科技日报记者 王禹涵
7月，新疆哈密的戈壁滩上，阵风正以每秒12米的速度冲击着6.7兆瓦风电机组。控制台屏幕上，一组跳动的波形突然出现异常波动，红色预警瞬间亮起。30分钟后，运维人员在齿轮表面发现了针尖大小的损伤——这个传统检测手段根本无法捕捉的故障，被西安交通大学教授陈雪峰团队研发的稀疏感知诊断系统“听”出来了。
“就像在春运火车站听见一根针落地，我们造的‘听诊器’要从狂风、齿轮啮合的嘈杂声里，听出设备微弱的‘咳嗽’声。”陈雪峰说。如今，这套系统已经为上万台风机进行诊断，为我国风电装备筑起了一道安全屏障。
找到更“聪明”的诊断方法
2009年隆冬，河北省张北县的风场气温骤降至零下35摄氏度。陈雪峰踩着结冰的梯子，一步一滑地登上65米高的风机塔筒。他怀里紧紧抱着的笔记本电脑，装着当时最先进的振动检测软件。他和团队希望通过连续采集数据，找到风机故障的早期特征。
不过，刺骨的寒风给了他们沉重一击：电脑开机仅3分钟就因低温黑屏，屏幕上最后定格的杂乱波形，像一个嘲讽的问号。
“当时，我手指冻得握不住笔，心里却烧着一团火。” 陈雪峰说，他们必须找到更“聪明”的诊断方法，不能仅靠增加传感器数量提升诊断质量，而要用最高效的方式捕捉关键信号。
“传统的诊断方法需要采集所有数据才能重构信号，就像必须买一整盒拼图才能拼出完整图案。而稀疏感知方式，只要随机抽取几块关键拼图，就能通过智能算法推理出完整画面。”陈雪峰说。
按照这个思路，回到学校后，陈雪峰带领团队开始研发新算法。他们开发的算法能在变转速工况下，捕捉到复杂的振动信号，并将其“翻译”成清晰的特征图谱。此后，他们不断迭代算法，最终研发出稀疏感知诊断系统。
如今，这套系统就像24小时在岗的“医生”，已成功预警上千起故障。
课堂永远飘着“工业味”
陈雪峰的学生说，他的课堂永远飘着“工业味”：讲台边摆着按比例缩小的风机模型，实验课用的是从风场退役的齿轮零件，就连作业题都来自某风场的真实故障记录。
“有次分析叶片断裂事故，学生们通宵建模，最后发现‘元凶’竟是0.1毫米的装配偏差。”陈雪峰回忆道，那天凌晨3点，实验室依旧亮着灯，几个学生举着三维模型欢呼。“那一刻，他们终于理解了‘失之毫厘，谬以千里’的工程真谛。”
在陈雪峰开设的“网红课”——“系统工程与工程项目管理”上，每学期都有10位行业总师带着“伤疤”来讲课：某风场因传感器布局错误导致的误诊、某机型因算法缺陷错过的预警信号……
“我们的学生不仅要会写论文，而且要能解决风场里的真问题。”陈雪峰说，他常带着学生走进戈壁，让他们在零下30摄氏度的塔筒里调试设备，在大风来临前记录风机的异常振动。陈雪峰的博士生张敏为验证算法，在内蒙古风场蹲守92天，收集了3000组振动数据。
“风电装备的安全，就是新能源发展的底气。”站在风场监控大屏前，陈雪峰望着那些跳动的绿色波形，仿佛听见了无数风机在风中平稳运转的呼吸声——那是属于中国新能源的脉动，也是一位科研工作者最珍视的回响。
