改進FA優化SVM的風機葉片裂紋檢測模型

湯占軍，孫棟欽，李英娜，陸 鵬

（1.昆明理工大學 信息工程與自動化學院，云南 昆明 650500；2.云南龍源風力發電有限公司，云南 曲靖655000）

0 引言

能源和環境引發的問題日益增多，世界各國紛紛出臺了相應的能源結構轉型戰略。風力發電得到了廣泛的應用，國內風電市場也保持著強勁的增勢。葉片是風機的重要組成部分，也是易受損的部件。風沙、雨水、雷擊、冰凍，以及在安裝過程中的不當操作都會造成風機葉片不同程度的損傷。裂紋類損傷形成后會隨著雨水、風沙侵蝕逐漸擴大。此類損傷的早期發現可以給工作人員更多的調整維修時間。裂紋超過一定程度，風力發電機將被迫停機，影響風電場整體的發電計劃。更為嚴重的是，因裂紋過大而導致葉片折斷，甚至撞擊塔筒。因此，定期檢測風機葉片發現早期裂紋是十分必要的。

傳統的裂紋人工檢測方法主要有3種：地面敲擊辨音檢測法、地面望遠鏡觀測法、吊車輔助近距離觀測法[1]。人工檢測方法效率低下，經濟、時間成本高。由于受到主觀影響，漏檢率也比較高。近年來也有人提出對風機葉片裂紋的聲發射信號進行模式識別，或是通過分析風機出口氣動信號的檢測裂紋方法[2]，[3]。但一些老款的風力機沒有在葉片上安裝相應的傳感器，不能采集相關的數據。得益于無人機的快速發展，可以利用無人機巡航拍攝風機葉片圖像，再將圖像傳回后臺進行人工分析，排查故障，在一定程度上減 輕了巡檢人員工作量。……