全文总字数：1826字
1. 毕业设计（论文）主要内容：
对风力发电机叶片声音监测信号进行分析，完成基于缺陷声音信号提取的风力发电机叶片缺陷监测预警的神经网络设计，用Python进行神经网络编程，用风力发电机叶片产生的声音信号对神经网络进行训练，完成缺陷声信号识别软件开发。
2. 毕业设计（论文）主要任务及要求
1、查阅不少于15篇的相关资料，其中英文文献不少于3篇，完成开题报告。2、完成风力发电机叶片声音监测信号处理及分析。3、在Pycharm或Anaconda编辑环境下用Python开发叶片缺陷监测预警的神经网络，完成神经网络的训练，完成缺陷声信号识别软件开发，缺陷识别率达到90%以上。4、完成不少于5000汉字的英文文献翻译。5、完成不少于12000字的毕业论文。
3. 毕业设计（论文）完成任务的计划与安排
第1－3周：查阅相关文献资料，明确研究内容，了解Python编程语言，熟悉Pycharm或Anaconda开发环境，确定方案，完成开题报告。第4－6周：完成风力发电机叶片声音监测信号处理及分析。完成神经网络算法研究。第7－10周：用Python编程实现神经网络，完成神经网络的训练。第11－12周：完成程序的调试和测试。第13－15周：完成并修改毕业论文。第16周：准备论文答辩。
4. 主要参考文献
[1]Long Wang, et al. Automatic Detection of Wind Turbine Blade Surface Cracks Based on UAV-Taken Images，IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS, 2017, VOL. 64, NO. 9:7293- 7303.[2]D. Li, S.-C. M. Ho, G. Song, L. Ren, and H. Li. A review of damage detection methods for wind turbine blades. Smart Mater. Struct. 2015, vol. 24, no.3: 33001.[3]A. Anastassopoulos et al., Structural integrity evaluation of wind turbine blades using pattern recognition analysis on acoustic emission data. J. Acoust. Emission , 2003, vol. 20: pp. 229-237.[4]J.-K. Lee, J.-Y. Park, K.-Y. Oh, et al. Transformation algorithm of wind turbine blade moment signals for blade condition monitoring. Renew. Energy, 2015, vol. 79: 209-218.[5]Wang Y, etal. Damage detection method for wind turbine blades based on dynamics analysis and mode shape difference curvature information [J].Mechanical Systems and Signal Processing,2014,48(1-2):351-367.[6]DEWEI MENG，etal. Detection and monitoring of surface micro-cracks by PPP-BOTDA， Applied Optics，Vol. 54, No. 16，June 1 2015，4973-4978.[7]G. A. CRANCH, etal. Crack detection in riveted lap joints using fiber laser acoustic emission sensors. OPTICS EXPRESS. 2017，Vol. 25, No. 16:19457-19467.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
