近日，我院包兴先教授团队在海上风电叶片损伤识别研究中取得重要进展，相关研究成果《基于图神经网络和逐次变分模态分解的海上风电叶片损伤识别》（Damage identification of offshore wind turbine blades based on graph neural networks and successive variational mode decomposition）发表在《Ocean Engineering》。《Ocean Engineering》为海洋工程领域中的国际顶级期刊（最新影响因子为5.5，中科院大类分区2区TOP）。论文第一作者和通讯作者为包兴先教授，中国石油大学（华东）为第一署名单位和唯一通讯单位，该研究得到国家自然科学基金和青岛市自然科学基金资助。
图1 论文首页
在恶劣的海洋环境条件和复杂的动态载荷的影响下，海上风机叶片极易发生开裂甚至断裂事故，对海上风机叶片进行损伤识别研究极为重要。团队提出基于图神经网络的风机叶片损伤定位和损伤程度识别方法，结合海象优化算法（WaOA）对逐次变分模态分解（SVMD）的超参数进行优化，并通过双阈值方法自适应选择有效的固有模态函数（IMF），从而提高信号特征的识别能力。数值模拟和模型试验研究表明，该方法可以有效识别风机叶片损伤位置及损伤程度。
该技术为风机叶片、海底管道等海洋结构物的损伤识别提供了可靠的解决方案，所提信号处理方法具有良好的特征提取效果。
图2 提出的基于WaOA-SVMD的信号处理方法
图3 风机叶片有限元模型
图4 风机叶片物理模型
论文链接：https://www.sciencedirect.com/science/article/pii/S0029801825019948
