|
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
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 |
计量指标
|