本技术属于风电场管理，具体涉及一种基于声音识别的风机叶片健康度诊断装置及监测系统。
背景技术：
1、风电作为清洁、可再生的能源形式，正在全球范围内受到广泛关注和应用。然而，随着风电场规模的扩大和分布的广泛，一些新的挑战浮现。这包括风电场安全性、可靠性与维护、运营管理效率等方面。解决这些挑战需要持续的研究和创新，以推动风电场的可持续发展，降低对有限化石燃料的依赖，减少温室气体排放，为清洁能源的转型做出贡献。
2、在风电场管理中，安全问题至关重要。典型的风电场由多个风机组成，每个风机运行24小时不间断以发电。频繁的叶片检查可能会对发电效率产生不利影响，而不检查又会带来严重的叶片损坏和潜在的安全风险，如叶片脱落等。因此，提升风电场叶片的检查能力，以便及时发现潜在风险，已成为亟待解决的关键问题。
3、传统的风机叶片检查方法在风电场管理中存在一系列显著的不足之处，主要体现在以下方面：
4、由于传统巡检方法依赖于定期的人工视觉检查，其缺点在于缺乏实时性，这意味着它们可能无法及时发现叶片健康问题，导致潜在风险没有被及早识别，其次还涉及到巡检员登上风机塔架进行视觉检查，这不仅费时费力，还存在着潜在的安全风险，尤其是在高塔架上进行检查可能对巡检员构成危险，传统方法通常是定期进行的，这意味着它们可能会错过风机叶片在巡检周期之外出现的问题，从而可能导致潜在的故障未被及时发现。此外，传统方法涉及高维护成本，包括人力成本和设备成本，这可能增加了风电场的总体运营成本。
5、现有的传感器监测系统通常需要添加昂贵的传感设备，这会增加风电场的总成本。此外，这些设备暴露在高空中，容易受到恶劣天气的不利影响，可能导致设备失效和准确性下降。
6、现有的数据分析方法虽然可以分析传感器所收集的数据，但其精度有待进一步提高。这可能导致健康问题的诊断不够准确，也无法完全确定问题的根本原因。
7、人工巡检和某些数据分析方法可能受到主观因素的影响，不同巡检员或分析师可能得出不同的结论，降低了诊断的客观性。
8、传统方法和一些传感器监测系统需要高昂的维护成本，包括人力和设备维护，增加了风电场的运营成本。
9、鉴于上述因素，特别设计一种基于声音识别的风机叶片健康度诊断装置及监测系统，提高了检测效率、降低了维护成本，并为大规模风电场的可持续运营提供了有力支持。
技术实现思路
1、本实用新型的目的在于提供一种基于声音识别的风机叶片健康度诊断装置及监测系统，以解决上述背景技术中提出的问题。
2、本实用新型的目的是通过下述技术方案予以实现：一种基于声音识别的风机叶片健康度诊断装置，包括声音采集装置，所述声音采集装置通过由钢结构桁架制成的支架安装在每台风机下方，通过声音采集装置获取风机叶片产生的声音信号；
3、所述声音采集装置包括麦克风及声音处理单元，麦克风与声音处理单元通过连接线缆电性连接，所述声音采集装置通过无线方式与监控平台连接。
4、进一步地，所述声音采集装置还包括微处理器，微处理器采用am3352bzcz 80系列处理器，其中，微处理器上搭载有python模块进行小波分析，频率谱分析。
5、进一步地，所述声音采集装置获取风机叶片产生的声音信号经过小波处理分析捕捉叶片声音的频谱特征。
6、进一步地，所述麦克风位于所述声音采集装置的前部，靠近风机叶片，所述麦克风声音信号传输给声音处理单元。
7、进一步地，所述声音处理单元型号为tlv320aic23芯片，所述声音处理单元型号为tlv320aic23芯片与微处理器之间电性连接，其中,微处理器通过连接线缆与4g模块连接实现声音采集装置与监控平台的稳定连接。
8、进一步地，所述4g模块固定于所述声音采集装置的上方，且4g模块安装于固定盒内与所述声音采集装置螺栓连接。
9、进一步地，所述4g模块包括天线，所述天线用于接收和发送4g信号，所述声音采集装置与监控平台稳定连接，其中，4g模块的处理芯片采用qca9531系列芯片。
10、进一步地，所述微处理器上搭载有python模块对所述声音处理单元采集的声音信号进行健康度分类，基于python模块的频谱分析的结果，对风机叶片的健康度进行分类。
11、进一步地，基于python模块分析得到的频谱特征，将叶片的健康状态划分为健康、亚健康和故障三类，以进行后续的监测和维护。
12、一种基于声音识别的风机叶片健康度诊断监测系统，包括声音采集装置，所述声音采集装置通过4g模块与监控平台电性连接，通过声音采集装置实时监测风机叶片的声音信号，在24小时内对叶片健康状态进行不间断诊断。
13、与现有技术相比，本实用新型的有益效果：
14、本实用新型通过声音采集装置，允许风机叶片的声音被实时监测和分析。使得能够以一种非侵入性的方式来识别叶片的健康状况，而无需添加昂贵的传感器设备，降低了成本，提高了实时性。
15、本实用新型采用小波分析(频谱分析)来处理叶片声音数据。这种分析方法允许精确捕获声音特征，从而帮助诊断叶片的健康状况，以及将问题分类为健康、亚健康或故障。
16、本实用新型通过4g模块实现了实时监测和远程通信功能。这意味着风机叶片的声音数据可以在实时传输到监控平台或发送到相关人员的手机上，以便及时采取行动。
17、本实用新型的声音识别技术可以提供全面的健康度诊断，确保叶片的健康状态得到准确监测，问题能够被及早发现和处理，从而减少潜在的故障风险。
18、本实用新型通过提供实时监测和非侵入性的健康度诊断，本实用新型有望降低维护成本，减少人员登高检查的风险，实现风机叶片健康度的实时监测。
19、本实用新型的目的是提供一种更经济、成本效益更高的监测方法，以实现实时监测风机叶片的健康状况，同时避免添加昂贵传感设备，降低维护成本。
20、本实用新型通过声音采集装置实现更准确的叶片健康度诊断。
21、本实用新型基于声音识别能够连续、实时地监测风机叶片的声音特征，能够及时发现叶片的异常声音，从而识别潜在的问题。由于其实时性，有助于提高风机的安全性，并避免了长时间的停机，提供客观的数据和分析结果，减少了人为主观因素的干扰，从而提高了检测的准确性，提高了叶片健康度诊断的客观性和可靠性。
1.一种基于声音识别的风机叶片健康度诊断装置，其特征在于：包括声音采集装置(1)，所述声音采集装置(1)通过由钢结构桁架制成的支架安装在每台风机下方，通过声音采集装置(1)获取风机叶片产生的声音信号；
2.根据权利要求1所述的基于声音识别的风机叶片健康度诊断装置，其特征在于：所述声音采集装置(1)还包括微处理器(1-3)，微处理器(1-3)采用am3352bzcz80系列处理器，其中，微处理器(1-3)上搭载有python模块进行小波分析、频率谱分析。
3.根据权利要求1所述的基于声音识别的风机叶片健康度诊断装置，其特征在于：所述声音采集装置(1)获取风机叶片产生的声音信号经过小波处理分析捕捉叶片声音的频谱特征。
4.根据权利要求3所述的基于声音识别的风机叶片健康度诊断装置，其特征在于：所述麦克风(1-1)位于所述声音采集装置(1)的前部，靠近风机叶片，所述麦克风(1-1)声音信号传输给声音处理单元(1-2)。
5.根据权利要求4所述的基于声音识别的风机叶片健康度诊断装置，其特征在于：所述声音处理单元(1-2)型号为tlv320aic23芯片，所述声音处理单元(1-2)型号为tlv320aic23芯片与微处理器(1-3)之间电性连接，其中,微处理器(1-3)通过连接线缆与4g模块(3)连接实现声音采集装置(1)与监控平台(2)的稳定连接。
6.根据权利要求5所述的基于声音识别的风机叶片健康度诊断装置，其特征在于：所述4g模块(3)固定于所述声音采集装置(1)的上方，且4g模块(3)安装于固定盒内与所述声音采集装置(1)螺栓连接。
7.根据权利要求6所述的基于声音识别的风机叶片健康度诊断装置，其特征在于：所述4g模块(3)包括天线(4)，所述天线(4)用于接收和发送4g信号，所述声音采集装置(1)与监控平台(2)稳定连接，其中，4g模块(3)的处理芯片采用qca9531系列芯片。
8.根据权利要求7所述的基于声音识别的风机叶片健康度诊断装置，其特征在于：所述微处理器(1-3)上搭载有python模块对所述声音处理单元(1-2)采集的声音信号进行健康度分类，基于python模块的频谱分析的结果，对风机叶片的健康度进行分类。
9.根据权利要求8所述的基于声音识别的风机叶片健康度诊断装置，其特征在于：基于python模块分析得到的频谱特征，将叶片的健康状态划分为健康、亚健康和故障三类，以进行后续的监测和维护。
10.一种根据权利要求1-9任意一项所述的基于声音识别的风机叶片健康度诊断监测系统，其特征在于：包括声音采集装置(1)，所述声音采集装置(1)通过4g模块与监控平台(2)电性连接，通过声音采集装置(1)实时监测风机叶片的声音信号，在24小时内对叶片健康状态进行不间断诊断。
