本发明涉及智能检测，特别是一种风力发电设备智能检测监管系统及检测方法。
背景技术：
1、随着可再生能源技术的迅速发展，风力发电作为一种重要的清洁能源，在全球范围内得到了广泛应用。传统的设备维护方式依赖于定期巡检和人工诊断，这种方式不仅效率低下，而且难以及时发现潜在故障，可能导致设备停机甚至事故。为此，智能检测和远程监控技术逐渐成为提高风力发电设备可靠性的关键技术之一。目前，智能检测和远程监控技术主要通过部署传感器网络收集设备运行数据，利用数据分析方法进行健康状况评估。这些技术涵盖了从数据采集、预处理、特征提取到故障诊断等多个环节。
2、然而，现有的技术方案仍存在诸多不足。首先，传统的数据采集系统往往侧重于单一类型的传感器数据，忽略了多模态数据的综合利用，无法全面反映设备的运行状态。其次，在数据预处理阶段，现有技术虽然能够进行基本的数据清洗和格式化，但对于复杂环境下的噪声过滤和异常值处理不够充分，导致特征提取的准确性受到影响。此外，现有的故障诊断模型大多基于固定的规则或简单的统计方法，缺乏对设备运行状态动态变化的适应能力，无法实时、准确地评估设备状态。特别是，当设备出现异常状态时，现有系统往往缺乏有效的反馈机制，难以将新的故障信息纳入模型中进行自我优化，从而限制了系统的长期可靠性和准确性。
技术实现思路
1、鉴于上述现有存在的问题，提出了本发明。
2、因此，本发明提供了一种风力发电设备智能检测监管系统及检测方法解决现有技术中数据采集不全面、预处理不充分、故障诊断模型适应性差及缺乏有效反馈机制的问题。
3、为解决上述技术问题，本发明提供如下技术方案：
4、第一方面，本发明实施例提供了一种风力发电设备智能检测监管方法，其包括，部署多模态传感器网络，收集多模态数据；子单元的控制子机接收多模态数据并进行预处理；对预处理后的多模态数据进行特征提取，并对提取的特征进行标注，区分正常运行状态与异常状态，并形成标注数据集；利用标注数据集，训练一个设备评估模型，预测设备异常状态指数，根据设备异常状态指数，评估设备状态，并动态触发报警机制；当触发报警机制时，系统将收集此次事件的相关信息，作为新的训练样本添加到原有的数据集中，优化机器学习模型。
5、作为本发明所述风力发电设备智能检测监管方法的一种优选方案，其中：所述部署多模态传感器网络，收集多模态数据，具体步骤如下，
6、在风力发电设备的关键位置，包括机舱内部、主轴和叶片部署多模态传感网络，包括发射检测器、振动传感器、风向标和风速计；
7、收集包括声发射信号、振动信号、风向和风速的多模态数据。
8、作为本发明所述风力发电设备智能检测监管方法的一种优选方案，其中：所述子单元的控制子机接收多模态数据并进行预处理，具体步骤如下，
9、子单元的控制子机通过通信接口，接收来自多模态传感网络收集的多模态数据；
10、通过去除无效数据和异常值处理度多模态数据进行清洗；
11、通过统一时间戳和数据格式化对多模态数据进行格式转换；
12、通过数字滤波器多模态数据进行噪声过滤。
13、作为本发明所述风力发电设备智能检测监管方法的一种优选方案，其中：所述对预处理后的多模态数据进行特征提取，并对提取的特征进行标注，区分正常运行状态与异常状态，并形成标注数据集，具体步骤如下，
14、使用小波变换提取声发射信号的频率分布特征，包括频率峰值和能量分布；
15、使用短时傅里叶变换提取振动信号的频域特征，包括频谱峰值和能量分布；
16、使用正弦和余弦变换提取风向的经过正弦和余弦变换后的周期性特征；
17、使用平均值和标准差处理提取风速的统计特征；
18、根据设备的历史运行记录，定义正常运行状态时的特征范围；
19、将从多模态数据中提取出特征，与正常运行状态时的特征范围进行对比，若特征超出正常范围，则标记为异常状态特征，若特征未超出正常范围，则标记为正常状态特征；
20、将标注后的数据整合成一个标注数据集。
21、作为本发明所述风力发电设备智能检测监管方法的一种优选方案，其中：所述利用标注数据集，训练一个设备评估模型，预测设备异常状态指数，具体步骤如下，
22、使用svm作为设备评估模型，并使用径向基函数核作为设备评估模型的内核函数，并基于交叉验证中的网格搜索和随机搜索，设置惩罚系数和核函数参数；
23、使用标注数据集中的数据训练设备评估模型，优化目标函数，表达式为：
24、
25、其中，w为权重系数，ξj表示数据点到决策边界的距离，c为惩罚函数，n为训练样本，j是标注数据集中数据点的索引变量，l是优化的目标函数；
26、将训练好的设备评估模型部署到风力发电设备的监控系统中，根据多模态传感网络实时收集多模态数据，预测设备异常状态指数，表达式为：
27、
28、其中，y是设备异常状态指数，αi每个支持向量对最终决策边界的影响程度，x是多模态数据的特征向量，xi表示标注数据集定义决策边界的数据点，yi是第i个支持向量的真实标签，k(x,xi)表示特征向量x与支持向量xi在高位空间中的相似度，ns是支持向量的数量，b是偏置向量，i是支持向量的索引。
29、作为本发明所述风力发电设备智能检测监管方法的一种优选方案，其中：所述根据设备异常状态指数，评估设备状态，并动态触发报警机制，具体步骤如下，
30、基于训练数据中设备正常运行状态下的评估值分布，定义一个设备状态临界值t；
31、当y＞t时，则设备被评估为异常状态，系统立即触发报警机制，通知维护人员进行检查和维修；
32、当y≤t时，则设备状态被评估为正常状态，报警机制保持静默。
33、作为本发明所述风力发电设备智能检测监管方法的一种优选方案，其中：所述当触发报警机制时，系统将收集此次事件的相关信息，作为新的训练样本添加到原有的数据集中，优化机器学习模型，具体步骤如下，
34、报警机制触发时，系统记录并收集与此次事件相关的多模态数据，包括实时采集的声发射信号、振动信号、风向和风速的多模态数据及其预处理后的特征向量；
35、对收集设备处于异常状态下的多模态数据，进行特征提取并标注为新的异常状态特征，将新的异常状态特征加入到标注数据集中，生成新的标注数据集；
36、使用新的标注数据集重新训练设备评估模型，调整惩罚系数和核函数参数，优化模型性能。
37、第二方面，本发明提供了一种风力发电设备智能检测监管系统，包括，数据采集模块，数据预处理模块，特征提取与标注模块，设备状态评估与报警触发模块，模型优化与数据更新模块；数据采集模块：用于部署多模态传感器网络，收集多模态数据；数据预处理模块：用于子单元的控制子机接收多模态数据并进行预处理；特征提取与标注模块：用于对预处理后的多模态数据进行特征提取，并对提取的特征进行标注，区分正常运行状态与异常状态，并形成标注数据集；设备状态评估与报警触发模块：用于训练一个设备评估模型，预测设备异常状态指数，根据设备异常状态指数，评估设备状态，并动态触发报警机制；模型优化与数据更新模块：用于系统将收集此次事件的相关信息，作为新的训练样本添加到原有的数据集中，优化机器学习模型。
38、第三方面，本发明实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述计算机程序被处理器执行时实现如本发明第一方面所述的风力发电设备智能检测监管方法的任一步骤。
39、第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序被处理器执行时实现如本发明第一方面所述的风力发电设备智能检测监管方法的任一步骤。
40、本发明有益效果为：通过部署多模态传感器网络并收集多模态数据，实现了设备状态的全方位监测，避免单一传感器数据的信息缺失，提高了故障检测的全面性和准确性；对预处理后的数据进行多维度特征提取和精细标注，形成了高质量的标注数据集，提高了特征的代表性，有助于建立更准确的设备评估模型；利用标注数据集训练svm模型并实时预测设备异常状态指数，实现了设备状态的实时监控与动态报警，提升了故障响应速度，减少了因设备故障造成的停机时间和经济损失。综上，该发明显著提高了风力发电设备的运行可靠性和维护效率。
1.一种风力发电设备智能检测监管方法，其特征在于：包括，
2.如权利要求1所述的风力发电设备智能检测监管方法，其特征在于：所述部署多模态传感器网络，收集多模态数据，具体步骤如下，
3.如权利要求2所述的风力发电设备智能检测监管方法，其特征在于：所述子单元的控制子机接收多模态数据并进行预处理，具体步骤如下，
4.如权利要求3所述的风力发电设备智能检测监管方法，其特征在于：所述对预处理后的多模态数据进行特征提取，并对提取的特征进行标注，区分正常运行状态与异常状态，并形成标注数据集，具体步骤如下，
5.如权利要求4所述的风力发电设备智能检测监管方法，其特征在于：所述利用标注数据集，训练一个设备评估模型，预测设备异常状态指数，具体步骤如下，
6.如权利要求5所述的风力发电设备智能检测监管方法，其特征在于：所述根据设备异常状态指数，评估设备状态，并动态触发报警机制，具体步骤如下，
7.如权利要求6所述的风力发电设备智能检测监管方法，其特征在于：所述当触发报警机制时，系统将收集此次事件的相关信息，作为新的训练样本添加到原有的数据集中，优化机器学习模型，具体步骤如下，
8.一种风力发电设备智能检测监管系统，基于权利要求1～7任一所述的风力发电设备智能检测监管方法，其特征在于：包括，数据采集模块，数据预处理模块，特征提取与标注模块，设备状态评估与报警触发模块，模型优化与数据更新模块；
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1～7任一所述的风力发电设备智能检测监管方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1～7任一所述的风力发电设备智能检测监管方法的步骤。
