-
题名时移多尺度相位熵在螺栓联接结构松动检测中的应用
- 1
-
-
作者
李伟
周传彪
韩振华
-
机构
石家庄铁路职业技术学院轨道交通系
-
出处
《机电工程》
2025年第9期1724-1733,共10页
-
基金
四川省达州市科技计划项目(22YKX0020,21DYF0015)。
-
文摘
风力发电机组的螺栓在其应用过程中易发生松动,会造成机组结构强度降低和振动加剧。针对螺栓松动检测策略普遍存在效率不佳、松动状态表征精度不高的问题,提出了一种结合时移多尺度相位熵(TSMPhE)和鲸鱼优化算法(WOA)优化混合核极限学习机(HKELM)的风力发电机组螺栓松动检测策略。首先,对螺栓结构不同松紧程度的振动信号进行了TSMPhE分析,提取了信号中嵌入的反映螺栓松紧程度的特征信息,构造了特征样本;然后,利用WOA对HKELM的参数进行了优化,获得了核参数以及核函数权重最优的HKELM分类器模型;最后,将TSMPhE特征输入至WOA-HKELM中进行了松动检测,以判断螺栓组是否需要进行紧固;采用风力发电机组不同工况下的健康、轻度松动、重度松动和完全松动螺栓振动信号对该方法进行了实验分析,并将其与其他的检测策略进行了对比。研究结果表明:该策略能有效判断不同工况下螺栓的松紧程度,最低检测精度达到了94.38%以上,而平均检测精度也达到了96.56%以上;相较其他检测策略,TSMPhE有更高的检测准确率和更小的准确率波动,准确率至少提高了2.72%,准确率波动减小了0.44。该策略可为螺栓松动的精确和快速检测提供可行的思路。
-
关键词
海上风力发电机组
螺栓联接
松动状态表征精度
时移多尺度相位熵
混合核极限学习机
鲸鱼优化算法
-
Keywords
offshore wind turbine
bolted connection
characterization accuracy of loose state
time shift multiscale phase entropy(TSMPhE)
hybrid kernel extreme learning machine(HKELM)
whale optimization algorithm(WOA)
-
分类号
TH131.3
[机械工程]
TM315
[机械工程—机械制造及自动化]
-
