一种基于气动声学与深度学习的风力机叶片故障检测方法

本发明公开了一种基于气动声学与深度学习的风力机叶片故障检测方法，涉及风力机叶片损伤检测技术领域，该检测方法包括如下步骤：获取待测风力机叶片在健康状态下与破损状态下运行的气动声学数据；基于气动声学理论对所述气动声学数据进行零均值与滤波处理；基于完成零均值与滤波处理的气动声学数据，计算功率谱密度并提取特征频率索引下的功率谱密度，建立基于功率谱密度特征的BP神经网络检测模型；将待测数据经过特征提取后输入到基于功率谱密度特征的BP神经网络检测模型中计算，基于输出结果建立评价体系对叶片的状态进行判断。本发明避免了检测模型的过拟合化，提高了叶片损伤识别的准确率。