噪声与振动控制

噪声与振动控制 ›› 2024, Vol. 44 ›› Issue (2): 143-148.

• 信号处理与故障诊断 • 上一篇    下一篇

基于CWT-RES34的风电机组叶片裂纹状态评估

李练兵1, 2，肖亚泽1, 2，张萍1, 2，张国峰3，吴伟强3，陈程3   

  1. （ 1. 河北工业大学省部共建电工装备可靠性与智能化国家重点实验室，天津300130；
    2. 河北工业大学电气工程学院，天津300130； 3. 河北建投海上风电有限公司，河北唐山063000 ）
  • 收稿日期:2022-09-22 修回日期:2022-12-09 出版日期:2024-04-18 发布日期:2024-04-08

State Estimation of Cracks ofWind Turbine Blades Based on CWT-RES34

  • Received:2022-09-22 Revised:2022-12-09 Online:2024-04-18 Published:2024-04-08

PDF

摘要： 为有效进行风电机组叶片运行时的裂纹状态评估，提出一种基于连续小波变换(Continue Wavelet Transform，CWT)和残差神经网络(Residual Networks，ResNet)结合的叶片裂纹状态评估方法。首先对叶片加速度振动信号做CWT后生成二维彩色时频图像，然后将图像分别作为训练集和测试集，使用34 层ResNet 进行训练和诊断，最后选取天津某风电场提供的1.5 MW风力发电机作为研究对象，根据其样本数据将叶片故障程度按照裂纹长度和宽度分为健康、轻微、中等、严重、危险5 种状态，评估平均准确率高达98.23 %，方法的有效性和可行性得到验证。

关键词: 故障诊断, 风电机组, 状态评估, 小波变换, 残差神经网络, 数据预处理