吉林公司新能源公司基于聲紋與振動識別的風機葉片及變槳減速機智能監測預警系統研究項目公開招標，本項目已具備招標條件，現對該項目進行國內資格后審公開招標。
2.項目概況與招標范圍
2.1 項目概況、招標范圍及標段（包）劃分：本項目共劃分為一個標段；
2.1.1項目概況：
當前風電行業對葉片及變槳減速機的健康狀況評估面臨挑戰，過往主要依賴無人機巡檢、吊籃作業和人工內窺等傳統檢測方式。這些方法不僅檢測周期長、運維成本高，更關鍵的是缺乏實時監測能力，使得長期承受氣動載荷、紫外線輻射及劇烈溫差作用的葉片，其出現的裂紋、脫粘等損傷難以及時被發現。且隨著風電裝機規模擴大，設備故障攀升。基于聲紋與振動識別的風機葉片及變槳減速機智能監測預警系統研究項目，旨在應對風電裝機容量增加帶來的風電機組故障上升問題，通過研發集成聲紋與振動識別技術的智能監測裝置和軟件系統，實現對風機葉片及變槳減速機關鍵部件的實時精準感知與故障預警。項目將研究聲紋信號降噪及關鍵特征提取技術、基于聲紋與振動信號的故障識別模型，并開發適用于復雜噪聲環境下的聲紋采集及邊緣計算終端裝置，最終在通榆新茂風電場進行試點應用，以提升風電場運行的安全性和經濟性。
2.1.2招標范圍：
2.1.2.1 研究風機葉片與變槳減速機聲紋信號的降噪及關鍵特征提取技術
風電機組運行過程中受到轉速，風力，傳動鏈機組，輪轂，天氣等多種影響，偶發聲源多，噪聲種類多。研究自適應濾波、小波變換和盲源分離等技術，實現環境噪聲與設備特征聲紋的有效分離。通過時頻分析和模態分解，提取葉片與變槳減速機內部故障相關的特征頻段，提升信號信噪比，達到抑制降噪的目的。
結合風機葉片、變槳減速機的內在聲學機理，設計多域特征技術路線，基于時間序列和空間維度以及寬帶能量域時空譜分析理論，研究復雜環境中風機葉片、變槳減速機故障與特征聲紋生成機制之間的相關性，提出基于寬帶能量域時空譜的聲紋特征提取方法，顯著提升風機葉片與變槳減速機故障特征的區分性和辨識度。
2.1.2.2 研究基于聲紋與振動信號的風機葉片與變槳減速機故障識別模型
研究基于自監督學習的模型聲紋特征編碼技術，設計有效的預訓練任務，從大量未標注的聲紋數據中學習到具有高判別性的特征表示；自監督學習使得模型能夠在無監督的情況下捕捉聲紋數據的內在結構和模式。
提出一種基于聲紋與振動的風機葉片裂紋與變槳減速機故障識別技術，結合自監督學習、特征編碼和噪聲抑制等技術，形成一個高效、可靠的識別模型。通過模型微調和優化，實現對葉片內部裂紋的高靈敏度檢測和識別。
2.1.2.3 研發復雜噪聲環境下的風機葉片與變槳減速機聲紋采集及邊緣計算終端裝置
考慮風電場風大、干擾嚴重、高溫潮濕等異常氣候多變的特點，研制一套適用于風場環境的高可靠聲紋采集裝置，突破傳統設備環境適應性差的局限，有效解決惡劣環境下風機葉片與變槳減速機信號的采集難題。
針對風電場聲紋監測的實時性需求，研制高性能邊緣計算終端裝置，集成嵌入式聲信號處理與智能診斷算法。研究輕量化模型部署及低功耗設計等關鍵技術，實現風機葉片與變槳減速機聲紋數據的邊緣端實時分析與故障識別。通過優化硬件架構與算法協同，提升復雜環境下的計算效率與可靠性。
2.1.2.4 研發風機葉片與變槳減速機狀態監測預警平臺和試點應用
基于智能感知層、數據模型層、應用服務層等多層體系架構，研發一套基于聲紋與振動技術的風機葉片與變槳減速機狀態監測預警平臺，實現全天候、全方位實時分析葉片聲紋數據，變槳減速機振動數據，掌握風機運行狀態，對葉片內部早期缺陷以及變槳減速機故障情況進行預警分析及可視化呈現，并對聲音與振動采集裝置、聲音數據標注、樣本管理、數據對比分析等進行一站式管理。選取通榆新茂風電場10臺風機開展試點應用，基于現場試運行情況，進行必要的調整和優化。
2.2 其他：/
2.3 主要研究內容及預期目標：2.3.1實現關鍵部件的實時精準感知：研究風機葉片、變槳減速機聲紋信號的降噪及關鍵特征提取技術，形成自適應降噪與多域特征融合方法。
2.3.2研究基于聲紋與振動信號的風機葉片、變槳減速機故障識別模型，面向小樣本、多工況提升準確率與泛化能力（算法準確率≥95%，單樣本模型識別時間小于2秒）。
2.3.3研發復雜噪聲環境下的風機葉片、變槳減速機聲紋采集及邊緣計算終端裝置（麥克風靈敏度不低于-36dBFS，必須內置防雷模塊；邊緣計算終端須實現葉片缺陷算法與變槳減速機異常故障算法的實時分析與預警）。
2.3.4實現監測系統與風電場運維平臺的無縫融合：研發基于聲紋與振動識別技術的風機狀態監測系統，實現早期裂紋、疲勞劣化等結構性風險、變槳減速機齒輪磨損、潤滑失效、軸承損壞的實時感知，提前干預潛在故障，防止因葉片斷裂、脫落等突發事件引發的重大設備損毀和安全事故。
為運維人員提供可操作的決策依據，減少非計劃停機風險。
2.3.5形成可推廣的工程化應用模式：在通榆新茂風電場10臺風機試點應用，降低因葉片和變槳減速機問題導致的非計劃停運比例≥10%。
2.3.6基于本項目研究所獲得的相關研究成果，申請國家發明專利2項（提供受理通知書），軟件著作權 2 項；發表或錄用科技核心期刊論文1篇；提交基于聲紋與振動識別技術的風機葉片、變槳減速機狀態監測技術報告4份。開發基于聲紋與振動識別技術的風機狀態監測軟件系統1套。
2.3.7基于本項目研究所獲得的相關研究成果，取得各省、自治區、直轄市人民政府科技廳或《國家能源集團科學技術獎勵辦法》中明確的8家行業協會鑒定的國內先進及以上成果認定工作，取得科技獎勵1項，提供證書。
2.4 項目服務期：自合同簽訂之日起至 2026年12月31日。
3.投標人資格要求
3.1 資質條件和業績要求：
【1】資質要求：（1）投標人須為依法注冊的獨立法人或其他組織，須提供有效的證明文件；
（2）投標人須具有并提供有效的安全生產許可證證書。
【2】財務要求：/
【3】業績要求：2021年5月至投標截止日(以合同簽訂時間為準)，投標人須至少具有風機葉片監測系統建設或改造合同業績2份。投標人須提供能證明本次招標業績要求的合同證明掃描件，合同掃描件須至少包含：合同買賣雙方蓋章頁、合同簽訂時間和業績要求中的關鍵信息頁。
【4】信譽要求：/
【5】項目負責人的資格要求：/
【6】其他主要人員要求：投標人須提供擬任安全生產管理人員有效的安全生產考核合格證（C類）。
【7】科研設施及裝備要求：/
【8】其他要求：/
3.2 本項目不接受聯合體投標。 /
4.招標文件的獲取
招標文件開始購買時間2026-05-25 15:00:00，招標文件購買截止時間2026-06-01 16:00:00。
欲購買招標文件的投標人,請聯系辦理供應商會員事宜，成為正式供應商后根據招標公告的相應說明在線完成招標文件
的購買!為保證您能夠順利投標，具體要求及購買標書流程請聯系010-68818478
聯系人：劉靜
手機：13681557910 (微信同號)
郵箱：1490789738@qq.com
2.項目概況與招標范圍
2.1 項目概況、招標范圍及標段（包）劃分：本項目共劃分為一個標段；
2.1.1項目概況：
當前風電行業對葉片及變槳減速機的健康狀況評估面臨挑戰，過往主要依賴無人機巡檢、吊籃作業和人工內窺等傳統檢測方式。這些方法不僅檢測周期長、運維成本高，更關鍵的是缺乏實時監測能力，使得長期承受氣動載荷、紫外線輻射及劇烈溫差作用的葉片，其出現的裂紋、脫粘等損傷難以及時被發現。且隨著風電裝機規模擴大，設備故障攀升。基于聲紋與振動識別的風機葉片及變槳減速機智能監測預警系統研究項目，旨在應對風電裝機容量增加帶來的風電機組故障上升問題，通過研發集成聲紋與振動識別技術的智能監測裝置和軟件系統，實現對風機葉片及變槳減速機關鍵部件的實時精準感知與故障預警。項目將研究聲紋信號降噪及關鍵特征提取技術、基于聲紋與振動信號的故障識別模型，并開發適用于復雜噪聲環境下的聲紋采集及邊緣計算終端裝置，最終在通榆新茂風電場進行試點應用，以提升風電場運行的安全性和經濟性。
2.1.2招標范圍：
2.1.2.1 研究風機葉片與變槳減速機聲紋信號的降噪及關鍵特征提取技術
風電機組運行過程中受到轉速，風力，傳動鏈機組，輪轂，天氣等多種影響，偶發聲源多，噪聲種類多。研究自適應濾波、小波變換和盲源分離等技術，實現環境噪聲與設備特征聲紋的有效分離。通過時頻分析和模態分解，提取葉片與變槳減速機內部故障相關的特征頻段，提升信號信噪比，達到抑制降噪的目的。
結合風機葉片、變槳減速機的內在聲學機理，設計多域特征技術路線，基于時間序列和空間維度以及寬帶能量域時空譜分析理論，研究復雜環境中風機葉片、變槳減速機故障與特征聲紋生成機制之間的相關性，提出基于寬帶能量域時空譜的聲紋特征提取方法，顯著提升風機葉片與變槳減速機故障特征的區分性和辨識度。
2.1.2.2 研究基于聲紋與振動信號的風機葉片與變槳減速機故障識別模型
研究基于自監督學習的模型聲紋特征編碼技術，設計有效的預訓練任務，從大量未標注的聲紋數據中學習到具有高判別性的特征表示；自監督學習使得模型能夠在無監督的情況下捕捉聲紋數據的內在結構和模式。
提出一種基于聲紋與振動的風機葉片裂紋與變槳減速機故障識別技術，結合自監督學習、特征編碼和噪聲抑制等技術，形成一個高效、可靠的識別模型。通過模型微調和優化，實現對葉片內部裂紋的高靈敏度檢測和識別。
2.1.2.3 研發復雜噪聲環境下的風機葉片與變槳減速機聲紋采集及邊緣計算終端裝置
考慮風電場風大、干擾嚴重、高溫潮濕等異常氣候多變的特點，研制一套適用于風場環境的高可靠聲紋采集裝置，突破傳統設備環境適應性差的局限，有效解決惡劣環境下風機葉片與變槳減速機信號的采集難題。
針對風電場聲紋監測的實時性需求，研制高性能邊緣計算終端裝置，集成嵌入式聲信號處理與智能診斷算法。研究輕量化模型部署及低功耗設計等關鍵技術，實現風機葉片與變槳減速機聲紋數據的邊緣端實時分析與故障識別。通過優化硬件架構與算法協同，提升復雜環境下的計算效率與可靠性。
2.1.2.4 研發風機葉片與變槳減速機狀態監測預警平臺和試點應用
基于智能感知層、數據模型層、應用服務層等多層體系架構，研發一套基于聲紋與振動技術的風機葉片與變槳減速機狀態監測預警平臺，實現全天候、全方位實時分析葉片聲紋數據，變槳減速機振動數據，掌握風機運行狀態，對葉片內部早期缺陷以及變槳減速機故障情況進行預警分析及可視化呈現，并對聲音與振動采集裝置、聲音數據標注、樣本管理、數據對比分析等進行一站式管理。選取通榆新茂風電場10臺風機開展試點應用，基于現場試運行情況，進行必要的調整和優化。
2.2 其他：/
2.3 主要研究內容及預期目標：2.3.1實現關鍵部件的實時精準感知：研究風機葉片、變槳減速機聲紋信號的降噪及關鍵特征提取技術，形成自適應降噪與多域特征融合方法。
2.3.2研究基于聲紋與振動信號的風機葉片、變槳減速機故障識別模型，面向小樣本、多工況提升準確率與泛化能力（算法準確率≥95%，單樣本模型識別時間小于2秒）。
2.3.3研發復雜噪聲環境下的風機葉片、變槳減速機聲紋采集及邊緣計算終端裝置（麥克風靈敏度不低于-36dBFS，必須內置防雷模塊；邊緣計算終端須實現葉片缺陷算法與變槳減速機異常故障算法的實時分析與預警）。
2.3.4實現監測系統與風電場運維平臺的無縫融合：研發基于聲紋與振動識別技術的風機狀態監測系統，實現早期裂紋、疲勞劣化等結構性風險、變槳減速機齒輪磨損、潤滑失效、軸承損壞的實時感知，提前干預潛在故障，防止因葉片斷裂、脫落等突發事件引發的重大設備損毀和安全事故。
為運維人員提供可操作的決策依據，減少非計劃停機風險。
2.3.5形成可推廣的工程化應用模式：在通榆新茂風電場10臺風機試點應用，降低因葉片和變槳減速機問題導致的非計劃停運比例≥10%。
2.3.6基于本項目研究所獲得的相關研究成果，申請國家發明專利2項（提供受理通知書），軟件著作權 2 項；發表或錄用科技核心期刊論文1篇；提交基于聲紋與振動識別技術的風機葉片、變槳減速機狀態監測技術報告4份。開發基于聲紋與振動識別技術的風機狀態監測軟件系統1套。
2.3.7基于本項目研究所獲得的相關研究成果，取得各省、自治區、直轄市人民政府科技廳或《國家能源集團科學技術獎勵辦法》中明確的8家行業協會鑒定的國內先進及以上成果認定工作，取得科技獎勵1項，提供證書。
2.4 項目服務期：自合同簽訂之日起至 2026年12月31日。
3.投標人資格要求
3.1 資質條件和業績要求：
【1】資質要求：（1）投標人須為依法注冊的獨立法人或其他組織，須提供有效的證明文件；
（2）投標人須具有并提供有效的安全生產許可證證書。
【2】財務要求：/
【3】業績要求：2021年5月至投標截止日(以合同簽訂時間為準)，投標人須至少具有風機葉片監測系統建設或改造合同業績2份。投標人須提供能證明本次招標業績要求的合同證明掃描件，合同掃描件須至少包含：合同買賣雙方蓋章頁、合同簽訂時間和業績要求中的關鍵信息頁。
【4】信譽要求：/
【5】項目負責人的資格要求：/
【6】其他主要人員要求：投標人須提供擬任安全生產管理人員有效的安全生產考核合格證（C類）。
【7】科研設施及裝備要求：/
【8】其他要求：/
3.2 本項目不接受聯合體投標。 /
4.招標文件的獲取
招標文件開始購買時間2026-05-25 15:00:00，招標文件購買截止時間2026-06-01 16:00:00。
欲購買招標文件的投標人,請聯系辦理供應商會員事宜，成為正式供應商后根據招標公告的相應說明在線完成招標文件
的購買!為保證您能夠順利投標，具體要求及購買標書流程請聯系010-68818478
聯系人：劉靜
手機：13681557910 (微信同號)
郵箱：1490789738@qq.com