为了解决风机叶片损伤类型识别的问题,提出了一种基于谐波小波包和支持向量机相结合的声发射源识别方法.由叶片损伤产生的声发射信号经过4层谐波小波包分解后,提取各频段的能量作为特征向量构建支持向量机分类器,通过支持向量机判别叶片损伤类型.在对叶片损伤进行识别时,分别采用谐波小波包和Daubechies小波包分解声发射信号,并进行比较.实验结果表明,采用谐波小波包和支持向量机相结合的方法可以得到良好的识别效果.
参考文献
| [1] | 萨昊亮,李成良,余启明,陈淳.风电叶片疲劳试验振动分析与研究[J].玻璃钢/复合材料,2013(02):57-59. |
| [2] | 徐阳,刘卫生,乔光辉.兆瓦级大型风力发电机叶片的无损检测[J].玻璃钢/复合材料,2013(03):76-79. |
| [3] | Chotard T J.New applications of acousticemisssion technique for realtime monitoring of material processes[J].Journal of Materials Science Letters,2002(21):1261-1266. |
| [4] | 邓宗白,单珂.风机叶片复合材料裂纹损伤的声发射实验研究[J].机械与电子,2013(03):13-17. |
| [5] | 葛邦,杨涛,高殿斌,李明.复合材料无损检测技术研究进展[J].玻璃钢/复合材料,2009(06):67-71. |
| [6] | Doutton A G;Blanch M .Acoustic emission monito-ring from wind turbine blades undergoing satic dynamic fatigue testing[J].INSIGHT,2000,42(12):805-808. |
| [7] | Bent F S;Lars L;Peter S et al.Fundamentals for remote structural health montioring of wind turbine blades-A preproject[R].Roskilde:Riso National Laboratory,2002. |
| [8] | Goutham R K;Vishal S;Mark J S et al.Montioring multisite damage growth during quasi-satic testing of a wind turbine blades using a structural neura system[J].STRUCTURAL HEALTH MONITORING,2008,7(02):157-173. |
| [9] | 韩敬宇 .基于声发射技术的风电叶片裂纹无线监测系统研究[D].北京化工大学,2010. |
| [10] | 朱永凯,潘仁前,陈盛票,田贵云.基于声发射传感器阵列的风机叶片结构健康监测方法[J].无损检测,2010(10):753-756,761. |
| [11] | Newland D E .Harmonic wavelet analysis[J].Soc Land:A,1993,443:203-225. |
| [12] | 高强,何正嘉.谐波小波及其时频剖面图在旋转机械诊断中的应用[J].西安交通大学学报,2000(09):62-66. |
| [13] | 章克来,朱海明.微弱信号检测技术[J].航空电子技术,2009(02):30-36. |
| [14] | 贾伟广,胡丹,车畅.基于小波分析和支持向量机的刀具故障诊断[J].组合机床与自动化加工技术,2010(12):65-67,70. |
| [15] | 于金涛,丁明理,孟凡刚,乔玉良,王祁.基于谐波小波包和支持向量机的声发射源识别[J].东南大学学报（英文版）,2011(03):300-304. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%