风力发电机叶片故障诊断研究及实现

发布时间：2020-01-25 00:38

【摘要】：风机叶片是风力发电机组的关键部件之一,且随着机组容量增大,叶片长度增加,与地面距离变大,发生损伤的概率变大。对风机叶片进行状态监测和损伤识别研究受到越来越多的学者关注。由于叶片位于机组机舱外侧,处于悬空状态,发生损伤导致机组被迫停机时会造成发电效率降低,发生事故时会造成严重的人力和物力损失,还会增大维护成本,所以对叶片状态监测和损伤识别研究变得非常重要。论文提出了一种基于声发射技术采集叶片声发射信号和基于支持向量机的损伤识别的检测系统思想。通过硬件实验方式采集叶片裂纹和边缘两类损伤的声发射信号,并将信号传送到上位机,上位机接收数据后对数据进行处理和建立支持向量机预测模型并优化,然后将得到的分类准确率更高的预测模型应用到检测系统中进行验证。论文主要研究内容如下:(1)通过硬件实验方式采集叶片损伤声发射信号。选用声发射技术采集信号,经前置放大器放大和模数转换后由无线发送模块发送,这部分放置在叶片上;位于机舱中的无线接收模块接收数据,并通过RS485将数据传送到位于地面的上位机。完成实验设备的组装和调试后,对小型玻璃钢材料叶片做静态加载实验,人工模拟风机叶片的裂纹损伤和边缘损伤,使产生声发射信号并采集。(2)上位机完成数据的接收、处理和支持向量机预测模型建立。选用VB语言编写上位机界面,通过其自带的串口通信功能实现与无线接收单元通信,并利用Active X自动化协议技术调用MATLAB处理数据,首先对数据进行归一化,然后利用db小波分解数据并提取能量特征信息,然后利用已提取的特征信息建立支持向量机模型。(3)使用粒子群优化算法和果蝇优化算法分别优化支持向量机参数。由于粒子群优化算法和果蝇优化算法都具有收敛速度快、寻优能力强等特点,所以分别使用两种优化算法进行支持向量机预测模型优化,选择优化后分类准确率更高的作为损伤识别模型。(4)将损伤识别模型应用到检测系统中进行验证。选择优化后准确率更高的模型,将其应用到检测系统上位机中完成损伤识别,验证损伤识别模型的准确性和监测系统的可行性。结果表明:果蝇优化后的损伤识别支持向量机模型可用,风机叶片损伤识别检测系统可行。论文在实验室条件下的研究可为后续研究提供方法。
【学位授予单位】：兰州交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM315

【相似文献】

相关期刊论文 前10条

1 葛海峰;林继鹏;刘君华;丁晖;;基于支持向量机和小波分解的气体识别研究[J];仪器仪表学报;2006年06期

2 琚旭;王浩;姚宏亮;;支持向量机的一个边界样本修剪方法[J];合肥工业大学学报(自然科学版);2006年07期

3 张菁华;袁鑫;刘达;;基于支持向量机的电力工程最优投标报价决策研究[J];山东电力高等专科学校学报;2006年04期

4 张涛;段淑敏;;支持向量机在中医疾病症候诊断中的应用[J];华北水利水电学院学报;2007年03期

5 王晶;靳其兵;曹柳林;;面向多输入输出系统的支持向量机回归[J];清华大学学报(自然科学版);2007年S2期

6 陈丹;;多类支持向量机算法的研究[J];东莞理工学院学报;2007年05期

7 程丽丽;张健沛;马骏;;一种改进的加权边界调节支持向量机算法[J];哈尔滨工程大学学报;2007年10期

8 宋召青;崔和;胡云安;;支持向量机理论的研究与进展[J];海军航空工程学院学报;2008年02期

9 郭濵;孙晓梅;薛明;;基于壳向量的边界邻近支持向量机[J];黑龙江交通科技;2008年12期

10 许超;运士伟;舒云星;;基于支持向量机的混凝土测强换算模型[J];洛阳理工学院学报(自然科学版);2008年02期

相关会议论文 前10条

1 余乐安;姚潇;;基于中心化支持向量机的信用风险评估模型[A];第六届（2011）中国管理学年会——商务智能分会场论文集[C];2011年

2 刘希玉;徐志敏;段会川;;基于支持向量机的创新分类器[A];山东省计算机学会2005年信息技术与信息化研讨会论文集（一）[C];2005年

3 史晓涛;刘建丽;骆玉荣;;一种抗噪音的支持向量机学习方法[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（下册）[C];2008年

4 何琴淑;刘信恩;肖世富;;基于支持向量机的系统辨识方法研究及应用[A];中国力学大会——2013论文摘要集[C];2013年

5 刘骏;;基于支持向量机方法的衢州降雪模型[A];第五届长三角气象科技论坛论文集[C];2008年

6 王婷;胡秀珍;;基于组合向量的支持向量机方法预测膜蛋白类型[A];第十一次中国生物物理学术大会暨第九届全国会员代表大会摘要集[C];2009年

7 赵晶;高隽;张旭东;谢昭;;支持向量机综述[A];全国第十五届计算机科学与技术应用学术会议论文集[C];2003年

8 周星宇;王思元;;智能数学与支持向量机[A];2005年中国智能自动化会议论文集[C];2005年

9 颜根廷;马广富;朱良宽;宋斌;;一种鲁棒支持向量机算法[A];2006中国控制与决策学术年会论文集[C];2006年

10 侯澍e，

本文编号：2572840