基于CEEMDAN能量熵和SVM的风电叶片缺陷检测

基于CEEMDAN能量熵和SVM的风电叶片缺陷检测
摘要：针对目前风电叶片缺陷特征提取的问题，提出了一种基于完全噪声辅助集总经验模态分解（CEEMDAN）和支持向量机（SVM）相结合的叶片缺陷诊断识别方法。通过对采集的声发射信号进行CEEMDAN，借助互相关系数筛选叶片缺陷的主要模态分量，然后构造主要模态分量的能量熵向量。为验证能量熵向量构造的可靠性，对叶片不同缺陷进行能量熵向量的支持向量机模式识别。结果表明，SVM模式识别准确率高达96.7%，说明基于CEEMDAN结合SVM的叶片缺陷识别方法能够实现叶片模拟缺陷的识别，为在役叶片缺陷的识别提供了一定的参考。

标题：基于CEEMDAN能量熵和SVM的风电叶片缺陷检测

作者：蒋菲,赵朝友,张素慧,

关键词：风电叶片缺陷,完全噪声辅助集总经验模态分解,能量熵,支持向量机,

发表日期：2021年6月

2025-1-19 14:43 上传 基于CEEMDAN能量熵和SVM的风电叶片缺陷检测.pdf

文件大小:

1.65 MB

下载次数:

60

高速下载