基于CEEMDAN能量熵和SVM的风电叶片缺陷检测

作者：蒋菲^*; 赵朝友; 张素慧

来源：无损检测, 2021, 43(06): 36-40.

• 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

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。

• 单位
  国网甘肃省电力公司电力科学研究院; 甘肃电力科学研究院