長(zhǎng)沙理工大學(xué)能源與動(dòng)力工程學(xué)院 ■ 龔妙 李錄平

0 引言

風(fēng)力機(jī)葉片作為風(fēng)電機(jī)組捕獲風(fēng)能的能量轉(zhuǎn)換器，其性能的高低直接影響著機(jī)組的發(fā)電效率和發(fā)電質(zhì)量。風(fēng)力機(jī)葉片通常采用玻璃纖維等復(fù)合材料制成[1-2]，長(zhǎng)期處于復(fù)雜惡劣的工作環(huán)境下，受雨雪、鳥類的撞擊和紫外線等的影響，材料內(nèi)部結(jié)構(gòu)發(fā)生變化，會(huì)出現(xiàn)一些復(fù)合材料典型缺陷，導(dǎo)致其力學(xué)性能降低[3-7]；隨著損傷的累積，不僅會(huì)使葉片的故障率升高，更嚴(yán)重的還會(huì)發(fā)生葉片斷裂等重大事故。而葉片成本占整個(gè)裝機(jī)造價(jià)的20%左右[8]，因此，對(duì)風(fēng)力機(jī)葉片實(shí)行故障檢測(cè)具有重大意義。

目前，風(fēng)力機(jī)葉片故障檢測(cè)技術(shù)以無損檢測(cè)為主，包括振動(dòng)檢測(cè)、超聲波檢測(cè)和聲發(fā)射檢測(cè)等。聲發(fā)射檢測(cè)技術(shù)作為一種新興動(dòng)態(tài)無損檢測(cè)技術(shù)[9]，能夠?qū)θ~片進(jìn)行實(shí)時(shí)監(jiān)測(cè)，及時(shí)發(fā)現(xiàn)葉片材料的早期缺陷，并提供損傷程度信息，在風(fēng)力機(jī)葉片故障檢測(cè)方面具有不可比擬的優(yōu)勢(shì)。風(fēng)力機(jī)葉片損傷的聲發(fā)射檢測(cè)研究重點(diǎn)是通過對(duì)聲發(fā)射信號(hào)特征的分析與識(shí)別，判別其損傷程度和損傷位置，所以對(duì)風(fēng)力機(jī)聲發(fā)射信號(hào)的特征分析、提取，以及聲發(fā)射源定位的研究是發(fā)展風(fēng)力機(jī)葉片聲發(fā)射檢測(cè)技術(shù)的關(guān)鍵。

1 風(fēng)力機(jī)葉片基本故障及常見檢測(cè)技術(shù)

1.1 風(fēng)力機(jī)葉片基本故障類型

1)開裂。葉片外層膠衣長(zhǎng)期遭受磨損易產(chǎn)生微裂紋，這些裂紋在機(jī)組振動(dòng)和外界沖擊作用下迅速擴(kuò)展，引發(fā)局部開裂[10]。

2)覆冰。風(fēng)力機(jī)葉片工作環(huán)境惡劣、凍雨和濕雪等都是造成葉片覆冰的重要因素，覆冰會(huì)增加葉片質(zhì)量和葉片側(cè)翼的氣動(dòng)阻力，導(dǎo)致葉片失穩(wěn)，加快了葉片疲勞失效[11-12]。

3)葉片斷裂。葉片斷裂多發(fā)生在葉片中部及根部位置，這種故障主要是由突發(fā)性破壞和共振[13]引發(fā)的。在氣動(dòng)力和離心力等作用下，“帶傷”葉片的激振頻率與葉片自身固有頻率差值處于一定范圍內(nèi)時(shí)，葉片出現(xiàn)共振現(xiàn)象，差值越小，共振幅度越大，變形越明顯；當(dāng)差值超過該范圍時(shí)，極易發(fā)生葉片斷裂。

1.2 常用葉片故障檢測(cè)技術(shù)

1.2.1 振動(dòng)檢測(cè)

在交變載荷的沖擊作用下，葉片發(fā)生不規(guī)則擺動(dòng)和變形，異常的振動(dòng)被傳感器檢測(cè)到，通過對(duì)振動(dòng)信號(hào)的采集、放大和分析來評(píng)價(jià)葉片損傷程度的方法稱為振動(dòng)檢測(cè)方法[14-16]。振動(dòng)檢測(cè)技術(shù)具有直接性、實(shí)時(shí)性和靈敏度高的特點(diǎn)，廣泛應(yīng)用于旋轉(zhuǎn)機(jī)械的故障檢測(cè)。但由于風(fēng)力機(jī)葉片振動(dòng)源較多，采集到的振動(dòng)信號(hào)復(fù)雜多變，且信號(hào)幅值較低，很難檢測(cè)到葉片的早期故障。

1.2.2 超聲波檢測(cè)

超聲波檢測(cè)即使用探頭向風(fēng)力機(jī)葉片發(fā)射超聲波，利用葉片本身和缺陷處的復(fù)合材料聲學(xué)性質(zhì)不同來檢測(cè)葉片的缺陷[17]。通常利用超聲波的機(jī)械振動(dòng)效應(yīng)、熱效應(yīng)和空化效應(yīng)對(duì)葉片進(jìn)行除冰和防冰[18-20]。超聲波檢測(cè)技術(shù)具有檢測(cè)深度大、檢測(cè)速度快、定位缺陷準(zhǔn)確等優(yōu)點(diǎn)，但其探傷結(jié)果不便保存，且較難對(duì)風(fēng)力機(jī)葉片實(shí)行動(dòng)態(tài)監(jiān)測(cè)。

1.2.3 紅外檢測(cè)

紅外熱像儀可以探測(cè)到葉片結(jié)構(gòu)異常引起的表面溫度變化，并將其轉(zhuǎn)換為可視化熱分布圖像，通過圖像對(duì)比，便可對(duì)缺陷進(jìn)行判別[21-24]。該方法對(duì)于葉片表面缺陷十分敏感，可進(jìn)行遠(yuǎn)距離、大面積檢測(cè)。但是在實(shí)際工況下，受風(fēng)力機(jī)塔筒高度的影響，較難實(shí)現(xiàn)對(duì)葉片的現(xiàn)場(chǎng)檢測(cè)。

1.2.4 X射線檢測(cè)

X射線能夠穿透風(fēng)力機(jī)葉片，受損葉片材料密度變化的定量信息包含在X射線的反射數(shù)據(jù)中，通過數(shù)據(jù)分析和采用膠片感光成像的方法，就可以判斷缺陷的位置和大小[25]。X射線檢測(cè)技術(shù)對(duì)于材料的敏感度極高，能夠檢測(cè)到材料厚度或密度1%～2%的變化[26]，對(duì)于檢測(cè)平行于葉片的體積型缺陷準(zhǔn)確率很高[27]。但由于實(shí)際葉片尺寸較大，加上現(xiàn)場(chǎng)檢測(cè)影響因素較多，目前還未廣泛應(yīng)用于實(shí)際葉片的現(xiàn)場(chǎng)整體檢測(cè)。

1.2.5 聲發(fā)射檢測(cè)

聲發(fā)射是指材料內(nèi)部結(jié)構(gòu)發(fā)生變化時(shí)，因應(yīng)力重新分布，儲(chǔ)存的能量以彈性波的形式釋放出來的現(xiàn)象。聲發(fā)射檢測(cè)技術(shù)就是基于聲發(fā)射原理，通過對(duì)采集到的聲發(fā)射信號(hào)進(jìn)行分析，來評(píng)估葉片的健康狀態(tài)[28-29]。聲發(fā)射檢測(cè)技術(shù)存在凱賽爾效應(yīng)[30]，對(duì)外界環(huán)境十分敏感，采集到的信號(hào)十分復(fù)雜，但它能夠有效檢測(cè)到葉片材料早期故障，并及時(shí)掌握其動(dòng)態(tài)信息，這對(duì)于實(shí)現(xiàn)風(fēng)力機(jī)葉片的在線監(jiān)測(cè)具有十分重要的意義。

2 風(fēng)力機(jī)葉片聲發(fā)射檢測(cè)關(guān)鍵技術(shù)的研究

2.1 風(fēng)力機(jī)葉片損傷聲發(fā)射特征分析與提取研究

早期的故障特征分析都是通過分析信號(hào)實(shí)現(xiàn)的，選取不同的信號(hào)分析方法對(duì)其故障特征的提取具有不同的效果。

王雅瑞等[31]與周偉等[32]采用參數(shù)分析法對(duì)材料損傷的原始信號(hào)進(jìn)行了特征分析，發(fā)現(xiàn)其處于不同損傷階段，會(huì)產(chǎn)生不同的典型缺陷。在損傷初期階段，會(huì)有少量低幅度聲發(fā)射信號(hào)產(chǎn)生，且聲發(fā)射撞擊變換緩慢；在損傷演化階段，撞擊累積數(shù)明顯加快，隨著損傷演化的積累，信號(hào)呈現(xiàn)高能量、高幅度的特點(diǎn)，直至葉片失穩(wěn)破壞。根據(jù)研究人員的研究[33]，總結(jié)出碳纖維復(fù)合材料風(fēng)力機(jī)葉片損傷聲發(fā)射參數(shù)特征，如表1所示。參數(shù)分析法是目前較為成熟的信號(hào)分析方法，但其分析結(jié)果往往受到參數(shù)選擇的影響，難以對(duì)聲發(fā)射特征進(jìn)行準(zhǔn)確地描述。

張鵬林等[34]分別對(duì)有/無纖維預(yù)斷的試件進(jìn)行了三點(diǎn)彎曲聲發(fā)射試驗(yàn)，發(fā)現(xiàn)葉片損傷的聲發(fā)射信號(hào)既有連續(xù)型信號(hào)也有突發(fā)型信號(hào)，且具有較寬的頻率分布范圍。根據(jù)研究人員的研究[33,35]，總結(jié)出不同葉片材料損傷聲發(fā)射信號(hào)頻譜特征，如表2、表3所示。

表1 風(fēng)力機(jī)葉片聲發(fā)射信號(hào)特征參數(shù)分布

表2 碳纖維復(fù)合材料風(fēng)力機(jī)葉片損傷模式聲發(fā)射頻率特征分布

表3 玻璃纖維復(fù)合材料風(fēng)力機(jī)葉片損傷模式聲發(fā)射頻率特征分布

趙新光[36]借助小波分析發(fā)現(xiàn)裂紋損傷的信號(hào)表現(xiàn)為逐漸衰減的性質(zhì)，而邊緣損傷的信號(hào)則會(huì)出現(xiàn)類似周期性的沖擊波動(dòng)。李亞娟[37]和梁曉敏等[38]對(duì)風(fēng)力機(jī)葉片復(fù)合材料I型和II型試件的分層擴(kuò)展聲發(fā)射信號(hào)進(jìn)行了小波分析，結(jié)果表明，其最大能譜系數(shù)均在D4層，但聲發(fā)射能量具有很大差異。周勃等[39]針對(duì)采集的裂紋擴(kuò)展聲發(fā)射信號(hào)，比較了不同小波基函數(shù)對(duì)聲發(fā)射信號(hào)特征提取的影響，提取了裂紋動(dòng)態(tài)擴(kuò)展的特征頻率。在采用小波分析提取小波信號(hào)特征時(shí)，由于小波基的種類較多，選擇不同的小波基會(huì)得到不同的分析結(jié)果，因此，建立一個(gè)完備的小波基選擇標(biāo)準(zhǔn)將提高小波分析的可靠性。

由于葉片損傷聲發(fā)射信號(hào)呈非線性、非平穩(wěn)性和非高斯性的特點(diǎn)，以傳統(tǒng)的信號(hào)分析方法為主的特征提取方法無法有效而準(zhǔn)確地提取故障特征。近年來，基于時(shí)頻分析和分形理論的故障特征提取技術(shù)取得了很多顯著的成果。

趙新光等[40]基于Shannon熵理論提出了一種優(yōu)化小波重分配尺度譜結(jié)合小波特征能譜系數(shù)的分析方法，實(shí)現(xiàn)了風(fēng)力機(jī)葉片裂紋擴(kuò)展聲發(fā)射信號(hào)的時(shí)頻特征提取。曲弋等[41]借助小波尺度譜優(yōu)越的時(shí)頻分析性得到了識(shí)別葉片擴(kuò)展裂紋和萌生裂紋的判據(jù)，有效地提取擴(kuò)展裂紋和萌生裂紋的信號(hào)特征。周勃等[42]根據(jù)Godard算法調(diào)整了盲解卷的濾波器系數(shù)，通過選取合適的非線性函數(shù)，提出了一種對(duì)具有非平穩(wěn)、非線性特性的卷積混合AE信號(hào)特征提取的方法。帥潔妮[43]采用基于獨(dú)立成分分析的盲源分離技術(shù)對(duì)葉片聲發(fā)射源信號(hào)進(jìn)行了獨(dú)立分量分離，利用Matlab編程對(duì)分離后的獨(dú)立成分分量進(jìn)行了特征信息的提取。周勃等[44]通過改進(jìn)關(guān)聯(lián)維數(shù)的計(jì)算式，提出了一種基于裂紋擴(kuò)展AE信號(hào)分形特征的疲勞損傷模糊評(píng)價(jià)方法，可根據(jù)分形特征和裂紋擴(kuò)展規(guī)律達(dá)到評(píng)價(jià)風(fēng)力機(jī)葉片疲勞損傷的目的。

2.2 風(fēng)力機(jī)葉片損傷聲發(fā)射模式識(shí)別研究

目前，用于風(fēng)力機(jī)葉片故障診斷的模式識(shí)別方法以神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)為主。

2.2.1 神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)模仿生物的腦部和神經(jīng)系統(tǒng)功能，具有自學(xué)習(xí)、自組織的特點(diǎn)，是目前使用頻率最高且技術(shù)最為成熟的一種模式識(shí)別方法。

Anastassopoulos等[45]最早提出用人工神經(jīng)網(wǎng)絡(luò)對(duì)風(fēng)力機(jī)葉片聲發(fā)射信號(hào)進(jìn)行識(shí)別，并對(duì)其日后的發(fā)展提出了展望。曲弋等[46]根據(jù)葉片裂紋聲發(fā)射參數(shù)分析的數(shù)值特點(diǎn)建立了BP神經(jīng)網(wǎng)絡(luò)，并對(duì)葉片裂紋演化的各個(gè)階段進(jìn)行了有效識(shí)別。周勃等[47]改進(jìn)了盲信號(hào)提取(BSE)算法，選用動(dòng)態(tài)徑向基神經(jīng)網(wǎng)絡(luò)(RBFN)和后向傳播神經(jīng)網(wǎng)絡(luò)(BPN)進(jìn)行了非線性預(yù)測(cè)，比較了不同的非線性激勵(lì)函數(shù)和濾波器類型對(duì)算法性能的影響，并說明了該算法的有效性。

但許多問題仍未在理論上得到解決，比如如何選擇網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)、初始權(quán)值等；同時(shí)，過學(xué)習(xí)與欠學(xué)習(xí)也是神經(jīng)網(wǎng)絡(luò)存在的問題。

2.2.2 支持向量機(jī)

支持向量機(jī)結(jié)構(gòu)簡(jiǎn)單，泛化能力較優(yōu)，彌補(bǔ)了神經(jīng)網(wǎng)絡(luò)在很多方面的不足，是目前機(jī)器學(xué)習(xí)智能化領(lǐng)域的熱點(diǎn)方向。

顧桂梅等[48]對(duì)風(fēng)力機(jī)葉片裂紋損傷和邊緣損傷的聲發(fā)射信號(hào)進(jìn)行了小波分析，根據(jù)其能量特征，建立了支持向量機(jī)模型，并采用果蠅算法優(yōu)化其參數(shù)，通過仿真驗(yàn)證了其識(shí)別的準(zhǔn)確性。饒金根[49]和Zhao[50]采用小波包提取了聲發(fā)射信號(hào)各頻段能量特征，并通過支持向量機(jī)對(duì)葉片損傷模式進(jìn)行了有效識(shí)別。

2.3 風(fēng)力機(jī)葉片損傷的聲發(fā)射源定位研究

風(fēng)力機(jī)葉片損傷研究的重點(diǎn)是找出損傷位置并判別其強(qiáng)度，其中，時(shí)差定位法和區(qū)域定位法[51]是主要的兩種損傷源定位方法。

2.3.1 時(shí)差定位法

時(shí)差定位法根據(jù)聲發(fā)射源信號(hào)到達(dá)同一陣列不同傳感器的時(shí)間差，通過一定的計(jì)算得出聲發(fā)射源的具體位置，能夠快速實(shí)現(xiàn)對(duì)葉片整體的損傷定位。

袁洪芳等[52]采用小波分析判別風(fēng)力機(jī)葉片裂紋位置和強(qiáng)度，并通過時(shí)差定位法驗(yàn)證了該方法的有效性。Pang等[53]采用時(shí)差定位法對(duì)風(fēng)力機(jī)葉片樹脂基底上的預(yù)設(shè)缺陷進(jìn)行線性定位和平面定位，測(cè)試結(jié)果十分精準(zhǔn)。

但是，由于葉片聲發(fā)射波在傳播過程中經(jīng)過多次界面轉(zhuǎn)換，會(huì)存在不同程度的衰減，從而降低了時(shí)差定位的精度，使得該方法具有較大的局限性。

2.3.2 區(qū)域定位法

區(qū)域定位法通過在葉片區(qū)域布置多個(gè)傳感器，根據(jù)聲發(fā)射信號(hào)到達(dá)不同傳感器的時(shí)間逐漸細(xì)化區(qū)域，最后得到聲發(fā)射源的位置。

朱永凱等[54]通過在葉片受損率較高的區(qū)域布置一定數(shù)量的傳感器，每次按照葉片設(shè)計(jì)載荷的20%差值載荷給葉片加載，準(zhǔn)確地判斷了聲發(fā)射信號(hào)所在區(qū)域。Yoon等[55]提出了一種風(fēng)力機(jī)葉片聲發(fā)射源定位算法，并且通過實(shí)驗(yàn)驗(yàn)證了該算法的有效性和優(yōu)越性。Tang等[56]對(duì)風(fēng)力機(jī)葉片進(jìn)行為期21天的循環(huán)負(fù)載疲勞測(cè)試，成功地檢測(cè)到了葉片大小為1 m×0.05 m×0.01 m的缺陷，并采用三角剖分法對(duì)其進(jìn)行了定位。Mu?oz等[57]采用了三角測(cè)量與非線性方程結(jié)合的新型方法，實(shí)現(xiàn)了對(duì)風(fēng)力機(jī)葉片纖維斷裂源的識(shí)別和定位，最大誤差僅為9 mm。

采用區(qū)域定位法能夠靈活定位傳感器，比較適用于在葉片故障率較高的區(qū)域進(jìn)行局部定位，但是對(duì)于葉片整體的損傷檢測(cè)仍具有局限性。

3 總結(jié)與展望

將聲發(fā)射技術(shù)應(yīng)用于風(fēng)力機(jī)損傷檢測(cè)的研究關(guān)鍵在于葉片損傷聲發(fā)射特征分析、提取，以及聲發(fā)射源的定位。經(jīng)分析，本文做出以下總結(jié)與展望：

1)風(fēng)力機(jī)葉片復(fù)合材料的聲發(fā)射源具有多樣性，國內(nèi)外對(duì)聲發(fā)射產(chǎn)生機(jī)理和原始信號(hào)特征的理論關(guān)系研究較少；由于葉片材料損傷程度與特征參數(shù)有關(guān)，可以深入研究損傷演化進(jìn)程與聲發(fā)射信號(hào)特征之間的函數(shù)關(guān)系。

2)參數(shù)分析法是目前較為成熟的信號(hào)分析方法，但由于參數(shù)眾多，其無法實(shí)現(xiàn)對(duì)信號(hào)的定量分析，因此有必要建立統(tǒng)一的特征參數(shù)標(biāo)準(zhǔn)。小波分析由于小波基的種類較多，選擇不同的小波基會(huì)得到不同的分析結(jié)果，其選擇標(biāo)準(zhǔn)有待于進(jìn)一步的研究。

3)神經(jīng)網(wǎng)絡(luò)識(shí)別存在許多問題還未在理論上得到解決，例如，如何選擇網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)、初始權(quán)值等，這都是下一步工作的重點(diǎn)。

4)時(shí)差定位法能夠快速實(shí)現(xiàn)對(duì)葉片的損傷定位，但易受聲發(fā)射波傳播途徑的影響，從而降低定位精度。因此，開展風(fēng)力機(jī)葉片復(fù)合材料聲波傳播和波形轉(zhuǎn)換規(guī)律的理論研究，對(duì)于優(yōu)化相關(guān)定位方法具有重要意義。

[1]常燕, 王兆增, 崔元?jiǎng)? 等. 風(fēng)電葉片復(fù)合材料的研究進(jìn)展及其應(yīng)用[J]. 工程塑料應(yīng)用, 2014, (4)： 135－139.

[2]Galappaththi U I K, De Silva A K M, Macdonald M, et al.Review of inspection and quality control techniques for composite wind turbine blades[J]. Insight-Non-Destructive Testing and Condition Monitoring, 2012, 54(2)： 82 － 85.

[3]Zhou H F, Dou H Y, Qin L Z, et al. A review of full-scale structural testing of wind turbine blades[J]. Renewable &Sustainable Energy Reviews, 2014, 33(2)： 177 － 187.

[4]方園, 梁亞杰, 劉偉慶, 等. 鹽霧環(huán)境中玻璃纖維/不飽和聚酯復(fù)合材料腐蝕深度對(duì)彎曲性能的影響[J]. 復(fù)合材料學(xué)報(bào),2016, 33(6)： 1223 － 1233.

[5]Feng P, Wang J, Wang Y, et al. Effects of corrosive environments on properties of pultruded GFRP plates[J].Composites Part B Engineering, 2014, 67： 427 － 433.

[6]Li L, Lomov S V, Yan X, et al. Cluster analysis of acoustic emission signals for 2D and 3D woven glass/epoxy composites[J].Composite Structures, 2015, 116(1)： 286 － 299.

[7]Andrew J J, Arumugam V, Bull D J, et al. Residual strength and damage characterization of repaired glass/epoxy composite laminates using A.E. and D.I.C[J]. Composite Structures, 2016,152： 124 － 139.

[8]劉雙, 胡斌, 賀鑄, 等. 風(fēng)機(jī)葉片缺陷的無損檢測(cè)方法比較與評(píng)價(jià)[J]. 無損檢測(cè), 2015, 37(3)： 47－51.

[9]楊明緯. 聲發(fā)射檢測(cè)[M]. 北京： 機(jī)械工業(yè)出版社, 2005.

[10]張?chǎng)? 風(fēng)力發(fā)電機(jī)葉片狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng)設(shè)計(jì)和實(shí)現(xiàn)[D]. 上海： 上海電機(jī)學(xué)院, 2016.

[11]Sabatier J, Lanusse P, Feytout B, et al. CRONE control based anti-icing/deicing system for wind turbine blades[J]. Control Engineering Practice, 2016, 56： 200 － 209.

[12]邱文浩. 考慮大氣穩(wěn)定度和海氣交換的海上風(fēng)機(jī)葉片疲勞特性研究[D]. 哈爾濱： 哈爾濱工業(yè)大學(xué), 2016.

[13]李鵬飛. 風(fēng)機(jī)葉片故障診斷及狀態(tài)評(píng)估方法研究[D]. 北京： 華北電力大學(xué), 2015.

[14]陳順章. 基于LabVIEW的風(fēng)力機(jī)葉片振動(dòng)監(jiān)測(cè)系統(tǒng)開發(fā)[D]. 長(zhǎng)沙： 長(zhǎng)沙理工大學(xué), 2010.

[15]李錄平, 李芒芒, 晉風(fēng)華, 等. 振動(dòng)檢測(cè)技術(shù)在風(fēng)力機(jī)葉片裂紋故障監(jiān)測(cè)中的應(yīng)用[J]. 熱能動(dòng)力工程, 2013, (2)： 207－212.

[16]Ghoshal A, Sundaresan M J, Schulz M J, et al. Structural health monitoring techniques for wind turbine blades[J]. Journal of Wind Engineering & Industrial Aerodynamics, 2000, 85(3)： 309 －324.

[17]杜萬里, 沈小軍, 李睿. 風(fēng)電機(jī)組葉片檢測(cè)現(xiàn)狀與展望[J].科技展望, 2015, 2： 98－99.

[18]Yin C, Zhang Z, Wang Z, et al. Numerical simulation and experimental validation ofultrasonic de-icing system for wind turbine blade[J]. Applied Acoustics, 2016, 114： 19 － 26.

[19]顏健, 李錄平, 雷利斌, 等. 風(fēng)力機(jī)槳葉超聲波除冰實(shí)驗(yàn)技術(shù)研究及其應(yīng)用[J]. 可再生能源, 2015, 33(1)： 68－74.

[20]Rai?utis R, Jasiūniene E, ?ukauskas E. Ultrasonic NDT of wind turbine blades using guided waves[J]. Ultrasound Issn, 2008,63(1)： 7 － 11.

[21]Melnyk S I, Tuluzov I G, Melnyk A S, et al. Method of remote dynamic thermographic testing of wind turbine blades[A].Quantitative Infrared Thermography Conference[C]. kharkov,Ukraine, 2014.

[22]孟梨雨, 曾智, 王冠, 等. 風(fēng)電葉片蒙皮與腹板粘接紅外熱成像檢測(cè)研究[J]. 光電子技術(shù), 2015, (3)： 174－178.

[23]Eaton M, May M, Featherston C, et al. Characterisation of Damage in Composite Structures using Acoustic Emission[A]. 9th International Conference on Damage Assessment of Structures[C].Bristol, Britain, 2011.

[24]岳大皓, 李曉麗, 張浩軍, 等. 風(fēng)電葉片紅外熱波無損檢測(cè)的實(shí)驗(yàn)探究[J]. 紅外技術(shù), 2011, 33(10)： 614－617.

[25]劉雙, 胡斌, 賀鑄, 等. 風(fēng)機(jī)葉片缺陷的無損檢測(cè)方法比較與評(píng)價(jià)[J]. 無損檢測(cè), 2015, 37(3)： 47－51.

[26]Rai?utis R, Jasiūniene E, ?literis R, et al. The review of nondestructive testing techniques suitable for inspection of the wind turbine blades[J]. Ultragarsas, 2016, 63(1)： 26 － 30.

[27]何杰, 杜玲, 王冬生. 風(fēng)電葉片的主要缺陷與無損檢測(cè)技術(shù)評(píng)價(jià)[J]. 纖維復(fù)合材料, 2013, (1)： 1－7.

[28]Blanch M J, Dutton A G. Acoustic Emission Monitoring of Field Tests of an Operating Wind Turbine[J]. Key Engineering Materials, 2003, (245-246)： 475 － 482.

[29]Joosse P, Blanch M, Dutton A, et al. Acoustic emission monitoring of small wind turbine blades[J]. Journal of Solar Energy Engineering, 2002, 124(4)： 401 － 411.

[30]Kaiser J. A Study of Acoustic Phenomena in Tensile Tests[D].Munich： Technische Hochschule München, 1950.

[31]王雅瑞, 劉然, 呂智慧, 等. 含不同埋深分層損傷復(fù)合材料彎曲破壞聲發(fā)射監(jiān)測(cè)[J]. 中國測(cè)試, 2015, (10)： 117－120.

[32]周偉, 馬力輝, 張洪波, 等. 風(fēng)電葉片復(fù)合材料彎曲損傷破壞聲發(fā)射監(jiān)測(cè)[J]. 工程塑料應(yīng)用, 2011, 39(11)： 33－37.

[33]王健, 金周庚, 劉哲軍. C/E復(fù)合材料聲發(fā)射信號(hào)小波分析及人工神經(jīng)網(wǎng)絡(luò)模式識(shí)別[J].宇航材料工藝, 2001, 31(1)： 49－57.

[34]張鵬林, 李梅, 王汝姣, 等. 風(fēng)電葉片復(fù)合材料在三點(diǎn)彎曲過程中的聲發(fā)射研究[J]. 工程塑料應(yīng)用, 2016, 44(4)： 21－26.

[35]Arumugam V, Kumar C S, Santulli C, et al. Identification of Failure Modes in Composites from Clustered Acoustic Emission Data Using Pattern Recognition and Wavelet Transformation[J]. Arabian Journal for Science and Engineering,2013, 38(5)： 1087 － 1102.

[36]趙新光. 基于聲發(fā)射和小波分析的大型風(fēng)力機(jī)葉片材料損傷識(shí)別研究[D]. 沈陽： 沈陽工業(yè)大學(xué), 2009.

[37]李亞娟. 風(fēng)電葉片分層缺陷演化的力學(xué)行為及聲發(fā)射響應(yīng)特性研究[D]. 保定： 河北大學(xué), 2015.

[38]梁曉敏, 周偉, 龐艷榮, 等. 基于小波分析的復(fù)合材料層間損傷聲發(fā)射行為[J]. 玻璃鋼/復(fù)合材料, 2014, (8)： 44－48.

[39]周勃, 陳長(zhǎng)征, 張宇, 等. 風(fēng)力機(jī)葉片裂紋的動(dòng)態(tài)擴(kuò)展特性研究[J]. 中國機(jī)械工程, 2013, 24(8)： 1108－1113.

[40]趙新光, 甘曉曄, 谷泉, 等. 基于小波能譜系數(shù)的風(fēng)力機(jī)疲勞裂紋特征[J]. 振動(dòng)、測(cè)試與診斷, 2014, 34(1)： 147－152.

[41]曲弋, 陳長(zhǎng)征, 趙新光, 等. 風(fēng)力機(jī)葉片裂紋特征的小波尺度譜識(shí)別[J]. 沈陽工業(yè)大學(xué)學(xué)報(bào), 2012, (1)： 22－25.

[42]周勃, 張士偉, 陳長(zhǎng)征, 等. 風(fēng)力機(jī)葉片多裂紋擴(kuò)展聲發(fā)射信號(hào)的特征識(shí)別[J]. 儀器儀表學(xué)報(bào), 2015, 36(1)： 110－117.

[43]帥潔妮. 風(fēng)機(jī)葉片材料聲發(fā)射信號(hào)的降噪和盲源分離研究[D]. 南京： 南京航空航天大學(xué), 2013.

[44]周勃, 谷艷玲, 項(xiàng)宏偉, 等. 風(fēng)力機(jī)葉片裂紋擴(kuò)展預(yù)測(cè)與疲勞損傷評(píng)價(jià)[J]. 太陽能學(xué)報(bào), 2015, 36(1)： 41－48.

[45]Anastassopoulos A A, Kouroussis D A, Nikolaidis V N, et al.Structural integrity evaluation of wind turbine blades using pattern recognition analysis on acoustic emission data[J]. Chest, 2002,71(5)： 644 － 50.

[46]曲弋, 陳長(zhǎng)征, 周昊, 等. 基于聲發(fā)射和神經(jīng)網(wǎng)絡(luò)的風(fēng)機(jī)葉片裂紋識(shí)別研究[J]. 機(jī)械設(shè)計(jì)與制造, 2012, (3)： 152－154.

[47]周勃, 陳長(zhǎng)征, 趙新光, 等. 風(fēng)力機(jī)葉片蒙皮初始裂紋的盲信號(hào)提取[J]. 儀器儀表學(xué)報(bào), 2012, 33(7)： 1483－1489.

[48]顧桂梅, 胡讓, 李遠(yuǎn)遠(yuǎn). 果蠅優(yōu)化算法融合SVM的風(fēng)機(jī)葉片損傷識(shí)別研究[J]. 自動(dòng)化儀表, 2016, 37(2)： 9－12.

[49]饒金根. 基于諧波小波和支持向量機(jī)的風(fēng)電葉片損傷識(shí)別研究[D]. 蘭州： 蘭州交通大學(xué), 2014.

[50]Zhao Q. Damage detection of wind turbine blade based on wavelet analysis[A]. International Congress on Image and Signal Processing[C]. Shenyang, China, 2016.

[51]龔仁榮. 結(jié)構(gòu)材料中聲發(fā)射傳播特性的研究[D]. 鎮(zhèn)江： 江蘇大學(xué), 2005.

[52]袁洪芳, 周璐, 柯細(xì)勇, 等. 基于聲發(fā)射信號(hào)的風(fēng)機(jī)葉片裂紋定位分析[J]. 計(jì)算機(jī)工程與設(shè)計(jì), 2011, 32(1)： 320－323.

[53]Pang Y R, Lv Z H, Liang X M, et al. Acoustic Emission Attenuation and Source Location of Resin Matrix for Wind Turbine Blade Composites[J]. Advanced Materials Research, 2014,912-914： 36 － 39.

[54]朱永凱, 潘仁前, 陳盛票, 等. 基于聲發(fā)射傳感器陣列的風(fēng)機(jī)葉片結(jié)構(gòu)健康監(jiān)測(cè)方法[J]. 無損檢測(cè), 2010, (10)： 753－756.

[55]Yoon D J, Han B H. Effective AE source location of damages in the wind turbine blade[J]. Review of Progress in Quantitative Nondestructive Evaluation, 2012, 1430(1)： 1599 － 1605.

[56]Tang J, Soua S, Mares C, et al. An experimental study of acoustic emission methodology for in service condition monitoring of wind turbine blades[J]. Renewable Energy, 2016, 99： 170 －179.

[57]Mu?oz C G, Márquez F G. A New Fault Location Approach for Acoustic Emission Techniques in Wind Turbines[J]. Energies,2016, 9(1)： 40.