一种风力机复合材料叶片全局应变重构方法及系统技术方案

本发明专利技术公开了一种风力机复合材料叶片全局应变重构方法及系统。所述方法按照以下步骤进行：步骤S1、步骤S2、步骤S3、步骤S4、步骤S5和步骤S6。本发明专利技术还涉及一种风力机复合材料叶片全局应变重构系统。本发明专利技术提出的方法及系统，可以实现风力机复合材料叶片全局应变重构与可视化，为叶片全局应变实时监测提供了一种高效可行的解决方案。效可行的解决方案。效可行的解决方案。

【技术实现步骤摘要】
一种风力机复合材料叶片全局应变重构方法及系统


[0001]本专利技术属于风电
，涉及一种应变重构方法及系统，具体地说是一种风力机复合材料叶片全局应变重构方法及系统。

技术介绍

[0002]叶片是风力机获取风能的关键部件。大型风力机柔性叶片在惯性力、离心力、气动载荷的作用下发生弹性形变，甚至在多因素耦合作用下造成叶片损伤。在风力机实际运行状态下，对叶片应变进行全局实时监测，全方位观测叶片早期损伤具体位置和大小，对保障风电系统安全具有重要意义。
[0003]现有风力机叶片监测通常将加速度传感器、电阻应变传感器等安装在叶根位置，无法获得叶片全局应变状态；如果将电传感器设置在叶片中部和尖部位置，带来成本增加和安全隐患问题。
[0004]如何在在风力机实际运行状态下，对叶片应变进行全局监测和可视化，是目前亟待解决的问题。

技术实现思路

[0005]本专利技术的目的是为了提供一种风力机复合材料叶片全局应变重构方法及系统，从而实现在风力机实际运行状态下，对叶片应变进行全局实时监测和可视化。
[0006]为实现上述目的，本专利技术提供了一种风力机复合材料叶片全局应变重构方法，该方法包括以下步骤：
[0007]建立与实际风力机复合材料叶片结构特性参数一致的叶片有限元模型；
[0008]确定u个叶片根部应变测试位置，u为大于2的整数；
[0009]建立叶片载荷反演模型；
[0010]所述的建立叶片载荷反演模型包括以下步骤：
[0011]设置n种工况参数组合，n为大于2的整数，所述工况参数包括风速大小、风速方向和湍流强度，基于叶素动量理论，将叶片划分为m个叶素，m为大于2的整数，获得第i种工况参数组合下的第j个叶素的升力L
ij
、阻力D
ij
、力矩M
ij
，i＝1,2,
…
n，j＝1,2,
…
m；
[0012]在所述叶片有限元模型中施加所述的升力L
ij
、阻力D
ij
、力矩M
ij
，获得所述第i种工况参数组合下的第q个叶片根部应变测试位置的应变ε
iq
，q＝1,2,
…
u，获得所述n种工况参数组合下的叶片全局应变数据集E；
[0013]以所述升力L
ij
、阻力D
ij
、力矩M
ij
和所述应变ε
iq
建立载荷反演训练样本数据集T；
[0014]基于所述的载荷反演训练样本数据集T，以所述应变ε
iq
作为输入，以所述的升力L
ij
、阻力D
ij
、力矩M
ij
作为输出，基于带输出反馈的径向基函数神经网络，获得叶片载荷反演模型；
[0015]对所述实际风力机复合材料叶片进行应变动态测试，获得所述u个叶片根部应变测试位置的应变时序谱，基于所述的叶片载荷反演模型，获得所述实际风力机复合材料叶
片的等效载荷时序谱；
[0016]建立叶片载荷
‑
应变场降阶预测模型；
[0017]以所述实际风力机复合材料叶片的等效载荷时序谱为输入，根据所述叶片载荷
‑
应变场降阶预测模型，获得叶片全局应变云图。
[0018]所述的建立与实际风力机复合材料叶片结构特性参数一致的叶片有限元模型的步骤包括：
[0019]根据实际风力机复合材料叶片的尺寸、载荷、材料、工艺水平、安装方式，确定有限元叶片的初始铺层参数，建立初始叶片有限元模型；
[0020]通过所述的初始叶片有限元模型，获取实际风力机复合材料叶片结构特性参数；所述实际风力机复合材料叶片结构特性参数包括刚度分布特性、质量特性和模态参数；
[0021]选取所述有限元叶片的初始铺层参数为优化设计变量，以所述有限元叶片的结构特性参数与所述实际风力机复合材料叶片结构特性参数一致为优化目标，结合寻优算法，求解获得有限元叶片的优化后的铺层参数；
[0022]根据所述有限元叶片的优化后的铺层参数，对所述初始叶片有限元模型进行调整修改，获得优化后的叶片有限元模型，校核所述优化后的叶片有限元模型，获得与实际风力机复合材料叶片结构特性参数一致的叶片有限元模型。
[0023]所述的建立叶片载荷
‑
应变场降阶预测模型的步骤包括：
[0024]将所述叶片全局应变数据集E的数据编写为列矩阵，并按照时间顺序组合，获得应变快照矩阵A；
[0025]采用本征正交分解方法对所述的应变快照矩阵A进行模态分解，获得主导模态的应变快照矩阵B；
[0026]根据所述的叶片载荷反演模型，获得所述n种工况参数组合的等效载荷时序谱；
[0027]以所述n种工况参数组合的等效载荷时序谱为输入，以所述应变快照矩阵B为输出，构建训练数据库Z；
[0028]采用径向基函数神经网络，基于所述训练数据库Z，构建叶片载荷
‑
应变场降阶预测模型。
[0029]本专利技术还提供了一种风力机复合材料叶片全局应变重构系统，该系统包括：
[0030]模块M1：用于建立与实际风力机复合材料叶片结构特性参数一致的叶片有限元模型；
[0031]模块M2：用于确定u个叶片根部应变测试位置，u为大于2的整数；
[0032]模块M3：用于建立叶片载荷反演模型；
[0033]所述的模块M3包括以下模块：
[0034]模块M31：用于设置n种工况参数组合，n为大于2的整数，所述工况参数包括风速大小、风速方向和湍流强度，基于叶素动量理论，将叶片划分为m个叶素，m为大于2的整数，获得第i种工况参数组合下的第j个叶素的升力L
ij
、阻力D
ij
、力矩M
ij
，i＝1,2,
…
n，j＝1,2,
…
m；
[0035]模块M32：用于在所述叶片有限元模型中施加所述的升力L
ij
、阻力D
ij
、力矩M
ij
，获得所述第i种工况参数组合下的第q个叶片根部应变测试位置的应变ε
iq
，q＝1,2,
…
u，获得所述n种工况参数组合下的叶片全局应变数据集E；
[0036]模块M33：用于以所述升力L
ij
、阻力D
ij
、力矩M
ij
和所述应变ε
iq
建立载荷反演训练样本数据集T；
[0037]模块M34：用于基于所述的载荷反演训练样本数据集T，以所述应变ε
iq
作为输入，以所述的升力L
ij
、阻力D
ij
、力矩M
ij
作为输出，基于带输出反馈的径向基函数神经网络，获得叶片载荷反演本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风力机复合材料叶片全局应变重构方法，其特征在于，包括以下步骤：步骤S1：建立与实际风力机复合材料叶片结构特性参数一致的叶片有限元模型；步骤S2：确定u个叶片根部应变测试位置，u为大于2的整数；步骤S3：建立叶片载荷反演模型；所述建立叶片载荷反演模型包括以下S31～S34步骤：步骤S31：设置n种工况参数组合，n为大于2的整数，所述工况参数包括风速大小、风速方向和湍流强度，基于叶素动量理论，将叶片划分为m个叶素，m为大于2的整数，获得第i种工况参数组合下的第j个叶素的升力L
ij
、阻力D
ij
、力矩M
ij
，i＝1,2,
…
n，j＝1,2,
…
m；步骤S32：在所述叶片有限元模型中施加所述的升力L
ij
、阻力D
ij
、力矩M
ij
，获得所述第i种工况参数组合下的第q个叶片根部应变测试位置的应变ε
iq
，q＝1,2,
…
u，获得所述n种工况参数组合下的叶片全局应变数据集E；步骤S33：以所述升力L
ij
、阻力D
ij
、力矩M
ij
和所述应变ε
iq
建立载荷反演训练样本数据集T；步骤S34：基于所述的载荷反演训练样本数据集T，以所述应变ε
iq
作为输入，以所述的升力L
ij
、阻力D
ij
、力矩M
ij
作为输出，基于带输出反馈的径向基函数神经网络，获得叶片载荷反演模型；步骤S4：对所述实际风力机复合材料叶片进行应变动态测试，获得所述u个叶片根部应变测试位置的应变时序谱，基于所述的叶片载荷反演模型，获得所述实际风力机复合材料叶片的等效载荷时序谱；步骤S5：建立叶片载荷
‑
应变场降阶预测模型；步骤S6：以所述实际风力机复合材料叶片的等效载荷时序谱为输入，根据所述叶片载荷
‑
应变场降阶预测模型，获得叶片全局应变云图。2.根据权利要求1所述的风力机复合材料叶片全局应变重构方法，其特征在于，所述的建立与实际风力机复合材料叶片结构特性参数一致的叶片有限元模型的步骤包括：步骤S11：根据实际风力机复合材料叶片的尺寸、载荷、材料、工艺水平、安装方式，确定有限元叶片的初始铺层参数，建立初始叶片有限元模型；步骤S12：通过所述的初始叶片有限元模型，获取实际风力机复合材料叶片结构特性参数；所述实际风力机复合材料叶片结构特性参数包括刚度分布特性、质量特性和模态参数；步骤S13：选取所述有限元叶片的初始铺层参数为优化设计变量，以所述有限元叶片的结构特性参数与所述实际风力机复合材料叶片结构特性参数一致为优化目标，结合寻优算法，求解获得有限元叶片的优化后的铺层参数；步骤S14：根据所述有限元叶片的优化后的铺层参数，对所述初始叶片有限元模型进行调整修改，获得优化后的叶片有限元模型，校核所述优化后的叶片有限元模型，获得与实际风力机复合材料叶片结构特性参数一致的叶片有限元模型。3.根据权利要求1所述的风力机复合材料叶片全局应变重构方法，其特征在于，所述的建立叶片载荷
‑
应变场降阶预测模型的步骤包括：步骤S51：将所述叶片全局应变数据集E的数据编写为列矩阵，并按照时间顺序组合，获得应变快照矩阵A；步骤S52：采用本征正交分解方法对所述的应变快照矩阵A进行模态分解，获得主导模
态的应变快照矩阵B；步骤S53：根据所述的叶片载荷反演模型，获得所述n种工况参数组合的等效载荷时序谱；步骤S54：以所述n种工况参数组合的等效载荷时序谱为输入，以所述应变快照矩阵B为输出，构建训练数据库Z；步骤S55：采用径向基函数神经网络，基于所述训练数据库Z，构建叶片载荷
‑
...

【专利技术属性】
技术研发人员：唐新姿，李可翔，彭锐涛，
申请(专利权)人：湘潭大学，
类型：发明
国别省市：