Page 74 - 无损检测 2021年第六期

试验研究

DOI : 10.11973 / ws j c202106009

基于 CEEMDAN 能量熵和 SVM 的

风电叶片缺陷检测

蒋 菲 , 赵朝友 , 张素慧 1
1
2
( 1. 国网甘肃省电力公司电力科学研究院 , 兰州 730070 ;

2. 甘肃电力科学研究院技术中心有限公司, 兰州 730070 )
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

中图分类号: TG115.28 文献标志码: A 文章编号: 1000-6656 ( 2021 ) 06-0036-05

Defecttestin g ofwindturbinebladesbasedonCEEMDANener gy entro py andSVM

JIANGFei , ZHAOChao y ou , ZHANGSuhui 1
1
2

( 1.StateGridGansuElectricPowerResearchInstitute , Lanzhou730070 , China ;

2.GansuElectricPowerResearchInstituteTechnolo gyCenterCo. , Ltd. , Lanzhou730070 , China )

Abstract : Considerin gthedifficult yoftheextractin gforthefaultfeatureofbladeinservice , anintelli g ent

reco g nitionmethodfordefectsinbladebasedonCom p leteensembleem p iricalmodedecom p ositionwithada p tive

noise ( CEEMDAN ) combinedwithsu pp ortvectormachine ( SVM ) isp ro p osed.Firstofall , thesi g nalsori g inated

fromdefectsofthebladeweredecom p osedb yCom p leteEnsembleEm p iricalModeDecom p osition withada p tive

noise , andtheintrinsic modefunctions ( IMF ) containin gthe mainfeatureinformation wereselectedb ycross-

correlationnumber.Then , themainEner gyEntro pyoftheintrinsicmodefunctionswascalculatedandthevectors

ofCom p lete Ensemble Em p irical Mode Decom p osition with ada p tive noiseener gy entro py wereconstructed.

Finall y , inordertoverif y thereliabilit yofvectorofener gyentro py , thep atternreco g nitionwascarriedoutb y the

su pp ortvectormachine ( SVM ) fordifferentdefects.Theresultsshowthattheavera g ereco g nitionratefordifferent

faultswereashi g has96.7% , anditsu gg eststhatthemethodofCom p leteensembleem p iricalmodedecom p osition

withada p tivenoiseener gyentro pycombinedwithSVMcanbesu pp liedwellforreco g nizin gandwarnin g inblade

durin g theearl yp rocess.

Ke ywords : bladedefect ; CEEMDAN ; ener gyentro py ; SVM
叶片是风力机组获取风能的关键部件。受制造 出现裂纹、 分层、 纤维断裂等缺陷, 这些缺陷的出现
条件及运行过程中外界环境的影响, 风电叶片常常 容易引起实际风况下叶片的损伤累计和叶片失稳破
坏 [ 1 ] 。叶片缺陷的早期检验和预警对确保风电机组
收稿日期: 2020-10-19
的长期可靠运行具有重要意义。目前, 大多数大型
作者简介: 蒋 菲( 1990- ), 女, 硕士, 工程师, 主要从事电力设
风场的叶片缺陷监测仍然以技术人员的视觉判断为
备的运维检修工作
主, 此类方法不仅很难实现大面积叶片的高效率检
通信作者: 蒋 菲, cailiao j ian g fei@163.com
3
6
2021 年 第 43 卷 第 6 期

无损检测