[发明专利]风机叶片光纤载荷应变特征提取及裂纹监测方法有效
| 申请号： | 201810441932.8 | 申请日： | 2018-05-10 |
| 公开（公告）号： | CN108592812B | 公开（公告）日： | 2019-12-31 |
| 发明（设计）人： | 陈鹏;王科盛;李宇;杨滨源 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G01B11/16 | 分类号： | G01B11/16;G01M13/00 |
| 代理公司： | 51268 成都虹盛汇泉专利代理有限公司 | 代理人： | 王伟 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 风机叶片 光纤 裂纹监测 误差数据 应变特征 载荷数据 重构 编码器模型 复杂工况 故障诊断 健康信号 健康状态 学习模式 训练模型 在线诊断 鲁棒性 无监督 自适应 构建 降噪 过滤 数据库 噪音 诊断 检测 | ||
1.一种风机叶片光纤载荷应变特征提取及裂纹监测方法，其特征在于，包括以下步骤：
A、将贴片式光纤载荷传感器分布式安装在风机叶片上，采集风机叶片健康状态下光纤载荷数据，建立风机叶片光纤载荷数据库；
B、构建深度降噪自编码器模型，利用步骤A中风机叶片健康状态下光纤载荷数据对深度降噪自编码器模型进行训练；所述深度降噪自编码器模型具体采用多层降噪自编码的堆叠结构，将前一层降噪自编码器的隐藏层作为下一层降噪自编码器的输入；
C、利用步骤B训练得到的深度降噪自编码器模型对风机叶片健康状态下光纤载荷数据进行处理，得到重构误差数据，并设置重构误差数据中最大值为阈值；
D、采集风机叶片检测状态下光纤载荷数据，利用步骤B训练得到的深度降噪自编码器模型对风机叶片检测状态下光纤载荷数据进行处理，得到重构误差数据；判断重构误差是否大于步骤C中阈值，若是，则风机叶片检测状态为故障状态，若否，则风机叶片检测状态为正常状态。
2.如权利要求1所述的风机叶片光纤载荷应变特征提取及裂纹监测方法，其特征在于，所述步骤A将贴片式光纤载荷传感器分布式安装在风机叶片上具体包括将贴片式光纤载荷传感器分布式安装在风机叶片迎风面、背风面的叶缘和叶根部位。
3.如权利要求1所述的风机叶片光纤载荷应变特征提取及裂纹监测方法，其特征在于，所述步骤B中利用步骤A中风机叶片健康状态下光纤载荷数据对深度降噪自编码器模型进行训练具体为：对风机叶片健康状态下光纤载荷数据采用滑动平移窗处理，得到一系列短时时间序列，再将短时时间序列按顺序拼接得到一定长度的数据序列，作为深度降噪自编码器的输入。
4.如权利要求3所述的风机叶片光纤载荷应变特征提取及裂纹监测方法，其特征在于，所述步骤C中设置重构误差数据中最大值为阈值的计算公式具体为：
d＝max(εi)λ
其中，d为阈值，εi为第i组风机叶片健康状态下光纤载荷数据的重构误差，λ为阈值放大倍数。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于电子科技大学，未经电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810441932.8/1.html，转载请声明来源钻瓜专利网。
