果蝇优化算法融合SVM的风机叶片损伤识别研究.pdf

果蝇优化算法融合SVM的风机叶片损伤识别研究.pdf

ID:52219091

大小:2.07 MB

页数:4页

时间:2020-03-25

果蝇优化算法融合SVM的风机叶片损伤识别研究.pdf_第1页
果蝇优化算法融合SVM的风机叶片损伤识别研究.pdf_第2页
果蝇优化算法融合SVM的风机叶片损伤识别研究.pdf_第3页
果蝇优化算法融合SVM的风机叶片损伤识别研究.pdf_第4页
资源描述:

《果蝇优化算法融合SVM的风机叶片损伤识别研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、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

2、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.issn1000-0380.201602003Abstract:Inordertoimprovetheidentificationaccuracyofcrackdam

3、ageandedgedamageforwindturbineblade,themethodcombiningfruitflyoptimizationalgorithm(FOA)andsupportvectormachine(SVM)isproposed.Theacousticemissionsignalsoftwotypesofdamagefaultarecollectedusinghardwaresystem;thenprocessedwithwaveletmethodandtheenergyfeaturesareextracted.Inaccordancewi

4、ththeinformationofenergyfeatures,thesupportvectormachinemodelisestablished,theaccuracyistested.TheSVMparametersareoptimizedwithFOA,togetmoreaccuratedamageidentification.Themodelidentificationresultiscomparedwiththeresultbyusingparticleswarmoptimization(PSO)andSVM.Thesimulationresultin

5、dicatesthattheidentificationaccuracyofFOA+SVMismoreaccurate.Preciseidentificationofbladedamagecanbeimplementedbythemethodproposed.Keywords:WindturbinebladeDamageidentificationWaveletprocessingSVAFOANewenergyWindpowergenerationNeuralnetworkIntelligentidentification[10][11]断、船舶操纵预报等领域得到

6、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片是机组能量转换的关键部件,(FOA)优化风机叶片损伤识别模型,并从叶片损伤声发[1]在风电机组安全运行中起重要作用。叶片工作环境射信号采集和数据模式识别两部分进行研究,其中数据恶劣,定期人工维护困难,且维护成本高。因此,无论采集部分通过硬件完成,模式识别通过SVM实现。考虑降低运行风险还是减少维护成本,研究风机叶片[2]1声发射信号采集损伤识别都具有一定的意义。近年来,人工智能识别方法在风机叶片损伤识别风机叶片直接面对风能,将风能转换为自身旋转的中得到应用。文献[3]使用人工神经网络

7、实现叶片不机械能,是风力发电过程中最重要的一步,因此,检测叶同损伤等级的识别;文献[4]~[8]提取叶片声发射信[12]片的状态特征信息是监测其健康状况的关键问题。号的特性差别信息,建立模式识别模型实现模式识别。本文针对裂纹损伤和边缘损伤,选用支持向量机材料或结构在外力作用下,其异常部位因应力集中而产(supportvectormachine,SVM)进行损伤识别。果蝇优生变形或者断裂等,并伴随能量的快速释放,产生瞬态[13]化算法(fruitflyoptimizationalgorithm,FOA),具有适应弹性波现象,称为声发射(acousticemissio

8、n,AE)

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。