基于卷积神经网络的风机叶片损伤检测

作为捕获风能的关键部件，风机叶片受制造及运行载荷影响，可能存在不同程度的损伤，这会直接影响风机运行可靠性。为防止风机叶片持续损伤发生质量安全事故，需要开发1种快速简便且非植入安装式的检测方法来识别风机叶片的损伤情况。根据叶片损伤和叶片运行噪声间存在的物理相关性，提出了一种基于声学信号和卷积神经网络（convolutional neural network,CNN）的风机叶片损伤检测方法，将时序声学信号转换成二维频谱图片，结合健康频谱图生成残差频谱图，并通过训练卷积神经网络来识别风机叶片是否存在损伤。分析结果表明：该算法消除了叶轮旋转产生的固有叶片扫风声音对损伤识别的影响，提高了识别精度；以某地风机的实测数据为例进行算法分析，结果表明该算法的分类精度达到了96.9%，验证了基于卷积神经网络的检测方法的有效性和精确性。