基于三维振动信息融合的卷积神经网络风力机叶片裂纹诊断方法

摘要：

针对接触式测量方法易受传感器采集通道限制与附加质量的问题,提出了一种基于三维振动信息融合的卷积神经网络风力机叶片裂纹诊断方法.首先,在双目摄影测量原理的基础上,提出一种三维振动信息融合的多通道样本构造方法,该方法可以集成叶片表面空间分布的多测点运动信息,得到更丰富的信号,且能极大地减少附加质量的干扰.其次,为了获取裂纹多层次的语义信息,提出一种新的多尺度卷积神经网络.选用某型1.5 kW的风力机叶片开展裂纹诊断实验,建立不同裂纹状态样本数据库,预测精度达到了93.4％,验证了所提方法的有效性.通过与经典的LeNet-5和VGG-11网络对比分析表明,改进的卷积神经网络具有更高的识别精度和更快的收敛速度,多通道样本在风力机叶片裂纹故障诊断中具有较好的应用效果.

关键词：测量、摄影测量、三维振动信息融合、卷积神经网络、风力机叶片、裂纹故障诊断

所属期刊栏目：40

分类号：TK83(风能、风力机械)

资助基金：国家自然科学基金;湖南省自然科学基金;湖南省研究生创新项目

在线出版日期：2021-03-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：134-142