摘要
本发明涉及叶片监测技术领域,特别是涉及一种长柔叶片实时监测与故障预警方法,该方法包括:采集长柔叶片在运行状态下的振动信号,所述振动信号受气动载荷、重力及离心力多因素耦合作用;基于叶片动力学模型构建包含多源激励特征的超定方程组;采用稀疏分解算法对所述振动信号进行分解,得到信号分解结果;基于所述信号分解结果,求解所述超定方程组,得到各耦合振动源的模态参数;根据各耦合振动源的模态参数,确定所述长柔叶片的状态监测结果。
技术关键词
叶片
超定方程组
稀疏分解算法
故障预警方法
信号特征
匹配追踪算法
三轴加速度传感器
时域特征
频域特征
融合特征
载荷
同步采样技术
抗混叠滤波器
激光测振仪
离心力
深度学习模型
分支
物理
工况参数
系统为您推荐了相关专利信息
测温测量方法
三角形
涡轮叶片
神经网络模型技术
曲面
BP神经网络模型
离心泵
叶轮
神经网络阈值
遗传算法
注意力机制
分类方法
葡萄
叶片
卷积神经网络结构
农业生态系统
农作物病虫害
风险
多模态数据融合
农作物生长环境
平仓机器人
刮板组件
刮板机构
万向轮组件
整平方法