基于卷积神经网络的风机叶片损伤检测

作     者：刘启栋 LIU Qidong

作者机构：青海黄河风力发电有限责任公司青海海南813000 

出 版 物：《热力发电》 (Thermal Power Generation)

年 卷 期：2023年第52卷第3期

页      面：88-93页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080801[工学-电机与电器] 0808[工学-电气工程] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：风机叶片 损伤检测 声信号 卷积神经网络 

摘      要：作为捕获风能的关键部件,风机叶片受制造及运行载荷影响,可能存在不同程度的损伤,这会直接影响风机运行可靠性。为防止风机叶片持续损伤发生质量安全事故,需要开发1种快速简便且非植入安装式的检测方法来识别风机叶片的损伤情况。根据叶片损伤和叶片运行噪声间存在的物理相关性,提出了一种基于声学信号和卷积神经网络(convolutional neural network,CNN)的风机叶片损伤检测方法,将时序声学信号转换成二维频谱图片,结合健康频谱图生成残差频谱图,并通过训练卷积神经网络来识别风机叶片是否存在损伤。分析结果表明:该算法消除了叶轮旋转产生的固有叶片扫风声音对损伤识别的影响,提高了识别精度;以某地风机的实测数据为例进行算法分析,结果表明该算法的分类精度达到了96.9%,验证了基于卷积神经网络的检测方法的有效性和精确性。