摘要
本发明公开了一种基于数据驱动的风电叶片褶皱损伤识别方法,该方法通过对叶片应变传感器监测数据进行频域和时域分析,并根据建立的全尺寸叶片模型,对采集到的数据进行分析和判断,进而实现分风电叶片褶皱损伤的特征识别。其实现步骤为:1、在叶片内部布置电阻式应变传感器,在试验过程中持续使用传感器对叶片进行状态监测,记录叶片的应变变化情况;2、对传感器监测数据进行数据处理和数据分析3、建立全尺寸叶片的疲劳试验仿真模型,并在叶片模型中引入褶皱缺陷;4、全尺寸有限元模型提取的有限元数据,与传感器监测数据进行数模联合驱动分析对比,进而判断由褶皱引起的损伤信号特征。本发明解决了传统的叶片损伤识别方法无法具体识别损伤类型,以及褶皱损伤识别困难的问题,对降低风电叶片运维成本、确保风电叶片健康平稳的运行具有重大意义。
技术关键词
损伤识别方法
风电叶片
电阻式应变传感器
动态时间规整方法
褶皱缺陷
特征值
LSTM模型
小波阈值
矩阵
翼型
信号特征
异常数据
风力机叶片
分析方法
识别叶片
软件
系统为您推荐了相关专利信息
桥梁结构
损伤识别方法
钢筋试件
预测误差
钢筋混凝土界面
风电叶片
仿真模型
模型参数修正方法
指标
长短期记忆神经网络
风机叶片
损伤识别方法
轻量化卷积神经网络
神经网络模型
多层感知器
高压开关柜误操作
深度网络模型
数据
长短期记忆网络
防误操作系统