一种基于声学图像识别的风机叶片故障诊断方法

本发明公开了一种基于声学图像识别的风机叶片故障诊断方法，其包括布置麦克风阵列采集风机叶片的声音，并生成波束形成图；构造深度全卷积神经网络模型，将用其生成目标图；构造用于识别风机叶片故障的CNN模型，用目标图数据集训练CNN模型，得到合格的CNN模型；将实时生成的波束形成图输入深度全卷积神经网络模型生成实时目标图，将实时目标图输入CNN模型，CNN模型输出故障诊断结果。本发明结合深度学习对声学云图进行特征分析，实现风电机组运行状态的非接触式监测与故障诊断。相较于传统的风机叶片故障检测方法，该方法能够实现对指定风机运行状态的定期检测与故障预判，提高故障定位检测的准确性和便捷性。