【技术实现步骤摘要】
本申请属于风机叶片损伤检测，具体涉及一种基于卷积神经网络的风机叶片声发射信号损伤类型辨识方法。
技术介绍
1、风力发电是一种清洁、可再生能源，其在全球范围内得到广泛应用，以减少对化石燃料的依赖，降低温室气体排放。然而，风力发电机在长期运行中会受到各种环境和运行条件的影响，其中叶片作为关键部件之一，容易受到风、湿度、温度和机械应力等因素的影响，因此容易发生故障。叶片故障会导致能量损失、维修成本增加，并降低风力发电机的可靠性，因此对叶片故障进行及时准确的检测至关重要。当风机叶片发生不同类型的损伤时所释放的声发射信号也具有明显的区别，通过辨识这些声发射信号的特征，进而可以推断出风机叶片的损伤类型，并且声学检测不会对被测对象造成损害属于无损检测。在声发射信号采集过程中如何最大程度地避免环境噪声的干扰和如何精准地捕获损伤时的声发射信号是两个重要的问题。
技术实现思路
1、为克服上述现有技术的不足，本申请提出一种基于卷积神经网络的风机叶片声发射信号损伤类型辨识方法，包括：
2、s1、独立获...
【技术保护点】
1.基于卷积神经网络的风机叶片声发射信号损伤辨识方法，其特征在于，包括：获取风电场噪声信号，在实验室环境下获取模拟真实风场环境中风机叶片发生基体开裂和裂纹扩展两种主要损伤的声发射信号；
2.如权利要求1所述分别获取风电场环境噪声和风机叶片损伤时的声发射信号的方法，其特征在于可以不对风机叶片造成损伤的情况下采集到风机叶片损伤时的声发射信号，实现无损检测。具体的声发射信号采集步骤如下：
3.如权利要求2所述拉伸试验和三点弯曲试验是用来模拟风机叶片发生基体开裂损伤和裂纹扩展损伤的两种最常用实验方法。而基体开裂损伤和裂纹扩展损伤是风机叶片最常见的两种损...
【技术特征摘要】
1.基于卷积神经网络的风机叶片声发射信号损伤辨识方法，其特征在于，包括：获取风电场噪声信号，在实验室环境下获取模拟真实风场环境中风机叶片发生基体开裂和裂纹扩展两种主要损伤的声发射信号；
2.如权利要求1所述分别获取风电场环境噪声和风机叶片损伤时的声发射信号的方法，其特征在于可以不对风机叶片造成损伤的情况下采集到风机叶片损伤时的声发射信号，实现无损检测。具体的声发射信号采集步骤如下：
3.如权利要求2所述拉伸试验和三点弯曲试验是用来模拟风机叶片发生基体开裂损伤和裂纹扩展损伤的两种最常用实验方法。而基体开裂损伤和裂纹扩展损伤是风机叶片最常见的两种损伤类型。因此表明所述方法具有普适性。
4.如权利要求2所述将采集到的风电场环境噪声信号加载到玻璃纤维复合材料试件上，使得玻璃纤维复合材料在两种损伤实验时同时获得损伤信号和风电场的环境噪声信号，使得...
【专利技术属性】
技术研发人员：杨文威，杨迦迤，孙伟卿，张巍，刘帅帅，杨静珍，
申请(专利权)人：上海嘉柒智能科技有限公司，
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。