风机叶片是风机的重要组成部分,是风能转换为电能的中介媒介。在风机系统正常运行期间,复杂的外部环境会对风力发电系统结构构成巨大的威胁,其中风的作用是主要的威胁因素之一。当风的级数过大或者风机叶片运行处于长期疲劳状态,会导致风机叶片折断并可能撞击风机塔身,进而可能会产生连锁破坏效应。因此本文主要研究了风机叶片损伤状态识别问题,提出了一种基于小波分析和独立成分分析对风机叶片健康监测的方法,具体内容如下:(1)PZT(Piezoelectric Ceramic Transducer)压电薄膜作为传感器的敏感元件,具有体积小、质量轻、压电性能好、声阻抗低、频响宽等特点,在振动测量中具有着广泛的应用。为提高采集风机叶片振动数据的准确性,本文将PZT传感器作为风机叶片健康监测系统的感知元件,介绍了其基本的工作原理;并通过改变激励频率来测试其性能,实验结果显示灵敏度达到了本文实验的要求;(2)本文提出了利用小波分析理论去除噪声和干扰的方法。详细介绍了小波理论、多分辩率分析以及小波阈值去噪的基本原理,并提出了一种新型阈值去噪方法。通过获取叶片自由振动仿真数据,并在仿真数据中混入噪声信号,对比传统阈值去噪与新型阈值去噪效果,可以发现监测数据的信噪比明显提高,为有效地观测和分析风机叶片振动状态提供了一定的理论依据;(3)为了更有效地提取风机叶片损伤特征信号,本文主要利用独立成分分析理论提取监测系统采集信号的独立成分。介绍了独立成分分析理论的基本算法与实现步骤,并通过采集健康风机叶片的振动信号进行仿真,筛选可以明显体现风机叶片振动信号周期特征的成分,验证了理论的有效性;(4)利用小波分析和独立成分分析理论对数据信号进行处理,可以观测到风机叶片在振动过程中出现的奇异点波动;通过采集实验数据样本的振动频率,分析不同振动频率时,节点在整个叶片上的分布情况,可以预判叶片损伤的大体位置;(5)分别提取风机叶片正常、表面复合材料脱落、表面裂纹以及叶尖断裂四种工况信号的独立分量信号,在检测样本时,计算其与风机叶片四种不同工况信号提取独立分量的相关系数。为了获得更好地特征分布情况,可把求出相关系数绝对值的和作为该样本的整体特征,然后使用分类器进行识别,就可以简单有效地诊断风机叶片损伤的类型。通过本文提出的方法可以有效地解决风机叶片损伤识别问题,对指导风机叶片地安全运营具有重要意义。