分层是风力涡轮机叶片中的常见问题，产生应力集中区域，其可导致叶片的部分或完全破裂。本文提出了一种新的风力机叶片可靠性监测系统分层分类方法。它基于具有外生输入系统（NARX）和线性自回归模型（AR）的非线性自回归的特征提取。本文的一个新颖之处是NARX作为风力机叶片分层分类的特征提取方法。此外，NARX功能被证明比用于叶片损伤检测的线性AR特征明显更好，并且NARX可以正确地描述叶片分层的固有非线性。一个真实的案例研究考虑了采用对分层敏感的超声波导波的不同分层水平。首先，通过小波变换对获得的信号进行滤波和去噪。然后，通过NARX提取信号的特征，并且考虑邻域分量分析作为主要新颖性来选择特征的数量。最后，通过有监督的机器学习方法执行了六种具有不同分层大小的场景：决策树，判别分析，二次支持向量机，最近邻和集合分类。
——文章发布于2019年6月28日
