基于经验模态分解的风机叶片故障监测诊断方法研究

摘要

叶片是风电机组的直接捕获风能的关键部件,长期整体暴露在恶劣的工作环境下,故障失效概率极高。目前已有的检测技术为风电机组叶片的正常平稳运行提供了一定的保障,但仍存在实时性、准确性等方面的不足。因此,本文提出一种基于经验模态分解的风机叶片故障监测诊断方法。通过对风电机组叶片采样信号采用同类均值插补的方法,处理采样信号缺失值及异常值;采用集合经验模态分解的采样信号分解方法消除复杂工况下的风电机组叶片运行状态信号中噪声的影响,运用主成分分析方法(PCA)提取多维尺度下的风电机组叶片状态监测信号,利用CNN神经网络对提取的叶片运行状态信号进行故障特征识别,实时监测叶片运行状态,实现叶片早期故障预警功能。