基于CEEMDAN能量熵和SVM的风电叶片缺陷检测

摘要：

针对目前风电叶片缺陷特征提取的问题,提出了一种基于完全噪声辅助集总经验模态分解(CEEMDAN)和支持向量机(SVM)相结合的叶片缺陷诊断识别方法.通过对采集的声发射信号进行CEEMDAN,借助互相关系数筛选叶片缺陷的主要模态分量,然后构造主要模态分量的能量熵向量.为验证能量熵向量构造的可靠性,对叶片不同缺陷进行能量熵向量的支持向量机模式识别.结果表明,SVM模式识别准确率高达96.7％,说明基于CEEMDAN结合SVM的叶片缺陷识别方法能够实现叶片模拟缺陷的识别,为在役叶片缺陷的识别提供了一定的参考.

关键词：风电叶片缺陷;完全噪声辅助集总经验模态分解;能量熵;支持向量机

所属期刊栏目：43

分类号：TG115.28(金属学与热处理)

在线出版日期：2021-08-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：36-40