论文部分内容阅读
随着我国风电产业的迅速发展,风机装机容量逐渐增加,叶片的长度也随之增长,所以风机产生故障的机率越来越大,因此,开展风力机叶片预测与健康管理(Prognostics and Health Management,简称PHM)的研究具有重要意义.首先,从监控与数据采集系统(Supervisory Control and Data Acquisition,简称SCADA)中提取叶片正常和异常状态下的特征参数,其次,采用BP神经网络建立叶片健康状态预测模型,最后采用Power Designer建模软件建立系统物理数据模型,并对系统架构进行设计,将训练好的神经网络模型应用在风力机叶片PHM系统中,有效提高了风力机叶片预测与健康管理的信息化水平.