|
|
1.
基于CWT-RES34的风电机组叶片裂纹状态评估
李练兵, , 肖亚泽, , 张萍, , 张国峰, 吴伟强, 陈程
噪声与振动控制
2024, 44 (2):
143-148.
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。
相关文章 |
多维度评价
|
|
