【技术实现步骤摘要】
本专利技术涉及海洋工程，涉及一种海上风力发电连接结构健康状态融合表征及判定方法。
技术介绍
1、海上风力发电结构是海上风能开发利用的重要基础性设施，随着其服役时间增加，海上风力发电结构发生故障的概率也随之增大。未来10-15年间，海上风机结构将全面进入服役中后期，老龄化问题凸显，使得蓬勃发展的海上风电产业面临结构服役期故障频发的困境。
2、在诸多海上风力发电结构故障中，由于螺栓连接松动导致结构故障的事故频繁发生，螺栓对海上风力发电结构起到十分关键的连接作用，海上风力发电塔筒与基础，轮毂与叶片以及相邻塔筒之间均依靠螺栓连接，造成整个海上风力发电结构安全隐患较大、失效点众多。与陆上风电相比，海上风力发电结构单机容量更大、叶片尺度更长、塔筒结构更长，复杂海洋环境下螺栓需承受多变动载荷，更易发生松动。一旦发生松动，海上风力发电结构刚度将随之降低，进而导致整体结构振动特性异常，导致共振、甚至发生倒塌。据统计，自2007-2023年间全球每年发生的风电事故80起以上，其中因螺栓松动直接或间接引发的结构故障事故占比高达20%。因此，亟需对海上风力发电连接结构健康状态进行监测，以确保海上风力发电结构服役期的安全运行。
3、针对海上风力发电连接结构/螺栓松动监测问题，查阅相关已公开技术方案，已公开技术《用于监测螺栓松动状态的监测装置及监测方法、风电机组》[cn112267981a]利用磁性编码器测量待测螺栓与固定螺母的相对角度，利用间隙测量传感器记录待测螺栓松动引发的被夹紧件的间隙增加量，通过判断采集的数据是否超过预设的角
4、发展有效的海上风力发电连接结构健康状态精准监测方法，尽早地发现、诊断及预警结构健康状态的变化，进行有效的状态评估，以降低海上风力发电结构故障发生率，对海上风力发电结构的安全保障具有重要的实用价值。
技术实现思路
1、本专利技术的目的在于解决以上技术问题之一，提供一种海洋平台通风系统的风量综合优化控制方法。
2、为实现上述目的，本专利技术采用的技术方案是：
3、一种海上风力发电连接结构健康状态融合表征及判定方法，包括以下步骤：
4、s1：构造海上风力发电连接结构正常状态数据融合表征参量；
5、s2：获取海上风力发电连接结构运行过程中的振动数据，构造运行状态数据融合表征参量；
6、s3：对正常状态数据融合表征参量和运行状态数据融合表征参量进行特征层融合，获得总体数据融合表征参量，对总体数据融合表征参量进行主成分分析，计算主成分空间投影矩阵；
7、s4：基于主成分空间投影矩阵，进行主成分投影，获得海上风力发电连接结构正常状态参量投影点和运行状态参量投影点，将运行状态参量投影点与正常状态参量投影点进行比较，获得投影点集中度，根据投影点集中度判定海上风力发电连接结构的状态是否异常。
8、本专利技术一些实施例中，步骤s1包括：
9、s11：建立海上风力发电结构的有限元模型，采用有限元模型对待检测海上风力发电结构进行数值仿真，根据有限元模型数值仿真结果，获得待检测海上风力发电连接结构正常状态下的多源振动数据；
10、s12：对海上风力发电连接结构正常状态下的多源振动数据进行样本划分，获取多个正常样本数据；
11、s13：对各正常样本数据进行数据层融合，获得正常融合振动数据，依次对各正常样本数据的正常融合振动数据进行经验模态分解，获取各正常样本数据本征模态函数分量；
12、s14：根据各正常样本数据本征模态函数分量计算各正常样本数据本征模态函数分量的概率密度函数，并对概率密度函数进行图像化处理，获得概率密度函数图像，对概率密度函数图像进行平滑处理；
13、s15：对平滑处理后的概率密度函数图像进行网格化特征提取，根据提取结果组装拼接构造海上风力发电连接结构正常状态数据融合表征参量。
14、本专利技术一些实施例中，步骤s11中，根据有限元模型数值仿真结果，获得待检测海上风力发电连接结构正常状态下的多源振动数据的方法包括：
15、采用有限元模型对待检测海上风力发电结构进行数值仿真，获取待检测海上风力发电连接结构正常状态，连接位置上部和下部两处位置处连续振动时程数据；
16、连续采集个上部位置向和向振动数据和，连续采集个下部位置向和向振动数据和；其中，为采样时长，为采样频率；
17、基于和获得待检测海上风力发电连接结构正常状态连接结构上部位置多源振动数据和，基于和获得待检测海上风力发电连接结构正常状态连接结构下部位置多源振动数据和，综合上部位置多源振动数据和下部位置多源振动数据获得待检测海上风力发电连接结构正常状态下的多源振动数据。
18、本专利技术一些实施例中，s12中，对海上风力发电连接结构正常状态下的多源振动数据进行样本划分，获取多个正常样本数据的方法包括：
19、以为时间间隔，对待检测海上风力发电连接结构状态下的多源振动数据进行样本划分，获取个正常样本数据，每个样本数据包括个振动数据。
20、本专利技术一些实施例中，步骤s13包括：
21、在坐标系内，将同一时刻上部位置多源振动数据和向45°角平分线上投影，将下部位置多源数据和向45°角平分线上投影，取两投影的模的和作为数据层融合后的基准数据，其中：，；
22、分别对连接结构上部位置和下部位置的个样本数据依次进行经验模态分解，每样本数据分解后可得到个本征模态函数分量，上部位置及下部位置各获得个本征模态函数。
23、本专利技术一些实施例中，步骤s14包括：
24、分别计算各样本数据个本征模态函数分量的概率密度函数，获取各样本层imf的概率密度函数；采用临近点平均法对各层imf计算得到的概率密度函数进行图像化及平滑处理。
25、本专利技术一些实施例中，步骤s15包括：
26、设第个样本第层imf的概率密度函数为，统计概率密度函数的最大幅值和最小幅值，概率密度最大值，定义横向为轴，竖向为轴，横坐标和纵坐标区域内等距划分出个网格，定义零矩阵，矩阵本文档来自技高网...
【技术保护点】
1.一种海上风力发电连接结构健康状态融合表征及判定方法，其特征在于，包括以下步骤：
2.如权利要求1所述的海上风力发电连接结构健康状态融合表征及判定方法，其特征在于，步骤S1包括：
3.如权利要求2所述的海上风力发电连接结构健康状态融合表征及判定方法，其特征在于，步骤S11中，根据有限元模型数值仿真结果，获得待检测海上风力发电连接结构正常状态下的多源振动数据的方法包括：
4.如权利要求2或3所述的海上风力发电连接结构健康状态融合表征及判定方法，其特征在于，S12中，对海上风力发电连接结构正常状态下的多源振动数据进行样本划分，获取多个正常样本数据的方法包括：
5.如权利要求所4所述的海上风力发电连接结构健康状态融合表征及判定方法，其特征在于，步骤S13包括：
6.如权利要求1所述的海上风力发电连接结构健康状态融合表征及判定方法，其特征在于，步骤S14包括：
7.如权利要求6所述的海上风力发电连接结构健康状态融合表征及判定方法，其特征在于，步骤S15包括：
8.如权利要求7所述的海上风力发电连接结构健
9.如权利要求8所述的海上风力发电连接结构健康状态融合表征及判定方法，其特征在于，步骤S3包括：
10.如权利要求9所述的海上风力发电连接结构健康状态融合表征及判定方法，其特征在于，步骤S4包括：
...【技术特征摘要】
1.一种海上风力发电连接结构健康状态融合表征及判定方法，其特征在于，包括以下步骤：
2.如权利要求1所述的海上风力发电连接结构健康状态融合表征及判定方法，其特征在于，步骤s1包括：
3.如权利要求2所述的海上风力发电连接结构健康状态融合表征及判定方法，其特征在于，步骤s11中，根据有限元模型数值仿真结果，获得待检测海上风力发电连接结构正常状态下的多源振动数据的方法包括：
4.如权利要求2或3所述的海上风力发电连接结构健康状态融合表征及判定方法，其特征在于，s12中，对海上风力发电连接结构正常状态下的多源振动数据进行样本划分，获取多个正常样本数据的方法包括：
5.如权利要求所4所述...
【专利技术属性】
技术研发人员：蒋玉峰，王树青，杜君峰，王昌梓，崔璨，
申请(专利权)人：中国海洋大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。