基于卷积神经网络的风机叶片声发射信号损伤辨识方法

本申请提供了基于卷积神经网络的风机叶片声发射信号损伤辨识方法，包括：采用声发射系统对风电场环境噪声信号进行采集；用玻璃纤维复合材料制备的试件模拟风机叶片的材料，在实验室环境下采用电子万能材料试验机分别对试件进行拉伸试验和三点弯曲实验，分别模拟了风机叶片在风场环境下受到的基体开裂和裂纹扩展两种主要损伤类型，实验过程中将采集到的风场噪声信号发射到试件上，同时采用声发射系统对试件在两种损伤实验过程中产生的声发射信号进行采集，得到风机叶片损伤原始声发射信号数据集。采用变分模态分解(VMD)对原始声发射数据集进行降噪处理。将降噪后的数据导入到卷积神经网络模型中对模型进行训练，得到损伤类型的辨识结果。本发明解决了基于数据驱动的风机叶片损伤类型辨识方法需要大量原始损伤声发射信号对模型进行训练但是风机叶片发生损伤的瞬间难以捕获大量损伤声发射信号的难题，有利于风机叶片损伤类型的快速精确辨识。