CN107895073A - 一种风电机组叶片动力学模型的优化设计方法及系统 - Google Patents
一种风电机组叶片动力学模型的优化设计方法及系统 Download PDFInfo
- Publication number
- CN107895073A CN107895073A CN201711092594.3A CN201711092594A CN107895073A CN 107895073 A CN107895073 A CN 107895073A CN 201711092594 A CN201711092594 A CN 201711092594A CN 107895073 A CN107895073 A CN 107895073A
- Authority
- CN
- China
- Prior art keywords
- mrow
- blade
- msub
- parameter
- dynamics model
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Wind Motors (AREA)
Abstract
本发明提供了一种风电机组叶片动力学模型的优化设计方法及系统，该方法包括如下步骤：试验获取测试叶片的模态参数；仿真获取叶片动力学模型参数，包括质量矩阵、刚度矩阵、质量和一阶矩；对仿真获取的叶片动力学模型参数进行约束判定；对叶片动力学模型进行模态分析，获得其模态参数；对叶片动力学模型和测试叶片的模态参数进行相关性分析；根据相关性分析结果，修正叶片动力学模型设计参数，直至叶片动力学模型和测试叶片的模态参数相关性最高；该系统包括：参数获取模块、模型设计模块、约束模块、模态求解模块、相关性分析模块及优化模块。本发明既能提高风电机组仿真结果的可靠性，也能有效减少现场调参的试错次数。
Description
技术领域
本发明涉及风电机组叶片技术领域，特别是涉及一种风电机组叶片动力学模型的优化设计方法及系统。
背景技术
数值仿真技术已广泛应用于风电机组的研发，其在叶片气动设计、整机载荷计算、结构强度校核、控制器设计等核心技术的研发环节占据主导地位。在各研发环节中，仿真模型的准确性是关键，将直接影响分析结果的可靠度。因而，必须建立足够精确的仿真模型，以保证设计输出的可靠与合理。
在上述风电机组研发过程中，载荷是影响机组性能和成本的重要因素。当前，研发人员主要通过气弹程序进行载荷计算。用于计算的仿真模型主要包含叶片、传动链和塔筒等，其中，叶片作为风电机组载荷的主要输入来源和控制对象，将直接影响整机载荷和功率输出。然而，用于仿真的叶片模型参数无法直接测量，只能通过铺层和材料参数由设计软件计算获得，这与真实运行的风电机组相比存在一定偏差。基于此仿真模型计算的载荷如果直接应用于机组设计，将无法满足机组精细化设计的要求；基于此仿真模型对现场控制器参数进行优化时，将显著增加调参试错次数，增加机组的调试周期和人力成本。
综上，如何根据叶片的实测模态结果对其动力学模型参数进行更新，成为当前业内普遍关注的技术问题。
因此，如何创设一种风电机组叶片动力学模型的优化设计方法及系统，使其既能提高风电机组仿真结果的可靠性，实现风电机组的精细化设计需求，降低风电机组的质量和材料用量，节省制造成本，也能有效减少现场调参的试错次数，降低调试周期，节省人力成本，是本领域技术人员亟待解决的问题。
发明内容
本发明的目的是提供一种风电机组叶片动力学模型的优化设计方法及系统，使其既能提高风电机组仿真结果的可靠性，实现风电机组的精细化设计需求，降低风电机组的质量和材料用量，节省制造成本，也能有效减少现场调参的试错次数，降低调试周期，节省人力成本，以解决目前由于风电机组叶片动力学模型参数不准确引起仿真结果不可靠，造成机组设计不精细和参数调试周期较长的问题。
为解决上述技术问题，本发明采用如下技术方案：
一种风电机组叶片动力学模型的优化设计方法，包括如下步骤：S1：试验获取测试叶片的模态参数；S2：仿真获取叶片动力学模型参数，所述叶片动力学模型参数包括质量矩阵、刚度矩阵、质量和一阶矩；S3：根据预设的约束条件，对仿真获取的叶片动力学模型参数进行约束判定；S4：对满足约束条件的叶片动力学模型进行模态分析，获得叶片动力学模型的模态参数；S5：对所述叶片动力学模型的模态参数和测试叶片的模态参数进行相关性分析；S6：根据相关性分析结果，修正叶片动力学模型的设计参数，不断迭代叶片动力学模型参数，直至叶片动力学模型和测试叶片的模态参数相关性最高。
作为本发明的一种改进，步骤S1还获取测试叶片的质量和一阶矩；所述步骤S3中的约束条件为：所述叶片动力学模型的质量与测试叶片的质量偏差小于质量偏差阈值，所述叶片动力学模型的一阶矩与测试叶片的一阶矩偏差小于一阶矩偏差阈值，且叶片动力学模型的质量矩阵、刚度矩阵从叶根到叶尖逐渐降低。
进一步改进，所述质量偏差阈值为3％，所述一阶矩偏差阈值为1％。
进一步改进，所述步骤S5具体包括如下步骤：S51：计算叶片动力学模型的模态频率与测试叶片的模态频率的频率误差，计算公式如下：
其中，ef，i为频率误差，i为模态参数的阶数，fi a为叶片动力学模型的i阶模态频率，fi x为测试叶片的i阶模态频率；S52：计算叶片动力学模型的模态振型与测试叶片的模态振型的模态置信值，即MAC值，计算公式如下：
其中，MACa-x(i,j)为模态置信值，i、j分别为叶片动力学模型和测试叶片的模态参数阶数，{ψi}a为叶片动力学模型的i阶模态振型，{ψj}x为测试叶片的j阶模态振型，为叶片动力学模型的i阶模态振型的转置模态振型，为测试叶片的j阶模态振型的转置模态振型；S53：计算相关性指数R，计算公式如下：相关性指数R值越小，相关度越高。
进一步改进，所述测试叶片的模态参数和叶片动力学模型的模态参数均为前四阶模态参数，所述前四阶模态参数包括两阶挥舞模态参数和两阶摆振模态参数。
一种风电机组叶片动力学模型的优化设计系统，包括：参数获取模块，用于试验获取测试叶片的模态参数；还用于仿真获取存储在模型设计模块中的叶片动力学模型参数，所述叶片动力学模型参数包括质量矩阵、刚度矩阵、质量和一阶矩；约束模块，用于根据预设的约束条件对仿真获取的所述叶片动力学模型参数进行约束判定；模态求解模块，用于对满足约束条件的叶片动力学模型进行模态分析，并获得叶片动力学模型的模态参数；相关性分析模块，用于对所述叶片动力学模型的模态参数和测试叶片的模态参数进行相关性分析；优化模块，用于修正不满足约束条件的叶片动力学模型的设计参数；还用于根据相关性分析结果，修正叶片动力学模型的设计参数，并不断迭代叶片动力学模型参数，直至叶片动力学模型的模态参数和测试叶片的模态参数的相关性最高。
作为本发明的一种改进，所述参数获取模块还获取测试叶片的质量和一阶矩；所述约束条件为：所述叶片动力学模型的质量与测试叶片的质量偏差小于质量偏差阈值，所述叶片动力学模型的一阶矩与测试叶片的一阶矩偏差小于一阶矩偏差阈值，且所述叶片质量矩阵、刚度矩阵从叶根到叶尖逐渐降低。
进一步改进，所述质量偏差阈值为3％，所述一阶矩偏差阈值为1％。
进一步改进，所述相关性分析模块包括：频率误差计算模块，用于计算叶片动力学模型的模态频率与测试叶片的模态频率的频率误差，计算公式如下：其中，ef，i为频率误差，i为模态参数的阶数，fi a为叶片动力学模型的i阶模态频率，fi x为测试叶片的i阶模态频率；模态置信值计算模块，用于计算叶片动力学模型的模态振型与测试叶片的模态振型的模态置信值，即MAC值，计算公式如下：
其中，MACa-x(i,j)为模态置信值，i、j分别为叶片动力学模型和测试叶片的模态参数阶数，{ψi}a为叶片动力学模型的i阶模态振型，{ψj}x为测试叶片的j阶模态振型，为叶片动力学模型的i阶模态振型的转置模态振型，为测试叶片的j阶模态振型的转置模态振型；相关指数计算模块，用于计算相关性指数R，计算公式如下：相关性指数R值越小，相关度越高。
进一步改进，所述测试叶片的模态参数和叶片动力学模型的模态参数均为前四阶模态参数，所述前四阶模态参数包括两阶挥舞模态参数和两阶摆振模态参数。
采用上述的设计后，本发明至少具有以下优点：
本发明风电机组叶片动力学模型优化设计方法及系统，既能提高风电机组仿真结果的可靠性，实现机组的精细化设计需求，降低机组质量和材料用量，节省制造成本；也能有效减少现场调参的试错次数，降低调试周期，节省人力成本。解决了现有技术中由于风电机组叶片动力学模型参数不准确引起仿真结果不可靠，造成机组设计不精细和参数调试周期增加的问题。
附图说明
上述仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，以下结合附图与具体实施方式对本发明作进一步的详细说明。
图1是本发明风电机组叶片动力学模型的优化设计方法的流程图。
具体实施方式
参见图1所示，本发明提供了一种风电机组叶片动力学模型的优化设计方法及系统，既能提高风电机组仿真结果的可靠性，实现机组的精细化设计需求，也能有效减少现场调参的试错次数，降低调试周期，节省人力成本。
本实施例风电机组叶片动力学模型的优化设计系统包括：参数获取模块、模型设计模块、约束模块、模态求解模块、相关性分析模块和优化模块。
本实施例应用上述系统的风电机组叶片动力学模型的优化设计方法是基于ISIGHT优化平台进行的，具体包括如下步骤：
S1：通过参数获取模块获取测试叶片的模态参数、质量和一阶矩。其中，测试叶片的模态参数为前四阶模态参数，包括两阶挥舞模态参数和两阶摆振模态参数。模态参数可通过测试叶片模态试验获得，叶片质量和一阶矩可通过承重获得。每个模态参数均具有特定的模态频率、阻尼比和模态振型。
S2：参数获取模块仿真获取存储在模型设计模块中的叶片动力学模型参数。叶片动力学模型参数包括质量矩阵、刚度矩阵、质量和一阶矩，刚度矩阵包括挥舞方向刚度矩阵和摆振方向刚度矩阵。本实施例中的叶片动力学模型采用FOCUS软件设计，可从FOCUS软件导出叶片动力学模型参数，并输入到参数获取模块中，当然也可采用其他软件设计叶片动力学模型。
S3：根据预设的约束条件，通过约束模块对步骤S2中获取的叶片动力学模型参数进行约束判定，如果满足约束条件，则进入步骤S4，进行模态分析，如果不满足约束条件，则通过优化模块修正叶片动力学模型的设计参数，并从步骤S2重新开始。约束条件为：叶片动力学模型的质量与测试叶片的质量偏差小于3％的质量偏差阈值，叶片动力学模型的一阶矩与测试叶片的一阶矩偏差小于1％的一阶矩偏差阈值，且质量矩阵、刚度矩阵从叶根到叶尖逐渐降低。其中，质量偏差阈值和一阶矩偏差阈值不仅限于上述具体数值。
S4：通过模态求解模块对满足约束条件的叶片动力学模型进行模态分析，获取叶片动力学模型的模态参数。该叶片动力学模型的模态参数为前四阶模态参数，包括两阶挥舞模态参数和两阶摆振模态参数。本实施例采用GH Bladed软件对叶片动力学模型进行模态分析。
S5：通过相关性分析模块对步骤S4中获取的叶片动力学模型的模态参数和步骤S1中获取的测试叶片的模态参数进行相关性分析。相关性分析模块包括频率误差计算模块、模态置信值计算模块及相关指数计算模块，具体的步骤如下：
S51：通过频率误差计算模块计算叶片动力学模型的模态频率与测试叶片的模态频率的频率误差，计算公式如下：
其中，ef，i为频率误差，i为模态参数的阶数，fi a为叶片动力学模型的i阶模态频率，fi x为测试叶片的i阶模态频率。
S52：通过模态置信值计算模块计算叶片动力学模型的模态振型与测试叶片的模态振型的模态置信值，即MAC值，计算公式如下：
其中，MAXa-x(i,j)为模态置信值，i、j分别为叶片动力学模型和测试叶片的模态参数的阶数，{ψi}a为叶片动力学模型的i阶模态振型，{ψj}x为测试叶片的j阶模态振型，为叶片动力学模型的i阶模态振型的转置模态振型，为测试叶片的j阶模态振型的转置模态振型。
S53：通过相关指数计算模块计算相关性指数R，计算公式如下：
S6：根据步骤S5中相关性分析结果，通过优化模块修正叶片动力学模型的设计参数，不断更新迭代叶片动力学模型参数，直至所求得的相关性指数R最小时，即相关性最高时，所对应的叶片动力学模型即为优化后的叶片动力学模型。
本发明风电机组叶片动力学模型的优化设计方法及系统，既能提高风电机组仿真结果的可靠性，实现机组的精细化设计需求，降低机组质量和材料用量，节省制造成本，也能有效减少现场调参的试错次数，降低调试周期，节省人力成本。解决了现有技术中由于风电机组叶片动力学模型参数不准确引起仿真结果不可靠，造成机组设计不精细和参数调试周期增加的问题。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，本领域技术人员利用上述揭示的技术内容做出些许简单修改、等同变化或修饰，均落在本发明的保护范围内。
Claims (10)
1.一种风电机组叶片动力学模型的优化设计方法，其特征在于，包括如下步骤：
S1：试验获取测试叶片的模态参数；
S2：仿真获取叶片动力学模型参数，所述叶片动力学模型参数包括质量矩阵、刚度矩阵、质量和一阶矩；
S3：根据预设的约束条件，对仿真获取的叶片动力学模型参数进行约束判定；
S4：对满足约束条件的叶片动力学模型进行模态分析，获得叶片动力学模型的模态参数；
S5：对所述叶片动力学模型的模态参数和测试叶片的模态参数进行相关性分析；
S6：根据相关性分析结果，修正叶片动力学模型的设计参数，不断迭代叶片动力学模型参数，直至叶片动力学模型和测试叶片的模态参数相关性最高。
2.根据权利要求1所述的风电机组叶片动力学模型的优化设计方法，其特征在于，步骤S1还获取测试叶片的质量和一阶矩；
所述步骤S3中的约束条件为：所述叶片动力学模型的质量与测试叶片的质量偏差小于质量偏差阈值，所述叶片动力学模型的一阶矩与测试叶片的一阶矩偏差小于一阶矩偏差阈值，且叶片动力学模型的质量矩阵、刚度矩阵从叶根到叶尖逐渐降低。
3.根据权利要求2所述的风电机组叶片动力学模型的优化设计方法，其特征在于，所述质量偏差阈值为3％，所述一阶矩偏差阈值为1％。
4.根据权利要求1所述的风电机组叶片动力学模型的优化设计方法，其特征在于，所述步骤S5具体包括如下步骤：
S51：计算叶片动力学模型的模态频率与测试叶片的模态频率的频率误差，计算公式如下：
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>e</mi>
<mrow>
<mi>f</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>=</mo>
<mo>|</mo>
<mfrac>
<mrow>
<msubsup>
<mi>f</mi>
<mi>i</mi>
<mi>a</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>f</mi>
<mi>i</mi>
<mi>x</mi>
</msubsup>
</mrow>
<msubsup>
<mi>f</mi>
<mi>i</mi>
<mi>x</mi>
</msubsup>
</mfrac>
<mo>|</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mn>4</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中，ef，i为频率误差，i为模态参数的阶数，fi a为叶片动力学模型的i阶模态频率，fi x为测试叶片的i阶模态频率；
S52：计算叶片动力学模型的模态振型与测试叶片的模态振型的模态置信值，即MAC值，计算公式如下：
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msup>
<mi>MAC</mi>
<mrow>
<mi>a</mi>
<mo>-</mo>
<mi>x</mi>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mo>|</mo>
<msubsup>
<mrow>
<mo>{</mo>
<msub>
<mi>&psi;</mi>
<mi>i</mi>
</msub>
<mo>}</mo>
</mrow>
<mi>a</mi>
<mi>H</mi>
</msubsup>
<msub>
<mrow>
<mo>{</mo>
<msub>
<mi>&psi;</mi>
<mi>j</mi>
</msub>
<mo>}</mo>
</mrow>
<mi>x</mi>
</msub>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<mo>(</mo>
<msubsup>
<mrow>
<mo>{</mo>
<msub>
<mi>&psi;</mi>
<mi>i</mi>
</msub>
<mo>}</mo>
</mrow>
<mi>a</mi>
<mi>H</mi>
</msubsup>
<msub>
<mrow>
<mo>{</mo>
<msub>
<mi>&psi;</mi>
<mi>i</mi>
</msub>
<mo>}</mo>
</mrow>
<mi>a</mi>
</msub>
<mo>)</mo>
<mo>(</mo>
<msubsup>
<mrow>
<mo>{</mo>
<msub>
<mi>&psi;</mi>
<mi>j</mi>
</msub>
<mo>}</mo>
</mrow>
<mi>x</mi>
<mi>H</mi>
</msubsup>
<msub>
<mrow>
<mo>{</mo>
<msub>
<mi>&psi;</mi>
<mi>j</mi>
</msub>
<mo>}</mo>
</mrow>
<mi>x</mi>
</msub>
<mo>)</mo>
</mrow>
</mfrac>
</mrow>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mn>4</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mn>4</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
</mtable>
</mfenced>
其中，MACa-x(i,j)为模态置信值，i、j分别为叶片动力学模型和测试叶片的模态参数阶数，{ψi}a为叶片动力学模型的i阶模态振型，{ψj}x为测试叶片的j阶模态振型，为叶片动力学模型的i阶模态振型的转置模态振型，为测试叶片的j阶模态振型的转置模态振型；
S53：计算相关性指数R，计算公式如下：
<mrow>
<mi>R</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mn>1</mn>
<mn>4</mn>
</munderover>
<mo>&lsqb;</mo>
<mn>0.9</mn>
<msub>
<mi>e</mi>
<mrow>
<mi>f</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>+</mo>
<mn>0.1</mn>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msup>
<mi>MAC</mi>
<mrow>
<mi>a</mi>
<mo>-</mo>
<mi>x</mi>
</mrow>
</msup>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
相关性指数R值越小，相关度越高。
5.根据权利要求1-4任一项所述的风电机组叶片动力学模型的优化设计方法，其特征在于，所述测试叶片的模态参数和叶片动力学模型的模态参数均为前四阶模态参数，所述前四阶模态参数包括两阶挥舞模态参数和两阶摆振模态参数。
6.一种风电机组叶片动力学模型的优化设计系统，其特征在于，包括：
参数获取模块，用于试验获取测试叶片的模态参数；还用于仿真获取存储在模型设计模块中的叶片动力学模型参数，所述叶片动力学模型参数包括质量矩阵、刚度矩阵、质量和一阶矩；
约束模块，用于根据预设的约束条件对仿真获取的所述叶片动力学模型参数进行约束判定；
模态求解模块，用于对满足约束条件的叶片动力学模型进行模态分析，并获得叶片动力学模型的模态参数；
相关性分析模块，用于对所述叶片动力学模型的模态参数和测试叶片的模态参数进行相关性分析；
优化模块，用于修正不满足约束条件的叶片动力学模型的设计参数；还用于根据相关性分析结果，修正叶片动力学模型的设计参数，并不断迭代叶片动力学模型参数，直至叶片动力学模型的模态参数和测试叶片的模态参数的相关性最高。
7.根据权利要求6所述的风电机组叶片动力学模型的优化设计系统，其特征在于，所述参数获取模块还获取测试叶片的质量和一阶矩；
所述约束条件为：所述叶片动力学模型的质量与测试叶片的质量偏差小于质量偏差阈值，所述叶片动力学模型的一阶矩与测试叶片的一阶矩偏差小于一阶矩偏差阈值，且所述叶片质量矩阵、刚度矩阵从叶根到叶尖逐渐降低。
8.根据权利要求7所述的风电机组叶片动力学模型的优化设计系统，其特征在于，所述质量偏差阈值为3％，所述一阶矩偏差阈值为1％。
9.根据权利要求6所述的风电机组叶片动力学模型的优化设计系统，其特征在于，所述相关性分析模块包括：
频率误差计算模块，用于计算叶片动力学模型的模态频率与测试叶片的模态频率的频率误差，计算公式如下：
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>e</mi>
<mrow>
<mi>f</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>=</mo>
<mo>|</mo>
<mfrac>
<mrow>
<msubsup>
<mi>f</mi>
<mi>i</mi>
<mi>a</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>f</mi>
<mi>i</mi>
<mi>x</mi>
</msubsup>
</mrow>
<msubsup>
<mi>f</mi>
<mi>i</mi>
<mi>x</mi>
</msubsup>
</mfrac>
<mo>|</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mn>4</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中，ef，i为频率误差，i为模态参数的阶数，fi a为叶片动力学模型的i阶模态频率，fi x为测试叶片的i阶模态频率；
模态置信值计算模块，用于计算叶片动力学模型的模态振型与测试叶片的模态振型的模态置信值，即MAC值，计算公式如下：
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msup>
<mi>MAC</mi>
<mrow>
<mi>a</mi>
<mo>-</mo>
<mi>x</mi>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mo>|</mo>
<msubsup>
<mrow>
<mo>{</mo>
<msub>
<mi>&psi;</mi>
<mi>i</mi>
</msub>
<mo>}</mo>
</mrow>
<mi>a</mi>
<mi>H</mi>
</msubsup>
<msub>
<mrow>
<mo>{</mo>
<msub>
<mi>&psi;</mi>
<mi>j</mi>
</msub>
<mo>}</mo>
</mrow>
<mi>x</mi>
</msub>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<mo>(</mo>
<msubsup>
<mrow>
<mo>{</mo>
<msub>
<mi>&psi;</mi>
<mi>i</mi>
</msub>
<mo>}</mo>
</mrow>
<mi>a</mi>
<mi>H</mi>
</msubsup>
<msub>
<mrow>
<mo>{</mo>
<msub>
<mi>&psi;</mi>
<mi>i</mi>
</msub>
<mo>}</mo>
</mrow>
<mi>a</mi>
</msub>
<mo>)</mo>
<mo>(</mo>
<msubsup>
<mrow>
<mo>{</mo>
<msub>
<mi>&psi;</mi>
<mi>j</mi>
</msub>
<mo>}</mo>
</mrow>
<mi>x</mi>
<mi>H</mi>
</msubsup>
<msub>
<mrow>
<mo>{</mo>
<msub>
<mi>&psi;</mi>
<mi>j</mi>
</msub>
<mo>}</mo>
</mrow>
<mi>x</mi>
</msub>
<mo>)</mo>
</mrow>
</mfrac>
</mrow>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mn>4</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mn>4</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
</mtable>
</mfenced>
其中，MACa-x(i,j)为模态置信值，i、j分别为叶片动力学模型和测试叶片的模态参数阶数，{ψi}a为叶片动力学模型的i阶模态振型，{ψj}x为测试叶片的j阶模态振型，为叶片动力学模型的i阶模态振型的转置模态振型，为测试叶片的j阶模态振型的转置模态振型；
相关指数计算模块，用于计算相关性指数R，计算公式如下：
<mrow>
<mi>R</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mn>1</mn>
<mn>4</mn>
</munderover>
<mo>&lsqb;</mo>
<mn>0.9</mn>
<msub>
<mi>e</mi>
<mrow>
<mi>f</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>+</mo>
<mn>0.1</mn>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msup>
<mi>MAC</mi>
<mrow>
<mi>a</mi>
<mo>-</mo>
<mi>x</mi>
</mrow>
</msup>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
相关性指数R值越小，相关度越高。
10.根据权利要求6-9任一项所述的风电机组叶片动力学模型的优化设计系统，其特征在于，所述测试叶片的模态参数和叶片动力学模型的模态参数均为前四阶模态参数，所述前四阶模态参数包括两阶挥舞模态参数和两阶摆振模态参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711092594.3A CN107895073A (zh) | 2017-11-08 | 2017-11-08 | 一种风电机组叶片动力学模型的优化设计方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711092594.3A CN107895073A (zh) | 2017-11-08 | 2017-11-08 | 一种风电机组叶片动力学模型的优化设计方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107895073A true CN107895073A (zh) | 2018-04-10 |
Family
ID=61804583
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711092594.3A Pending CN107895073A (zh) | 2017-11-08 | 2017-11-08 | 一种风电机组叶片动力学模型的优化设计方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107895073A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109583107A (zh) * | 2018-12-06 | 2019-04-05 | 国电联合动力技术有限公司 | 柔性塔筒的低风速智能优化方法、装置及存储介质 |
| CN111625909A (zh) * | 2020-05-27 | 2020-09-04 | 南京高速齿轮制造有限公司 | 一种基于工作振型和模态振型的振动模态识别方法 |
| CN111859679A (zh) * | 2020-07-24 | 2020-10-30 | 国电联合动力技术有限公司 | 风电机组测试载荷获取方法、与仿真载荷对比方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101794338A (zh) * | 2010-03-22 | 2010-08-04 | 南京航空航天大学 | 基于结构模态试验的矩阵型动力学模型修正方法 |
| CN103593518A (zh) * | 2013-10-31 | 2014-02-19 | 中国运载火箭技术研究院 | 一种基于模态试验数据的飞行器模型修正系统 |
| CN104134013A (zh) * | 2014-08-16 | 2014-11-05 | 中国科学院工程热物理研究所 | 一种风力机叶片模态分析方法 |
| CN107066701A (zh) * | 2017-03-21 | 2017-08-18 | 北京强度环境研究所 | 基于航天器的动力学特性试验的模型构建方法 |
-
2017
- 2017-11-08 CN CN201711092594.3A patent/CN107895073A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101794338A (zh) * | 2010-03-22 | 2010-08-04 | 南京航空航天大学 | 基于结构模态试验的矩阵型动力学模型修正方法 |
| CN103593518A (zh) * | 2013-10-31 | 2014-02-19 | 中国运载火箭技术研究院 | 一种基于模态试验数据的飞行器模型修正系统 |
| CN104134013A (zh) * | 2014-08-16 | 2014-11-05 | 中国科学院工程热物理研究所 | 一种风力机叶片模态分析方法 |
| CN107066701A (zh) * | 2017-03-21 | 2017-08-18 | 北京强度环境研究所 | 基于航天器的动力学特性试验的模型构建方法 |
Non-Patent Citations (1)
| Title |
|---|
| 唐恒龄等编: "《机床动力学(I)》", 30 June 1983 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109583107A (zh) * | 2018-12-06 | 2019-04-05 | 国电联合动力技术有限公司 | 柔性塔筒的低风速智能优化方法、装置及存储介质 |
| CN109583107B (zh) * | 2018-12-06 | 2023-08-18 | 国电联合动力技术有限公司 | 柔性塔筒的低风速智能优化方法、装置及存储介质 |
| CN111625909A (zh) * | 2020-05-27 | 2020-09-04 | 南京高速齿轮制造有限公司 | 一种基于工作振型和模态振型的振动模态识别方法 |
| CN111625909B (zh) * | 2020-05-27 | 2023-06-06 | 南京高速齿轮制造有限公司 | 一种基于工作振型和模态振型的振动模态识别方法 |
| CN111859679A (zh) * | 2020-07-24 | 2020-10-30 | 国电联合动力技术有限公司 | 风电机组测试载荷获取方法、与仿真载荷对比方法及装置 |
| CN111859679B (zh) * | 2020-07-24 | 2023-12-26 | 国电联合动力技术有限公司 | 风电机组测试载荷获取方法、与仿真载荷对比方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Andrew Ning et al. | Objectives and constraints for wind turbine optimization | |
| Bortolotti et al. | Combined preliminary–detailed design of wind turbines | |
| Chehouri et al. | Review of performance optimization techniques applied to wind turbines | |
| Pao et al. | Control co-design of 13 MW downwind two-bladed rotors to achieve 25% reduction in levelized cost of wind energy | |
| Neto et al. | Wind turbine blade geometry design based on multi-objective optimization using metaheuristics | |
| Bottasso et al. | Multi-disciplinary constrained optimization of wind turbines | |
| Liao et al. | Blade layers optimization of wind turbines using FAST and improved PSO Algorithm | |
| CN104503228B (zh) | 一种水轮机调速器功率模式下一次调频稳定域的确定方法 | |
| CN107895073A (zh) | 一种风电机组叶片动力学模型的优化设计方法及系统 | |
| Zalkind et al. | System-level design studies for large rotors | |
| CN107391891A (zh) | 一种基于模型融合方法的大展弦比机翼优化设计方法 | |
| CN106295001A (zh) | 适用于电力系统中长时间尺度的准稳态变步长仿真方法 | |
| CN106777499B (zh) | 一种双馈异步风力发电机组的整机动态建模方法 | |
| CN104500336A (zh) | 一种基于Hammerstein-Wiener模型的风电机组恒功率广义预测控制方法 | |
| Johnson et al. | Verification of floating offshore wind linearization functionality in OpenFAST | |
| CN104330970B (zh) | 基于h∞混合灵敏度的风机变桨执行机构鲁棒控制方法 | |
| Bortolotti et al. | An efficient approach to explore the solution space of a wind turbine rotor design process | |
| Mendoza et al. | Aero-structural rapid screening of new design concepts for offshore wind turbines | |
| Bu et al. | Reducing model complexity of DFIG-based wind turbines to improve the efficiency of power system stability analysis | |
| Ashwill et al. | Concepts to facilitate very large blades | |
| CN104037806B (zh) | 一种基于风力发电机组基本模型的电力系统潮流计算方法 | |
| Døssing | Optimization of wind turbine rotors-using advanced aerodynamic and aeroelastic models and numerical optimization | |
| McWilliam et al. | Towards a framework for aero-elastic multidisciplinary design optimization of horizontal axis wind turbines | |
| CN104361170B (zh) | 适于大规模风电并网暂态稳定分析的风电场等值建模方法 | |
| Bottasso et al. | Computational procedures for the multi-disciplinary constrained optimization of wind turbines |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180410 |