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.