10.11857/j.issn.1674-5124.2021100085
基于声学特征与BAS-SVM的风机叶片故障状态检测方法
针对传统方法在检测叶片故障时具有局限性的问题,提出一种基于声学特征与天牛须算法优化支持向量机(BAS-SVM)的叶片故障状态检测方法.实验自主设计声音信号采集装置,并将装置吸附在风机塔筒上在线采集叶片声信号;之后通过对叶片声信号的特性进行分析,设置高通滤波器消除风噪的影响;将信号处理后,提取叶片的MFCC声学特征并对特征向量进行优选;最后构建BAS-SVM分类模型对叶片的故障状态进行检测.实验结果表明,与遗传算法(GA)和粒子群算法(PSO)相比,BAS-SVM 的寻优速度更快,检测准确率更高,能够较好地检测叶片的故障状态.
风机叶片、故障检测、声信号、MFCC、SVM
49
TK83;TB9(风能、风力机械)
河北省自然科学基金创新集体项目E2020202142
2023-09-15（万方平台首次上网日期，不代表论文的发表时间）
共6页
87-92
