改进FA优化SVM的风机叶片裂纹检测模型北大核心CSCD |
| |
引用本文: | 汤占军,孙栋钦,李英娜,陆鹏.改进FA优化SVM的风机叶片裂纹检测模型北大核心CSCD[J].可再生能源,2022(9):1189-1194. |
| |
作者姓名: | 汤占军 孙栋钦 李英娜 陆鹏 |
| |
作者单位: | 1.昆明理工大学信息工程与自动化学院650500;2.云南龙源风力发电有限公司655000; |
| |
基金项目: | 国家自然科学基金项目(61962031)。 |
| |
摘 要: | 风力发电机往往工作在气候条件恶劣的环境中。风机叶片受到风沙、雨水的侵蚀会出现裂纹,裂纹在产生后会逐渐扩大,尽早发现叶片裂纹能给工作人员更多的维修时间。针对叶片微小裂纹难以发现的问题,文章提出了一种利用无人机拍摄的叶片图像结合机器学习进行裂纹检测的方法。对原始图像预处理后,进行特征向量的提取。提出一种用改进的萤火虫算法优化支持向量机(SVM)的裂纹检测模型。为增加萤火虫算法的全局搜索能力,引进了混沌映射生成种群初始位置,同时采用自适应步长以更好地趋近最优解。以云南某风电场的数据离线训练和测试,结果表明,所提的模型在检测精度和稳定性上均优于用粒子群算法(PSO)、遗传算法(GA)优化的SVM。
|
关 键 词: | 裂纹识别 图像处理 支持向量机 萤火虫算法 |
本文献已被 维普 等数据库收录! |
|