蔡进发，陈一成，汤耀期，秦正宇，
申请(专利权)人：王昭男，蔡进发，陈一成，汤耀期，秦正宇，
类型：发明
国别省市：中国台湾;71