Resumen

La tecnología de diagnóstico de fallas (FDT) es una herramienta efectiva para garantizar la estabilidad y operación confiable en turbinas eólicas. En este artículo, se propone una novedosa metodología de diagnóstico de fallas basada en un algoritmo de murciélago en la nube (CBA) y máquinas de aprendizaje extremo con núcleo (KELM) para turbinas eólicas, mediante la combinación de la técnica de fusión de datos de múltiples sensores y el análisis en el dominio del tiempo. En primer lugar, el método derivado calcula los índices en el dominio del tiempo de las señales crudas, y el conjunto de índices en el dominio del tiempo fusionados se obtiene mediante la fusión de datos de múltiples sensores. Luego, se establece automáticamente el modelo de reconocimiento CBA-KELM que puede identificar patrones de falla de una caja de cambios de turbina eólica (WTB) con el conjunto fusionado. El conjunto de datos incluye una gran cantidad de mue

• Materias:Emisión acústica Campo de tensión Onda de sismo Diagnóstico de fallas
• Subjects:Acoustic emission Strain field Seismic wave Fault diagnosis
• Palabras claves:Tecnología de diagnóstico de fallas; Turbinas eólicas; Algoritmo de murciélago en la nube; Máquinas de aprendizaje extremo de núcleo; Fusión de datos multisensoriales; Análisis en el dominio del tiempo
• Keywords:Fault diagnosis technology; Wind turbines; Cloud bat algorithm; Kernel extreme learning machines; Multisensor data fusion; Time-domain analysis