首页 > 学术论文

基于谐波小波和支持向量机的风电叶片损伤识别研究

来源:论文学术网
时间:2024-08-18 18:49:39
热度:

基于谐波小波和支持向量机的风电叶片损伤识别研究【摘要】:叶片是风力发电机的关键部件之一,对叶片损伤的研究越来越受到该领域研究人员的关注。由于叶片的结构巨大、形状不规则、材料铺层复杂

【摘要】:叶片是风力发电机的关键部件之一,对叶片损伤的研究越来越受到该领域研究人员的关注。由于叶片的结构巨大、形状不规则、材料铺层复杂并且长期工作在恶劣的环境下,所以当前需要解决的难题是如何实现叶片的健康监测。目前常用的监测手段是通过监测其模态来判断叶片的损伤状况,但该方法的缺点是敏感度低,而且一直未能得到有效地解决。针对这一问题,本文提出利用声发射技术对风电叶片损伤状况进行检测,并应用SVM(Support Vector Machine,支持向量机)对叶片的两类损伤模式进行识别。 由于叶片在受到外力破坏时会引起材料内部应变从而产生声发射信号,通过对声发射信号进行采集和分析,能够实现对声发射信号源的识别。首先接通声发射传感器、信号放大器、数据采集卡和计算机等设备,搭建声发射信号采集实验平台,用耦合剂将声发射传感器固定在叶片上。然后人工对静态的单个叶片进行加载,模拟叶片的裂纹扩展和边缘破损两类损伤,并采集损伤时的声发射信号。 采集到信号后,分别利用谐波小波包和db10小波包对声发射信号进行4层分解并计算信号的各频段能量值,将所得能量值进行归一化处理后,所得数据作为特征向量,采用SVM对特征向量进行训练学习,建立叶片损伤识别模型。在进行叶片的损伤识别时,对两种小波包的特征提取效果进行了比较,仿真结果表明,采用谐波小波包和SVM结合的方法可以获得良好的识别效果。该方法能够有效地识别不同类型的损伤,有助于发现叶片初期损伤,使叶片可以得到及时地维护,防止损伤的进一步扩展。 【关键词】:风电叶片 损伤识别 声发射 谐波小波包 SVM
【学位授予单位】:兰州交通大学
【学位级别】:硕士
【学位授予年份】:2014
【分类号】:TM315
【目录】:
  • 摘要4-5
  • Abstract5-6
  • 目录6-8
  • 1 绪论8-11
  • 1.1 论文的研究背景及意义8-9
  • 1.2 国内外研究现状9-10
  • 1.2.1 国外研究现状9
  • 1.2.2 国内研究现状9-10
  • 1.3 论文的主要研究内容10-11
  • 2 风电叶片损伤的声发射检测11-17
  • 2.1 风电叶片常见损伤类型11-12
  • 2.1.1 裂纹与开裂11
  • 2.1.2 表面磨损11
  • 2.1.3 表面脱落与砂眼11-12
  • 2.2 叶片损伤识别的常用方法12-13
  • 2.2.1 超声波检测技术12
  • 2.2.2 红外热成像检测技术12
  • 2.2.3 声发射检测技术12-13
  • 2.3 叶片损伤的声发射检测技术13-17
  • 2.3.1 声发射信号的产生13
  • 2.3.2 声发射信号的特点13-14
  • 2.3.3 声发射信号处理方法14-15
  • 2.3.4 风电叶片现有监测手段的不足15-16
  • 2.3.5 声发射检测技术的优势及可行性16-17
  • 3 风电叶片损伤识别模型17-32
  • 3.1 小波分析理论17-21
  • 3.1.1 小波分析17-19
  • 3.1.2 小波包分析19-21
  • 3.2 谐波小波理论21-23
  • 3.2.1 谐波小波变换21-22
  • 3.2.2 谐波小波包22-23
  • 3.3 SVM23-30
  • 3.3.1 统计学习基本理论23-25
  • 3.3.2 SVM 基本思想25-28
  • 3.3.3 核函数28-29
  • 3.3.4 SVM 的分类算法29-30
  • 3.3.5 LIBSVM30
  • 3.4 信号的特征选择与特征提取理论30-32
  • 3.4.1 特征选择与特征提取30-31
  • 3.4.2 特征选择和提取的目的31-32
  • 4 风电叶片损伤信号采集实验32-36
  • 4.1 实验设备32-34
  • 4.2 实验方案设计34-36
  • 5 风电叶片损伤识别研究36-46
  • 5.1 频带分析技术36
  • 5.2 特征向量提取36-38
  • 5.3 小波包特征提取结果38-42
  • 5.3.1 db10 小波包特征提取结果38-40
  • 5.3.2 谐波小波包特征提取结果40-42
  • 5.4 基于 LIBSVM 叶片损伤识别42-46
  • 5.4.1 建立叶片损伤识别模型42
  • 5.4.2 基于 db10 小波包和 SVM 的叶片损伤识别结果42-44
  • 5.4.3 基于谐波小波包和 SVM 的叶片损伤识别结果44-46
  • 结论46-48
  • 致谢48-49
  • 参考文献49-51
  • 攻读学位期间的研究成果51


您可以在本站搜索以下学术论文文献来了解更多相关内容

风力机叶片的红外热成像无损检测的数值研究    肖劲松;严天鹏;

国外风力发电机的现状及前景展望    赵炜;李涛;

我国风电市场机遇和兆瓦级玻璃钢风机叶片    赵鸿汉;赵珏;钟方国;

基于小波分析和支持向量机的旋转机械故障诊断方法    何学文;孙林;付静;

风力发电设备雷害的状况及对策    杨钦慧;

基于支持向量机的直升机旋翼系统故障诊断    刘红梅;吕琛;侯文魁;王少萍;

最小二乘支持向量机算法研究    朱家元;陈开陶;张恒喜;

基于声发射和神经网络的风机叶片裂纹识别研究    曲弋;陈长征;周昊;周勃;

应用谐波小波包提取转子故障特征方法    王冬云;张建刚;秦红义;张文志;

风电叶片复合材料结构缺陷无损检测研究进展    周伟;张洪波;马力辉;张万岭;

注塑机曲肘式合模机构弹性振动的研究    陈学锋;瞿金平;

环氧树脂拉伸损伤过程的声发射特性研究    王从科;李金鹿;李根臣;张霞;赵付宝;张永侠;李茂东;

PE纤维胶丝束拉伸损伤过程的声发射特性研究    王从科;李金鹿;张霞;赵付宝;杨雪艳;张吉雷;

EVAC拉伸损伤过程的声发射特性研究    王从科;张霞;吕秀莲;凡丽梅;

风电叶片复合材料压缩损伤破坏声发射监测    周伟;张晓霞;韦子辉;钟旸;

小波分析与神经网络在结构多处损伤监测中的应用    陈文元;李雪梅;迟晓梅;

基于径向基函数神经网络的高层建筑结构选型    王全凤;郑浩;

基于小波包变换的地铁远方短路电流分析    谢晓娣

基于小波变换的汽车齿轮箱振动信号故障分析    李素云;张德祥;

遮挡情况下运动目标的跟踪    张根耀,李竹林,赵宗涛

An effective procedure exploiting unlabeled data to build monitoring system    

电磁声发射技术在地雷等金属壳体爆炸物的结构安全检测中的应用分析    李红军;马超;

A Novel Kernel PCA Support Vector Machine Algorithm with Feature Transition Function    

A Novel Proximal Support Vector Machine and Its Application in Radar Target Recognition    

候选字静态生成技术及其在两级LDA汉字识别中的应用    刘志斌;金连文;

基于AdaBoost的手写体汉字相似字符识别    张彬;金连文;

支持向量机在齿轮智能故障诊断中的应用研究    吕蓬;柳亦兵;马强;魏于凡;

基于支持向量机的电力电子电路故障诊断    梁禹;王义刚;王娜;

Fault Pattern Recognition of Rolling Bearings based on Wavelet Packet and Support Vector Machine    

人机系统操作员功能状态的模糊聚类方法    刘华;张建华;王娆芬;王行愚;

基于内容的医学图像检索及语义建模关键技术研究    梁洪

图像分类任务的关键技术研究    任桢

基于统计学习理论的分类方法研究    殷志伟

引线键合视觉检测关键技术研究    孔凡芝

基于生物形态学的赤潮藻显微图像分割与特征提取研究    乔小燕

荧光分子断层图像的重建技术研究    邹玮

柔性坐标测量机空间误差模型及最佳测量区研究    郑大腾

新疆汉族、维吾尔族及哈萨克族食管癌血清蛋白质指纹图谱研究    张昌明

基于群体智能的机器视觉的关键技术研究    陈志国

基于统计学习的模式识别几个问题及其应用研究    王晓明

拟概率空间上等均值噪声下统计学习理论的理论基础    杜二玲

一种基于聚类的支持向量机反问题求解算法    朱杰

白细胞图像语义识别分类的研究    廖甜甜

基于振动波的高速公路车辆行驶状态辨识理论研究    黄正荣

人机划拳系统的实现    刘棉

颅骨三维重建与信息提取    刘桂珍

基于SVM的多类文本分类研究    李金华

空间三维信息重构与飞行器路径规划    张海峰

基于小波变换理论与比值分析法的变压器励磁涌流识别的研究    杨焱麟

基于支持向量机的人民币序列号识别方法的研究    田文娟

风力机叶片的红外热成像无损检测的数值研究    肖劲松;严天鹏;

基于控制图和神经网络的印刷过程质量智能监控技术    初红艳;李鹏;蔡力钢;

大型风力机复合材料叶片技术及进展    陈宗来,陈余岳

小波包神经网络在轴承故障模式识别中的应用    王国栋;张建宇;高立新;胥永刚;张雪松;

基于区间的小波包振动信号特征提取方法研究    黄强,刘永长,叶晓明

小波包分析在汽轮机故障诊断中的应用    许焕新,田沛,许小刚

小型垂直轴风力发电机在国外的新发展    杨慧杰;杨文通;

小波包分解在发电机组转子振动故障诊断中的应用研究    刘明利;傅行军;李艳;

基于小波分析技术的通风机振动故障诊断研究    陈长征,杨璐

发动机异响的特性分析及其故障诊断    宋立中

非平稳非高斯信号特征提取与故障诊断技术研究    郑海波

基于人工神经网络的汽车声品质评价与应用研究    孙强

声发射技术在滚动轴承故障诊断中的应用    张新明

无自由边弹性薄板的损伤识别研究    黄蔚,刘迎曦

桥梁损伤识别的小波空间变换及基函数选取的理论探讨    薛祥,霍达,滕海文

多尺度结构动力方程及其在损伤识别中的应用    郭健;孙炳楠;

基于结构振动的损伤识别技术研究进展    陈志刚;

桥梁结构健康监测和损伤识别    蒋志;

混凝土梁损伤识别的试验研究    沈江霞;

土木工程结构振动损伤识别面临的挑战    段忠东;闫桂荣;欧进萍;

不同输入参数对节点损伤识别影响的分析    王红丽;

混凝土梁损伤识别的试验研究    温高峰;

基于Hilbert-Huang变换的梁结构损伤识别方法研究    丁麒;孟光;李鸿光;

不同尺度上桥梁损伤识别的信息分布特征研究    郭健;

基于分形理论和小波包变换的损伤识别方法    黄永;李惠;欧进萍;

损伤识别指标的模糊层次分析    张石磊;陈少峰;王焕定;王伟;

基于遗传算法的梁损伤识别研究    蒋济同;李志强;

基于频率和振型的测量点优化和损伤识别方法    王珑祺;向志海;周马生;

基于结构模态参数的损伤识别方法研究    钟军军;董聪;夏开全;

应用于桥梁损伤识别的小波空间变换基函数敏感性探讨    薛祥;霍达;滕海文;李宁波;

结构健康监测中损伤识别的现状研究    唐健;曹宗杰;于洋涛;

桥梁损伤识别的静态RBE神经网络法    刘效尧;

基于极大极小化模型的损伤识别方法    赵红兵;顾元宪;

基于“能量测试”和优化方法的结构单元损伤识别    赵红兵

基于振动的桥梁结构损伤识别方法研究    谢峻

结构健康监测的数据压缩采样与损伤识别融合方法    鲍跃全

基于概率可靠度的结构损伤识别理论研究及应用    张清华

基于动力测试的桥梁损伤识别研究    尚鑫

拱结构的损伤识别方法及损伤结果可视化研究    程良彦

基于动力测试的桥梁结构损伤识别及性能评定理论与应用研究    施洲

基于光纤光栅传感的桥梁损伤识别与评估系统研究    孙砚飞

基于计算智能方法的简支梁桥损伤识别研究    马辉

基于不完备信息土木工程结构损伤识别方法研究    袁旭东

钢管混凝土模型桥的试验模态分析及损伤识别算法研究    潘晓杰

基于贝叶斯统计方法的桥梁损伤识别研究    王建江

基于频率的自由—弹性支承杆损伤识别方法研究    霍立飞

桥梁结构损伤识别研究    曹水东

基于静动力测量数据的随机结构损伤识别研究    杨涛

一种基于频率的损伤识别新方法    刘荣欣

基于特征正交振型差斜率的结构小损伤识别    杨海萍

小波能量法损伤识别研究    肖小文

基于支持向量机的大跨度连续刚构桥损伤识别    王茂强

斜拉桥结构施工状态下连续小波变换损伤识别方法的研究    谭珂

Baidu
map