一种复合材料风电叶片的声发射检测与损伤识别方法技术

本发明专利技术涉及风电叶片健康监测技术，旨在提供一种复合材料风电叶片的声发射检测与损伤识别方法。包括：利用矩形平面定位的方法计算监测区域内的声发射源定位点；提取采集到的声发射信号参数，对其进行降维和聚类处理；将优化后的声发射信号数据集用于训练损伤模式识别模型；通过交叉验证的方式对模型进行评估，选择最佳的分类算法用于建立损伤模式识别模型；将声发射仪器采集到的声发射信号实时传入模型，得到风电叶片内声发射源的损伤类型并进行标注。本发明专利技术利用声发射技术能够在疲劳载荷下大尺寸风电叶片内部探测到缺陷，能够有效计算出监测区域内的声发射源定位点；本发明专利技术推动了声发射技术在复合材料及风电叶片上的应用。了声发射技术在复合材料及风电叶片上的应用。了声发射技术在复合材料及风电叶片上的应用。

【技术实现步骤摘要】
一种复合材料风电叶片的声发射检测与损伤识别方法


[0001]本专利技术涉及风电叶片健康监测技术，尤其涉及一种复合材料风电叶片的声发射检测与损伤识别方法。

技术介绍

[0002]风电叶片是风力发电系统中的重要部件，由于风电叶片体型较大且制作工艺繁琐，在制造、运输、安装和运行的过程中，都可能会产生损伤。尤其是在运行过程中，可能受到复杂交变载荷、暴风雨冲击、紫外线老化和湿热老化等影响，需要叶片材料有较轻的比重、较好的疲劳强度及力学性能。
[0003]纤维增强环氧树脂基复合材料具有强度高、密度低和可设计性强等优点，广泛应用在风力发电叶片领域中，最常见的制造材料包括碳纤维增强环氧树脂基复合材料与玻璃纤维增强环氧树脂基复合材料。然而，由于风电叶片的结构形式多样，所受载荷环境复杂，复合材料叶片中的损伤模式与破坏机理非常复杂，通常包括纤维断裂、基体开裂、界面分离、分层失效及胶接失效等失效模式，其中分层和胶接失效会严重降低复合材料刚度、强度和结构完整性。在生命周期中，风电叶片不可避免地会产生裂纹、缺胶、分层和界面分离等结构缺陷，在复杂载荷服役环境下将导致损伤累积，造成强度或失稳破坏。
[0004]目前，风电叶片健康监测的相关技术有声发射、超声、红外线成像、Lamb波、数字散板和X射线等。其中声发射技术能够动态监测材料和结构的缺陷，即时反映结构中的损伤，还可以建立不同铺层角度和尺寸的复合材料层合板声发射信号参数与失效模式之间的关联，可以有效地识别和评估各种失效模式，尤其是分层失效。复合材料中的纤维断裂、基体开裂、分层和界面分离等是声发射波的重要来源，其特性可用幅度、能量、计数、事件、上升时间和持续时间等声发射特征参量或波形识别方法来辨识，从而反映复合材料结构的损伤特性，确定其薄弱区域。
[0005]国内外已经开展了许多基于声发射技术的复合材料损伤失效机理研究，通过聚类分析的方法来识别复合材料试样中损伤模式，能够一定程度上分析识别材料结构的缺陷和损伤演化特性。但由于叶片结构和制造工艺复杂，缺陷通常在叶片内部演化，声发射测试难度较大等因素，目前针对风电叶片检测的研究绝大部分仅限于材料层次。如涉及到评估风电叶片的承载能力和疲劳寿命，需要进行大尺度的复合材料风电叶片损伤试验。
[0006]目前，缺乏成熟的叶片健康监测技术和损伤演化分析方法已成为制约风电机组向更大功率、轻量化和长寿命发展的重要瓶颈之一。因此，迫切需要发展先进的理论方法和测试技术，从损伤失效分析方法、强度与寿命预测技术和非破坏性测试技术等方面开展研究，这对于提升叶片发电效率、减少成本和保障叶片安全运行均具有重要意义。

技术实现思路

[0007]本专利技术要解决的技术问题是，克服现有技术中的不足，提供一种复合材料风电叶片的声发射检测与损伤识别方法。
[0008]为解决技术问题，本专利技术的解决方案是：
[0009]提供一种复合材料风电叶片的声发射检测与损伤识别方法，包括：利用矩形平面定位的方法计算监测区域内的声发射源定位点；提取采集到的声发射信号参数，对其进行降维和聚类处理；将优化后的声发射信号数据集用于训练损伤模式识别模型；通过交叉验证的方式对模型进行评估，选择最佳的分类算法用于建立损伤模式识别模型；将声发射仪器采集到的声发射信号实时传入模型，得到风电叶片内声发射源的损伤类型并进行标注。
[0010]作为本专利技术的优选方案，该方法具体包括以下步骤：
[0011](1)确定传感器在风电叶片内部的安装间距，并在选取的监测区域内进行安装；
[0012](2)采集监控区域内的声发射信号，对采集到的数据进行声速标定和降噪处理；
[0013](3)根据传感器的布置方式划分矩形区域，利用降噪处理后的信号数据通过穷举法计算各区域内的声发射源的坐标；
[0014](4)清洗声发射信号数据并进行降维处理，然后进行聚类和标注；采用双传感器平面定位点信息，匹配传感器接收到的声发射信号数据的聚类结果；
[0015](5)基于优化后的聚类结果建立训练数据集，利用多种机器学习算法分别建立分类模型；基于交叉验证和评估结果，确定不同场景下的风电叶片损伤模式识别模型；
[0016](6)将声发射仪器采集到的单个或多个事件声发射信号实时传入风电叶片损伤模式识别模型，得到风电叶片内声发射源的损伤类型和标注结果。
[0017]作为本专利技术的优选方案，所述步骤(1)具体包括：采用断铅方法模拟声发射源，利用测试数据确定风电叶片在横向和纵向上的距离
‑
衰减曲线；在叶片上选取多个监测区域，将传感器布置在相应区域的风电叶片内部；根据距离
‑
衰减曲线确定横、纵向传感器的安装间距，分别控制在能接收衰减信号且信号衰减率大于设定阈值的范围内；然后用凝固胶固定传感器及前置放大器，并以信号线依次连接声发射分析仪和计算机。
[0018]作为本专利技术的优选方案，所述步骤(2)具体包括：设定信号采集参数后，对每个监控区域内采集到的声发射信号的进行声速标定，用于后续的定位计算；对采集到的数据采用小波阈值降噪处理，得到降噪后的声发射信号数据。
[0019]作为本专利技术的优选方案，所述步骤(3)具体包括：根据试验中传感器的布置方式划分矩形区域并布置两组传感器，将经过降噪处理的声发射信号数据代入时差法计算公式；将两组传感器所形成的两条双曲线的交点认定为声源的平面定位，通过基于穷举法的程序分别计算出各矩形区域内声发射源的坐标。
[0020]作为本专利技术的优选方案，所述步骤(4)具体包括：
[0021](4.1)对声发射信号数据进行清洗，去除数据中的空缺值、重复值和错误值；
[0022](4.2)采用主成分分析方法对清洗后的数据进行降维处理，然后采用二分k
‑
means算法对数据进行聚类和标注；
[0023](4.3)计算降维处理后数据的误差平方和，利用手肘法综合确定最佳簇数k的大小并将数据分为k个簇；
[0024](4.4)采用两个传感器平面定位点匹配对应两个通道声发射信号损伤类型，对数据集中的聚类类别进行优化。
[0025]作为本专利技术的优选方案，所述步骤(4.4)具体包括：
[0026](4.4.1)通过双传感器平面定位公式计算出各组传感器之间定位点数量，提取出
定位点信息；将所有定位点逐一匹配各个通道对应的声发射数据，计算得到定位点的信号参数行中的聚类类别；
[0027](4.4.2)如果某两个传感器接收到的信号参数中聚类类别相同，则将匹配到的两个通道对应信号的标记为可用数据并提取出放置在可用数据表内；如果两个传感器接收到的信号参数中聚类类别不相同，则标记为不可用数据并继续匹配其他定位点；以此类推，直到匹配完所有定位点信息之后结束；
[0028](4.4.3)分别匹配矩形区域内各个传感器之间的定位点和对应通道信号参数中的聚类类别，对数据进行整理得到各个通道参数及聚类类别的优化结果，作为损伤识别模型建立的训练数据集。
[0029]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种复合材料风电叶片的声发射检测与损伤识别方法，其特征在于，包括：利用矩形平面定位的方法计算监测区域内的声发射源定位点；提取采集到的声发射信号参数，对其进行降维和聚类处理；将优化后的声发射信号数据集用于训练损伤模式识别模型；通过交叉验证的方式对模型进行评估，选择最佳的分类算法用于建立损伤模式识别模型；将声发射仪器采集到的声发射信号实时传入模型，得到风电叶片内声发射源的损伤类型并进行标注。2.根据权利要求1所述的方法，其特征在于，具体包括以下步骤：(1)确定传感器风电叶片内部的安装间距，并在选取的监测区域内进行安装；(2)采集监控区域内的声发射信号，对采集到的数据进行声速标定和降噪处理；(3)根据传感器的布置方式划分矩形区域，利用降噪处理后的信号数据通过穷举法计算各区域内的声发射源的坐标；(4)清洗声发射信号数据并进行降维处理，然后进行聚类和标注；采用双传感器平面定位点信息，匹配传感器接收到的声发射信号数据的聚类结果；(5)基于优化后的聚类结果建立训练数据集，利用多种机器学习算法分别建立分类模型；基于交叉验证和评估结果，确定不同场景下的风电叶片损伤模式识别模型；(6)将声发射仪器采集到的单个或多个事件声发射信号实时传入风电叶片损伤模式识别模型，得到风电叶片内声发射源的损伤类型和标注结果。3.根据权利要求2所述的方法，其特征在于，其特征在于，所述步骤(1)具体包括：采用断铅方法模拟声发射源，利用测试数据确定风电叶片在横向和纵向上的距离
‑
衰减曲线；在叶片上选取多个监测区域，将传感器布置在相应区域的风电叶片内部；根据距离
‑
衰减曲线确定横、纵向传感器的安装间距，分别控制在能接收衰减信号且信号衰减率大于设定阈值的范围内；然后用凝固胶固定传感器及前置放大器，并以信号线依次连接声发射分析仪和计算机。4.根据权利要求2所述的方法，其特征在于，所述步骤(2)具体包括：设定信号采集参数后，对每个监控区域内采集到的声发射信号的进行声速标定，用于后续的定位计算；对采集到的数据采用小波阈值降噪处理，得到降噪后的声发射信号数据。5.根据权利要求2所述的方法，其特征在于，所述步骤...

【专利技术属性】
技术研发人员：刘鹏飞，陈泓宇，
申请(专利权)人：浙江大学，
类型：发明
国别省市：