【技术实现步骤摘要】
本专利技术主要涉及风电，具体涉及一种运行状态下的风电叶片损伤检测方法及系统。
技术介绍
1、风电在未来具有长期高增长预期和规模化发展的前景，未来陆上风电千万千瓦级规模化项目均在沙戈荒地区、同时集群式海上风电朝深远海发展，无论是陆上风电还是海上风电，均要求极高产品可靠性，对少人化、无人化值守提出要显著要求。而目前并没有对风电叶片在运行状态的损伤检测方案。
技术实现思路
1、本专利技术要解决的技术问题就在于：针对现有技术存在的技术问题，本专利技术提供一种检测精度高的运行状态下的风电叶片损伤检测方法及系统。
2、为解决上述技术问题，本专利技术提出的技术方案为：
3、一种运行状态下的风电叶片损伤检测方法，包括步骤：
4、获取叶片在风电机组正常运行时的叶根载荷和振动信号；
5、采用s变换对叶根载荷和振动信号进行时频转换，获得时频数据；再从时频数据中提取统计特征，并对统计特征降维，提取与叶片损伤相关度最高的n个统计特征；
6、将时频数据和n个...
【技术保护点】
1.一种运行状态下的风电叶片损伤检测方法，其特征在于，包括步骤：
2.根据权利要求1所述的运行状态下的风电叶片损伤检测方法，其特征在于，构建并训练好叶片损伤隐马尔可夫数据模型库的具体过程为：
3.根据权利要求2所述的运行状态下的风电叶片损伤检测方法，其特征在于，在隐马尔可夫模型训练中，得到隐马尔可夫模型的三个参数，分别为状态转移矩阵A、观测概率矩阵B以及初始状态概率向量π；其中状态转移矩阵A记录当前叶片隐状态到下一隐状态的概率；观测概率矩阵B记录当前叶片所有隐状态与对应各种统计特征间的关系；初始状态概率向量π记录任意时刻叶片单个隐状态与统计特征
【技术特征摘要】
1.一种运行状态下的风电叶片损伤检测方法，其特征在于，包括步骤：
2.根据权利要求1所述的运行状态下的风电叶片损伤检测方法，其特征在于，构建并训练好叶片损伤隐马尔可夫数据模型库的具体过程为：
3.根据权利要求2所述的运行状态下的风电叶片损伤检测方法，其特征在于，在隐马尔可夫模型训练中，得到隐马尔可夫模型的三个参数，分别为状态转移矩阵a、观测概率矩阵b以及初始状态概率向量π；其中状态转移矩阵a记录当前叶片隐状态到下一隐状态的概率；观测概率矩阵b记录当前叶片所有隐状态与对应各种统计特征间的关系；初始状态概率向量π记录任意时刻叶片单个隐状态与统计特征间的关系概率值。
4.根据权利要求3所述的运行状态下的风电叶片损伤检测方法，其特征在于，状态转移矩阵a的公式为：
5.根据权利要求1-4中任意一项所述的运行状态下的风电叶片损伤检测方法，其特征在于，在将时频数据和n个统计特征输入至各个不同叶片损伤类型的隐马尔可夫数据模型中，计算最大似然概率值，再比较所有各个模型对应的最大似然概率值，取最大似然概率值最大的模型类型为该叶片的损伤状态。
6.根据权利要求...
【专利技术属性】
技术研发人员：万宇宾，龚佳辉，王靛，刘红文，王磊，罗涛，
申请(专利权)人：中车株洲电力机车研究所有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。