论文部分内容阅读
随着能源危机以及大气污染的加重，清洁能源的应用越来越得到广泛的关注。风能作为一种清洁能源，风机装机量也在日益增加。风电机组具有故障率较高，故障停机时间长的特点。在风电机组的各个部件中，风机叶片长期处于高空中，与空气发生作用的时间最长，极易出现裂纹等细小的缺陷，不易检测。
首先本文通过对相关文献的研究，对国内外对风机叶片的主要检测手段进行了总结与讨论。目前国内外的检测方法以接触式检测为主，主要有振动信号检测法、声发射检测法、热成像法、X射线法等。目前主流的方法主要是静态检测，很难在风机叶片工作过程中进行监测。
第二，本文利用风机叶片与空气作用产生的音频信号作为判断风机叶片是否有缺陷的的基础。目前，利用音频信号进行风机叶片缺陷分析的相关研究较少。相比于其他检测手段，利用风机叶片的音频信号可以实现叶片缺陷的非接触式检测以及实时监测。通过文献的阅读，对风机叶片发出的气动噪声做了分类和总结，明确了其中占主要成分的有效信号。
第三，各类时频分析方法对风机叶片产生的音频信号的处理具有性能差异，本文利用模拟实验分析了各种方法在针对风机叶片音频信号的适用性和缺陷。由于风机叶片与空气作用情况复杂，因此采集到的噪声信号具有复杂性，属于非平稳信号。实验证明，傅里叶变换只适用于平稳信号；小波变换在噪声较强烈时性能较差，且小波基函数选取困难；EMD分解容易产生模态混叠以及端点效应现象。
第四，采用了VMD变分模态分解对噪声信号进行分解，有效避免了传统EMD分解产生的模态混叠和端点效应。按照分量的能量尺度进行排序，利用改进后的连续均方误差算法对分解后的各个模态函数分量进行筛选和重构，达到降噪的目的。通过两种算法的结合，与传统的经验模态分解相比，可以有效的提高模态函数的有效性。
最后，针对降噪后信号，计算各个模态函数的能量熵值，搭建了BP神经网络的三层结构。利用能量熵值作为神经网络的输入，根据已知的训练样本和测试样本，对叶片是否具有缺陷进行判别。实验证明，该方法效果较为明显。相比于传统的去噪方法，本文所实验的方法能够有效的提高缺陷的识别率。
首先本文通过对相关文献的研究，对国内外对风机叶片的主要检测手段进行了总结与讨论。目前国内外的检测方法以接触式检测为主，主要有振动信号检测法、声发射检测法、热成像法、X射线法等。目前主流的方法主要是静态检测，很难在风机叶片工作过程中进行监测。
第二，本文利用风机叶片与空气作用产生的音频信号作为判断风机叶片是否有缺陷的的基础。目前，利用音频信号进行风机叶片缺陷分析的相关研究较少。相比于其他检测手段，利用风机叶片的音频信号可以实现叶片缺陷的非接触式检测以及实时监测。通过文献的阅读，对风机叶片发出的气动噪声做了分类和总结，明确了其中占主要成分的有效信号。
第三，各类时频分析方法对风机叶片产生的音频信号的处理具有性能差异，本文利用模拟实验分析了各种方法在针对风机叶片音频信号的适用性和缺陷。由于风机叶片与空气作用情况复杂，因此采集到的噪声信号具有复杂性，属于非平稳信号。实验证明，傅里叶变换只适用于平稳信号；小波变换在噪声较强烈时性能较差，且小波基函数选取困难；EMD分解容易产生模态混叠以及端点效应现象。
第四，采用了VMD变分模态分解对噪声信号进行分解，有效避免了传统EMD分解产生的模态混叠和端点效应。按照分量的能量尺度进行排序，利用改进后的连续均方误差算法对分解后的各个模态函数分量进行筛选和重构，达到降噪的目的。通过两种算法的结合，与传统的经验模态分解相比，可以有效的提高模态函数的有效性。
最后，针对降噪后信号，计算各个模态函数的能量熵值，搭建了BP神经网络的三层结构。利用能量熵值作为神经网络的输入，根据已知的训练样本和测试样本，对叶片是否具有缺陷进行判别。实验证明，该方法效果较为明显。相比于传统的去噪方法，本文所实验的方法能够有效的提高缺陷的识别率。