果蝇优化算法融合SVM的风机叶片损伤识别研究.pdfVIP

果蝇优化算法融合SVM的风机叶片损伤识别研究顾桂梅,等

果蝇优化算法融合SVM的风机叶片损伤识别研究

StudyonIdentificationofDamageforWindTurbineBladebyFusingFOAandSVM

顾桂梅胡让李远远

(兰州交通大学自动化与电气工程学院,甘肃兰州730070)

摘要:为提高风机叶片裂纹损伤和边缘损伤识别的准确率,提出使用果蝇优化(FOA)算法和支持向量机(SVM)相结合的方法。使

用硬件系统采集两类损伤故障的声发射信号,然后对信号进行小波处理,提取能量特征,根据能量特征信息,建立支持向量机模型,测

试其准确率;采用果蝇优化算法优化支持向量机参数,使模型损伤识别更准确,并将优化后模型识别结果与粒子群优化(PSO)算法优

化支持向量机后的识别结果相比较。仿真结果表明,使用果蝇优化算法优化后的支持向量机模型的识别精度更高,能够准确地实现

对风机叶片损伤的识别。

关键词:风机叶片损伤识别小波处理支持向量机果蝇优化算法新能源风力发电神经网络智能识别

中图分类号:TH878;TP211+.2文献标志码:ADOI:10.16086/j.cnki.issn1000-0380.201602003

Abstract:Inordertoimprovetheidentificationaccuracyofcrackdamageandedgedamageforwindturbineblade,themethodcombiningfruit

flyoptimizationalgorithm(FOA)andsupportvectormachine(SVM)isproposed.Theacousticemissionsignalsoftwotypesofdamagefaultare

collectedusinghardwaresystem;thenprocessedwithwaveletmethodandtheenergyfeaturesareextracted.Inaccordancewiththeinformation

ofenergyfeatures,thesupportvectormachinemodelisestablished,theaccuracyistested.TheSVMparametersareoptimizedwithFOA,toget

moreaccuratedamageidentification.Themodelidentificationresultiscomparedwiththeresultbyusingparticleswarmoptimization(PSO)and

SVM.ThesimulationresultindicatesthattheidentificationaccuracyofFOA+SVMismoreaccurate.Preciseidentificationofbladedamagecan

beimplementedbythemethodproposed.

Keywords:WindturbinebladeDamageidentificationWaveletprocessingSVAFOANewenergyWindpowergeneration

NeuralnetworkIntelligentidentification

[10][11]

断、船舶操纵预报等领域得到应用,在风机叶片损

0引言

伤识别中还未得到应用。本文使用果蝇优化算法

风电机组风轮叶