基于学习方法的风力机叶片状态监测
系统与控制
2024-11-01 v2 系统与控制
摘要
本文解决了风力机叶片状态监测的问题，提出了一种基于学习的方法用于故障检测。该方法利用主成分分析（PCA）和自编码器来从根弯矩及其他测量值中构建数据驱动模型。这些模型使用来自无故障风力机的真实数据进行训练，然后在对应未知健康状况的数据上进行验证。采用静态阈值和广义似然比检验（GLRT）对实际测量值与重构测量值之间的残差信号进行在线检测统计，以检测偏离正常运行的偏差。通过使用来自发生叶片故障的风力机收集的真实数据，证明了所提出方法的有效性和实用性。
引用
@article{arxiv.2406.19773,
title = {Condition monitoring of wind turbine blades via learning-based methods},
author = {Giovanni Zaniboni and Alessio Dallabona and Johnny Nielsen and Dimitrios Papageorgiou},
journal= {arXiv preprint arXiv:2406.19773},
year = {2024}
}