风力叶片损伤检测数据集1963-2021
数据来源：互联网公开数据
标签：风力叶片,损伤检测,声发射信号,机器学习,特征提取,波let变换,FFT,可再生能源,维护
数据概述：
本数据集用于通过声发射（AE）信号进行风力涡轮机叶片早期脱层检测。数据集包含在正常运行和脱层事件期间采集的模拟AE信号。数据集包括从原始AE信号中提取的各种特征，如用于降噪和特征提取的波let系数以及从快速傅里叶变换（FFT）导出的频域特征。该数据集的主要目的是促进早期脱层检测的机器学习模型开发，从而实现主动维护并提高风力涡轮机操作的可靠性。
数据用途概述：
该数据集适用于开发和测试用于可再生能源系统预测维护的创新模式识别技术和机器学习模型。研究人员可以利用此数据集开发早期脱层检测模型，帮助识别和预防潜在的设备故障，从而降低维护成本，提高风电系统的稳定性和效率。
举例：
数据集中包含不同类型的损伤，包括“纤维断裂”、“表面裂纹”、“断裂”和“边缘退化”。这些损伤类型的标注有助于训练和验证机器学习模型，确保模型能够准确地识别和分类各种类型的损伤。例如，通过对波let系数和FFT特征的分析，可以识别出特定频率的信号模式，这些模式与特定的损伤类型相关联。
