走访十家企业摸清痛点——“驭风先知”团队研发风机故障检测系统，让诊断效率提升数倍

　　在一所高校的创业孵化基地里，一间不到二十平方米的工作室堆满了电路板、传感器和一台小型振动测试台。墙上贴着一张手写的进度表，密密麻麻标注着“算法再调一版”“现场测试再跑一轮”“硬件再改一版”。这里是“驭风先知”团队的根据地——五名大学生在负责人郝可心的带领下，正在做一件他们认定“值得干一辈子”的事：用人工智能为风力发电机做故障检测。

　　故事要从一次实地调研说起。团队负责人郝可心第一次爬上风机机舱时，师傅指着齿轮箱说：“这东西要是坏了，吊装费就得几十万，还得停好几天电。一套进口监测系统报价够买一辆车，小风场根本用不起。”郝可心回忆，“我当时就想，能不能做一套便宜又好用的?”

　　但郝可心没有急着动手。她带着团队花了大半年时间，实地走访了十家风电相关企业——有整机厂商、有风场运营商、有第三方运维公司，也有做传统监测系统的同行。每到一处，他们都带着同一个问题：你们现在最头疼的是什么?

　　答案出乎意料地一致。一家风场运维负责人告诉他们：“系统一天弹几百条报警，真正需要处理的可能就几条，时间长了大家就麻木了，反而容易漏掉关键预警。”另一家企业反映：“故障诊断还是靠老师傅的经验，人一走，经验就带走了。”还有企业提到，不同品牌的监测系统数据格式不统一，一台风机装好几套系统，运维人员要来回切换平台。

　　十家企业走下来，团队整理出厚厚一本访谈记录，也找到了真正的切入点：不是简单地做一个“能报警”的系统，而是做一个“报得准、报得少、能落地”的系统。他们决定走一条差异化的技术路线：用深度学习算法替代人工特征工程，引入工况自适应机制降低误报率，同时把诊断模型部署在边缘计算盒中，让成本降下来、让中小风场也用得起。

　　研发过程远比想象中艰难。最大的问题是数据。风机故障样本极其稀缺，公开数据集几乎为零。团队决定自己造——在实验室搭建小型齿轮箱和轴承故障模拟平台，人为制造点蚀、磨损、断齿、不平衡等故障，硬是采集了大量振动样本。“那段时间我们几乎住在实验室，白天跑实验，晚上标数据，困了就轮班睡折叠床。”负责硬件的赵一鸣说，最崩溃的一次是连续采集几天，发现传感器安装位置有偏差，数据全部作废，只能从头再来。

　　算法攻关同样坎坷。团队尝试了七八种方案，最终锁定了一条适合边缘设备的技术路线，并创新性地引入工况自适应机制，让系统能够根据实时工况动态调整判断标准。为了把算法塞进算力有限的边缘设备，他们又花了几个月做优化，大幅缩短了系统的响应时间。

　　团队带着原型系统来到某风场进行实测。连续运行一段时间后，系统成功预警了一台机组发电机前轴承的早期故障。拆检确认轴承滚道存在轻微剥落，而当时振动烈度仍在正常范围内。现场师傅拍着郝可心的肩膀说：“你们这个系统，有点东西。”

　　目前，“驭风先知”团队已注册公司，获得了一笔天使投资，已申请多项发明专利和软件著作权。他们的产品支持Modbus和OPC UA协议，可直接接入风场现有SCADA系统，计划逐步完成更多机组的现场部署。从走访十家企业摸清痛点，到死磕三年做出产品，郝可心说：“我们不是最懂风机的，也不是最懂AI的，但我们可能是最愿意跑现场、最愿意听客户说话的。风电行业正在从‘定期修’走向‘预测修’，我们希望成为这个转变中的一块砖。”