一种风电机组叶片振动模态特征识别方法技术

本发明专利技术公开了一种风电机组叶片振动模态特征识别方法，主要包括以下步骤：在叶根至最大弦长处等间距布置三轴压电加速度传感器，依据包络离散度和周期占比自适应选取最优通道作为目标输入振动信号；引入基于再生相移正弦辅助经验模态分解的振动信号去噪方法，构建基于Fisher比的多维融合指标剔除噪声分量；依据奇异熵跳跃值理论估计系统阶次范围，设计模态相似度与置信度指标精确估计叶片系统的真实阶次；引入结构保持、模态稀疏性以及能量平滑性三类约束联合优化低秩逼近策略，从而实现Hankel矩阵的最优重构；结合样本的点集密度与欧氏距离信息构建聚类中心选取的适应度函数，采用类间散布性和类内样本数优化模态提取结果；该方法能够有效去除环境噪声、精准确定系统阶次、最终准确识别系统模态参数。

【技术实现步骤摘要】

本专利技术涉及风电机组叶片故障诊断，尤其涉及一种风电机组叶片振动模态特征识别方法。

技术介绍

1、随着我国风电市场需求的快速增长，风电机组的运维成本呈现指数级增长态势。叶片作为风电机组获取风能的核心关键部件，由于长期受到复杂交变应力的耦合作用，极易发生涂层发白、鼓包等内部结构损伤，轻则设备停机，重则机毁人亡。

2、目前，主流的叶片损伤识别方法仍以人工巡检辅以望远镜为主，该方法存在效率低下、易受工人主观意识影响、无法全天候监测、易发生安全事故等不足。随着在线检测技术的快速发展，振动法因其传感器成本低廉、实时在线监测以及对微小损伤的高敏感性，成为叶片结构状态评估的主流方案。该方法主要依托布置于叶片关键部位的加速度传感器，通过分析振动信号中蕴含的叶片模态参数辨识其结构损伤状态。然而，风电机组叶片在运行过程中受到包括气动噪声、电气噪声、机械噪声等多源噪声的耦合干扰，导致损伤敏感特征分量被强背景噪声所淹没。同时，现有方法诊断过程中往往假设系统的输入激励为平稳白噪声，但实际表现为非平稳、时变特性的环境激励，致使该方法对叶片结构缺陷的检测效果有限。为此，本专本文档来自技高网...

【技术保护点】

1.一种风电机组叶片振动模态特征识别方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的一种风电机组叶片振动模态特征识别方法，其特征在于，所述步骤S2包括：

3.根据权利要求1所述的一种风电机组叶片振动模态特征识别方法，其特征在于，所述步骤S3包括：

4.根据权利要求1所述的一种风电机组叶片振动模态特征识别方法，其特征在于，所述步骤S4包括：

【技术特征摘要】

1.一种风电机组叶片振动模态特征识别方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的一种风电机组叶片振动模态特征识别方法，其特征在于，所述步骤s2包括：

3...

【专利技术属性】
技术研发人员：李佳恒，段向阳，杜珅，曹占有，李博琦，于浩特，王富河，
申请(专利权)人：大唐河北新能源张北有限责任公司，
类型：发明
国别省市：