风力发电机叶片故障诊断研究及实现-检测技术与自动化装置专业论文.docxVIP

万方数据 万方数据 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成 果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研 究成果，也不包含获得 兰州交通大学 或其他教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了 谢意。 学位论文作者签名： 签字日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解 兰州交通大学 有关保留、使用学位论文的规定。特授权 兰州交通大学 可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影 印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机 构送交论文的复印件和磁盘。 （保密的学位论文在解密后适用本授权说明） 学位论文作者签名： 导师签名： 签字日期： 年 月 日 签字日期： 年 月 日 兰州交通大 兰州交通大学硕士学位论文 摘 要 风机叶片是风力发电机组的关键部件之一，且随着机组容量增大，叶片长度增加， 与地面距离变大，发生损伤的概率变大。对风机叶片进行状态监测和损伤识别研究受到 越来越多的学者关注。由于叶片位于机组机舱外侧，处于悬空状态，发生损伤导致机组 被迫停机时会造成发电效率降低，发生事故时会造成严重的人力和物力损失，还会增大 维护成本，所以对叶片状态监测和损伤识别研究变得非常重要。论文提出了一种基于声 发射技术采集叶片声发射信号和基于支持向量机的损伤识别的检测系统思想。通过硬件 实验方式采集叶片裂纹和边缘两类损伤的声发射信号，并将信号传送到上位机，上位机 接收数据后对数据进行处理和建立支持向量机预测模型并优化，然后将得到的分类准确 率更高的预测模型应用到检测系统中进行验证。论文主要研究内容如下： (1) 通过硬件实验方式采集叶片损伤声发射信号。选用声发射技术采集信号，经前 置放大器放大和模数转换后由无线发送模块发送，这部分放置在叶片上；位于机舱中的 无线接收模块接收数据，并通过 RS485 将数据传送到位于地面的上位机。完成实验设备 的组装和调试后，对小型玻璃钢材料叶片做静态加载实验，人工模拟风机叶片的裂纹损 伤和边缘损伤，使产生声发射信号并采集。 (2) 上位机完成数据的接收、处理和支持向量机预测模型建立。选用 VB 语言编写 上位机界面，通过其自带的串口通信功能实现与无线接收单元通信，并利用 ActiveX 自 动化协议技术调用 MATLAB 处理数据，首先对数据进行归一化，然后利用 db 小波分解 数据并提取能量特征信息，然后利用已提取的特征信息建立支持向量机模型。 (3) 使用粒子群优化算法和果蝇优化算法分别优化支持向量机参数。由于粒子群优 化算法和果蝇优化算法都具有收敛速度快、寻优能力强等特点，所以分别使用两种优化 算法进行支持向量机预测模型优化，选择优化后分类准确率更高的作为损伤识别模型。 (4) 将损伤识别模型应用到检测系统中进行验证。选择优化后准确率更高的模型， 将其应用到检测系统上位机中完成损伤识别，验证损伤识别模型的准确性和监测系统的 可行性。 结果表明：果蝇优化后的损伤识别支持向量机模型可用，风机叶片损伤识别检测系 统可行。论文在实验室条件下的研究可为后续研究提供方法。 关键词：风机叶片；声发射技术；支持向量机；智能优化 论文类型：应用基础研究 - I - 风力发电机 风力发电机叶片故障诊断研究及实现 Abstract Wind turbine blade is one of the key components of wind turbine, and with the increase of unit capacity, the length of blade becomes longer and the distance to the ground is larger. Because of those, the probabilities of damages become bigger. More and more scholars pay attention to the study of the condition monitoring and damage detection of wind turbine blade. Because the blade is located in the outside of cabin and be in a suspended state. Wind turbine was forced to stop when the damage was happening, which can led to th