Noise and Vibration Control ›› 2024, Vol. 44 ›› Issue (2): 143-148.

Previous Articles     Next Articles

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

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 )

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