CN106933780A - 一种风力发电机叶片疲劳寿命的计算方法 - Google Patents

一种风力发电机叶片疲劳寿命的计算方法 Download PDF

Info

Publication number
CN106933780A
CN106933780A CN201710192059.9A CN201710192059A CN106933780A CN 106933780 A CN106933780 A CN 106933780A CN 201710192059 A CN201710192059 A CN 201710192059A CN 106933780 A CN106933780 A CN 106933780A
Authority
CN
China
Prior art keywords
blade
wind
fatigue life
driven generator
computational methods
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710192059.9A
Other languages
English (en)
Inventor
张晓毅
李珏煊
何建
王虎
贺惠民
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
STATE GRID JIBEI ENERGY-SAVING SERVICES Co Ltd
State Grid Corp of China SGCC
Original Assignee
STATE GRID JIBEI ENERGY-SAVING SERVICES Co Ltd
State Grid Corp of China SGCC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by STATE GRID JIBEI ENERGY-SAVING SERVICES Co Ltd, State Grid Corp of China SGCC filed Critical STATE GRID JIBEI ENERGY-SAVING SERVICES Co Ltd
Priority to CN201710192059.9A priority Critical patent/CN106933780A/zh
Publication of CN106933780A publication Critical patent/CN106933780A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/18Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N3/00Investigating strength properties of solid materials by application of mechanical stress
    • G01N3/20Investigating strength properties of solid materials by application of mechanical stress by applying steady bending forces
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N3/00Investigating strength properties of solid materials by application of mechanical stress
    • G01N3/32Investigating strength properties of solid materials by application of mechanical stress by applying repeated or pulsating forces
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2203/00Investigating strength properties of solid materials by application of mechanical stress
    • G01N2203/0014Type of force applied
    • G01N2203/0023Bending
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2203/00Investigating strength properties of solid materials by application of mechanical stress
    • G01N2203/0058Kind of property studied
    • G01N2203/0069Fatigue, creep, strain-stress relations or elastic constants
    • G01N2203/0073Fatigue

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Computational Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Pathology (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Pure & Applied Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Mathematical Physics (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Wind Motors (AREA)

Abstract

本发明提供一种风力发电机叶片疲劳寿命的计算方法,通过对叶片材料进行静态和疲劳抗弯实验,得到叶片材料的静态抗弯力学性能以及疲劳寿命,进而通过给定的模型来确定叶片材料在不同周期性挠度载荷作用下风力发电机叶片的疲劳寿命。本发明采用二参数Weibull分析与故障概率相结合的方法,克服了由于现有技术中经验公式形式的选取对预估结果的不确定性,从而得到更为精确的叶片疲劳使用寿命,为风力发电机叶片的稳定运行提供依据。

Description

一种风力发电机叶片疲劳寿命的计算方法
技术领域
本发明涉及风力发电技术领域,尤其涉及一种风力发电机叶片疲劳寿命的计算方法。
背景技术
众所周知,纤维增强层状复合材料由于具有高的比强度、耐腐蚀性以及出色的抗疲劳特性而被广泛的应用于风力发电机叶片结构中。玻璃纤维是目前使用最广泛的一种,然而由于碳纤维的出色的力学性能,使其在风力发电机叶片结构中受到越来越多的重视。服役中的风力发电机叶片通常承受诸如空气动力、重力以及惯性力等不同的载荷。空气动力和重力在风力发电机工作中会使叶片的结构产生周期性的应力分布,进而导致叶片形成弯曲疲劳——一种风机叶片服役中不可忽视的破坏模式。由于碳纤维增强层状复合材料各向异性的材料特性,材料的疲劳寿命表现出不确定性。现有的解决方案都是采用经验公式来进行疲劳寿命的预估,而经验公式形式的选择会直接影响到预估结果的准确性,无法准确的预测风力发电机叶片的疲劳寿命。
发明内容
针对现有技术存在的问题,本发明的目的是提供一种预测风力发电机碳纤维增强层状复合材料叶片材料疲劳寿命的方法,该方法将统计学二参数Weibull分析方法与故障概率相结合来预估风力发电机叶片的疲劳寿命,从而为风力发电机叶片的稳定运行提供依据。
为了实现上述目的,本发明采用如下技术方案:
步骤一:首先对风力发电机叶片材料进行静态抗弯实验来获得叶片材料的力学性能;
步骤二:采用周期性挠度(CDL)控制对叶片材料进行疲劳抗弯实验,定义无量纲化的周期性挠度γc,建立统计方程,公式具体如下:
式中α为形状参数,β为缩放参数。
步骤三:要计算步骤二公式中的α和β,同时还需要计算故障概率Pf
步骤四:验证分析结果的可靠性;
步骤五:将实验获得的α和β的值带入到步骤二的公式中,即可得到在不同的周期性挠度载荷条件下风力发电机叶片材料的疲劳寿命如下:
其中,本发明所使用的叶片材料为碳纤维增强层状复合材料;
进一步地,在步骤一中可以确定复合材料叶片的刚度(E1)和破坏时的挠度(SFD);
其中,在步骤二中规定疲劳故障发生在某一个周期载荷内叶片材料刚度降低到一个指定值;进一步地,在步骤二中刚度降低的指定值可以达到25%;
其中,在步骤二中,γc为无量纲化的周期性挠度(CDL/SFD)可以表示为如下公式:
其中A1、A2、N0和ΔN是常数,可以通过γc对log(N)在不同故障概率之间的关系进行拟合获得;
进一步地,所采用的参数确定方法为非线性回归分析。
其中,在步骤三中,累计分布函数F(Ni)可以用如下形式表示:
其中k是在给定的γc下的测试的叶片材料的数量;
进一步地,在步骤三中采用多元非线性回归分析确定α和β的值;
其中,在步骤四中,使用Kolmogorov-Smirnov检验来验证分析结果的可靠性:
其中D是拟合度,Ni是第i个样品的疲劳寿命(升序排列),当D小于临界值Dc时,结果可靠;
本发明的技术方案具有以下有益效果:
本发明的技术方案,通过建立二参数Weibull分析与故障概率相结合的方法对风力发电机叶片的使用寿命进行确定,补充了现有技术对风力发电机叶片材料使用寿命估计的不足,进一步提高了电力系统的稳定性。
附图说明
下面根据实施例和附图对本发明作进一步详细说明。
图1本发明实施例所述风力发电机碳纤维增强层状复合材料叶片在不同的周期性挠度条件下的抗弯疲劳寿命分布;
图2本发明实施例所述风力发电机碳纤维增强层状复合材料叶片所受周期性挠度与疲劳寿命的实验点与模型结果对比图。
具体实施方式
以下对本发明的实施例进行说明,应当理解,此处所描述的实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明提供一种风力发电机叶片疲劳寿命的计算方法,其具体技术方案如下所述:
首先对风力发电机叶片碳纤维增强层状复合材料进行静态抗弯实验来获得叶片的刚度(E1)和破坏时的挠度(SFD);
其次采用周期性挠度(CDL)控制对该叶片材料进行疲劳抗弯实验,在此规定疲劳故障发生在某一个周期载荷内叶片材料刚度降低到一个指定值(例如:21%),定义γc为无量纲化的周期性挠度(CDL/SFD),建立统计公式,公式具体如下:
式中α为形状参数,β为缩放参数。采用多元非线性回归分析确定α和β的值。
进一步地,上述公式可以表示成如下自然对数的形式(如图1所示):
ln(-ln(1-F(N)))=αln(N)-αln(β)。
图1中实验结果用符号表示,其中方块符号代表γc=0.91时风力发电机碳纤维增强层状复合材料叶片抗弯疲劳寿命分布,三角形符号代表γc=0.84时风力发电机碳纤维增强层状复合材料叶片抗弯疲劳寿命分布,星形符号代表γc=0.71时风力发电机碳纤维增强层状复合材料叶片抗弯疲劳寿命分布,菱形符号代表γc=0.65时风力发电机碳纤维增强层状复合材料叶片抗弯疲劳寿命分布,圆形符号代表γc=0.58时风力发电机碳纤维增强层状复合材料叶片抗弯疲劳寿命分布,线条代表模型结果。
接下来要计算α和β,还需要计算故障概率Pf,数学上,累计分布函数F(Ni)可以用如下形式表示:
其中k是在给定的γc下的测试的叶片材料的数量。
进一步地,无量纲化的周期性挠度γc可以用下面的公式进行估计(如图2所示):
其中A1、A2、N0和ΔN是常数,可以通过γc对log(N)在不同故障概率之间的关系进行非线性回归分析获得。
图2中实验结果用符号表示,其中方块符号代表Pf=0.5时风力发电机碳纤维增强层状复合材料叶片所受周期性挠度与疲劳寿命的关系,三角形符号代表Pf=0.632时风力发电机碳纤维增强层状复合材料叶片所受周期性挠度与疲劳寿命的关系,星形符号代表Pf=0.95时风力发电机碳纤维增强层状复合材料叶片所受周期性挠度与疲劳寿命的关系,线条代表模型结果。
同时使用Kolmogorov-Smirnov检验来验证分析结果的可靠性,验证公式如下:
其中D是拟合度,Ni是第i个样品的疲劳寿命(升序排列),当D小于临界值Dc时(例如:0.45),结果可靠(置信度95%)。
最后将实验获得的α和β的值带入到步骤二的公式中,即可得到在不同的周期性挠度载荷条件下风力发电机碳纤维层状复合材料叶片材料的疲劳寿命如下:
由图2可知,本发明提供的技术方案可以很好的预测材料的使用寿命。
最后应说明的是:以上所述仅为本发明的实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (8)

1.一种风力发电机叶片疲劳寿命的计算方法,其特征在于,包括以下步骤:
步骤一:对风力发电机叶片材料进行静态抗弯实验获得叶片材料的力学性能;
步骤二:采用周期性挠度控制对叶片材料进行疲劳抗弯实验,定义无量纲化的周期性挠度γc,建立统计公式,公式具体如下:
F ( N ) = 1 - exp ( - ( N β ) α )
式中α为形状参数,β为缩放参数;
步骤三:通过实验计算步骤二公式中的形状参数α和缩放参数β,同时计算故障概率Pf;Pf计算方式如下:
F ( N i ) = P f = i - 0.3 k + 0.4
其中k是在给定的γc下的测试的叶片材料的数量;
步骤四:验证分析结果的可靠性,验证公式如下:
D = m a x ( | i k - F ( N i ) | ) i k
其中D是拟合度,Ni是第i个样品的疲劳寿命,当D小于临界值Dc时,结果可靠;
步骤五:将实验获得的α和β的值带入到步骤二的公式中,即可得到在不同的周期性挠度载荷条件下风力发电机叶片材料的疲劳寿命,具体公式如下:
N = exp ( l n ( - l n ( 1 - P f ) ) + α l n ( β ) α )
其中N为叶片材料的疲劳寿命。
2.根据权利要求1中所述的风力发电机叶片的疲劳寿命的计算方法,其特征在于,叶片材料为碳纤维增强层状复合材料。
3.根据权利要求1中所述的一种风力发电机叶片的疲劳寿命的计算方法,其特征在于:在步骤一中确定叶片的刚度(E1)和破坏时的挠度(SFD)。
4.根据权利要求1中所述的一种风力发电机叶片的疲劳寿命的计算方法,其特征在于:在步骤二中规定疲劳故障发生在某一个周期载荷内叶片材料刚度降低到一个指定值。
5.根据权利要求1中所述的一种风力发电机叶片的疲劳寿命的计算方法,其特征在于:在步骤二中,γc为无量纲化的周期性挠度,可以表示为如下公式:
γ c = A 1 - A 2 1 + exp ( log ( N ) - N 0 Δ N ) + A 2
其中A1、A2、N0和ΔN是常数,可以通过γc对log(N)在不同故障概率之间的关系进行拟合获得。
6.根据权利要求1中所述的一种风力发电机叶片的疲劳寿命的计算方法,其特征在于:在步骤三中采用多元非线性回归分析确定α和β的值。
7.根据权利要求4中所述的一种风力发电机叶片的疲劳寿命的计算方法,其特征在于:刚度降低的指定值可以达到25%。
8.根据权利要求5中所述的一种风力发电机叶片的疲劳寿命的计算方法,其特征在于:所采用的参数确定方法为非线性回归分析。
CN201710192059.9A 2017-03-28 2017-03-28 一种风力发电机叶片疲劳寿命的计算方法 Pending CN106933780A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710192059.9A CN106933780A (zh) 2017-03-28 2017-03-28 一种风力发电机叶片疲劳寿命的计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710192059.9A CN106933780A (zh) 2017-03-28 2017-03-28 一种风力发电机叶片疲劳寿命的计算方法

Publications (1)

Publication Number Publication Date
CN106933780A true CN106933780A (zh) 2017-07-07

Family

ID=59426512

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710192059.9A Pending CN106933780A (zh) 2017-03-28 2017-03-28 一种风力发电机叶片疲劳寿命的计算方法

Country Status (1)

Country Link
CN (1) CN106933780A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109855959A (zh) * 2017-11-30 2019-06-07 中国科学院金属研究所 一种金属材料疲劳强度的预测方法
CN111855383A (zh) * 2020-07-29 2020-10-30 石河子大学 一种风力机叶片覆冰载荷下疲劳寿命预测方法
WO2021253823A1 (zh) * 2021-01-15 2021-12-23 浙江大学 考虑雨滴侵蚀的风力发电机叶片涂层疲劳分析方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6996493B1 (en) * 2004-02-11 2006-02-07 The United States Of America As Represented By The Secretary Of The Navy Programmed computation of predicted pressure loads on marine vessels
CN102607831B (zh) * 2012-02-25 2014-06-04 中国科学院工程热物理研究所 一种水平轴风力机叶片疲劳损伤与寿命测试方法
CN105260584A (zh) * 2014-07-01 2016-01-20 中国人民解放军空军工程大学 一种已服役使用过的飞机结构剩余耐久性安全寿命确定方法
CN105928810A (zh) * 2016-06-21 2016-09-07 巨石集团有限公司 纤维增强材料弯曲疲劳测试方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6996493B1 (en) * 2004-02-11 2006-02-07 The United States Of America As Represented By The Secretary Of The Navy Programmed computation of predicted pressure loads on marine vessels
CN102607831B (zh) * 2012-02-25 2014-06-04 中国科学院工程热物理研究所 一种水平轴风力机叶片疲劳损伤与寿命测试方法
CN105260584A (zh) * 2014-07-01 2016-01-20 中国人民解放军空军工程大学 一种已服役使用过的飞机结构剩余耐久性安全寿命确定方法
CN105928810A (zh) * 2016-06-21 2016-09-07 巨石集团有限公司 纤维增强材料弯曲疲劳测试方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
樊毅啬: "齿轮弯曲疲劳强度影响因素分析及试验研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109855959A (zh) * 2017-11-30 2019-06-07 中国科学院金属研究所 一种金属材料疲劳强度的预测方法
CN109855959B (zh) * 2017-11-30 2021-08-10 中国科学院金属研究所 一种金属材料疲劳强度的预测方法
CN111855383A (zh) * 2020-07-29 2020-10-30 石河子大学 一种风力机叶片覆冰载荷下疲劳寿命预测方法
CN111855383B (zh) * 2020-07-29 2023-09-05 石河子大学 一种风力机叶片覆冰载荷下疲劳寿命预测方法
WO2021253823A1 (zh) * 2021-01-15 2021-12-23 浙江大学 考虑雨滴侵蚀的风力发电机叶片涂层疲劳分析方法

Similar Documents

Publication Publication Date Title
CN102622473B (zh) 基于贝叶斯理论的步进应力加速退化试验优化设计方法
CN104750932B (zh) 一种混合不确定性下基于代理模型的结构可靠性分析方法
US20190354889A1 (en) Method of predicting failure probability of brittle material in high temperature creep state
CN105701337A (zh) 风电机组的疲劳寿命预测方法和装置
CN106933780A (zh) 一种风力发电机叶片疲劳寿命的计算方法
CN103488869A (zh) 一种最小二乘支持向量机的风力发电短期负荷预测方法
Huo et al. An approach to wind-induced fatigue analysis of wind turbine tubular towers
CN107733366A (zh) 基于加速试验箱的光伏组件失效评估及其预测方法
CN105893757A (zh) 一种用于电压暂降严重程度的综合评估方法
CN103018063A (zh) 基于Mittag-Leffler分布的桥梁随机疲劳寿命预测方法
CN103345547B (zh) 一种考虑火灾全过程作用的型钢混凝土梁性能的分析方法
CN106529724A (zh) 一种灰色联合权重风电功率预测方法
Pillai et al. Fatigue reliability analysis in time domain for inspection strategy of fixed offshore structures
Zhang et al. Reliability-based lifetime fatigue damage assessment of offshore composite wind turbine blades
Fan et al. Human factors’ complexity measurement of human‐based station of assembly line
CN105678438A (zh) 一种基于语言加权几何算子与模糊优先序的改进fmea方法
Luo et al. Data missing mechanism and missing data real-time processing methods in the construction monitoring of steel structures
CN105046203A (zh) 基于夹角dtw距离的卫星遥测数据自适应层次聚类方法
Valeti et al. Remaining useful life estimation of wind turbine blades under variable wind speed conditions using particle filters
Liu et al. A fatigue reliability assessment approach for wind turbine blades based on continuous time Bayesian network and FEA
Shiri et al. Effect of strength dispersion on fatigue life prediction of composites under two-stage loading
Wu et al. Time-dependent reliability model of components with strength degradation based-on gamma process
CN102682212B (zh) 机电类产品的一种可靠性度量方法
US11320353B2 (en) Creep strength analysis and assessment method and computer device
CN105741184A (zh) 一种变压器状态评估方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170707

RJ01 Rejection of invention patent application after publication