3D打印缩放风力发电机叶片的故障诊断
机器学习
2025-05-12 v1
摘要
本研究提出了一种利用3D打印缩比模型、有限元模拟、实验模态分析和机器学习技术进行风力发电机叶片故障检测的集成方法。使用3D打印制造了NREL 5MW叶片的缩比模型，并在关键位置引入了裂纹型损伤。采用有限元分析预测这些损伤对固有频率的影响，并通过受控锤击测试验证了结果。处理振动数据以提取时域和频域特征，并使用统计分析（ANOVA）识别出关键判别变量。包括支持向量机和K近邻在内的机器学习分类器实现了超过94%的分类准确率。结果表明，对于该叶片，振动模态3、4和6对结构异常特别敏感。这种集成方法证实了将数值模拟与实验验证相结合的可行性，并为风能应用中的结构健康监测系统铺平了道路。
引用
@article{arxiv.2505.06080,
title = {Fault Diagnosis of 3D-Printed Scaled Wind Turbine Blades},
author = {Luis Miguel Esquivel-Sancho and Maryam Ghandchi Tehrani and Mauricio Muñoz-Arias and Mahmoud Askari},
journal= {arXiv preprint arXiv:2505.06080},
year = {2025}
}