风力涡轮机叶片上的冰块是能源公司在寒冷气候下面临的主要问题之一。本文提出了一种基于模式识别的基于导波和机器学习的冰厚度检测和分类方法。为了成功实现监督分类，有必要采用一种允许正确提取和选择超声波信号特征的方法。这项工作的主要创新之处在于，该方法考虑了四种特征提取方法来验证结果，分别采用线性(自回归(AR)和主成分分析)和非线性(非线性-AR外生和分层非线性主成分分析)，特征选择采用邻域成分分析。通过机器学习，对决策树、判别分析、支持向量机、k近邻和集成分类器等20个分类器进行了监督分类。最后，在单频和多频模式下对分类器进行了评价，得到了准确的结果。
——文章发布于2019年3月
