CN109283246B - 一种风力发电机叶片受损位置定位检测系统 - Google Patents

一种风力发电机叶片受损位置定位检测系统 Download PDF

Info

Publication number
CN109283246B
CN109283246B CN201710657658.3A CN201710657658A CN109283246B CN 109283246 B CN109283246 B CN 109283246B CN 201710657658 A CN201710657658 A CN 201710657658A CN 109283246 B CN109283246 B CN 109283246B
Authority
CN
China
Prior art keywords
frequency
sensor
blade
function value
sensors
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.)
Active
Application number
CN201710657658.3A
Other languages
English (en)
Other versions
CN109283246A (zh
Inventor
白泉
魏克湘
杨文献
杨博文
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.)
Hunan Institute of Engineering
Original Assignee
Hunan Institute of Engineering
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 Hunan Institute of Engineering filed Critical Hunan Institute of Engineering
Priority to CN201710657658.3A priority Critical patent/CN109283246B/zh
Publication of CN109283246A publication Critical patent/CN109283246A/zh
Application granted granted Critical
Publication of CN109283246B publication Critical patent/CN109283246B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/048—Marking the faulty objects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/023—Solids
    • G01N2291/0231—Composite or layered materials
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/26—Scanned objects
    • G01N2291/269—Various geometry objects

Abstract

本发明提供一种风力发电机叶片受损位置定位检测方法及装置，通过获取N个传感器的测量数据，进而分别获得每个传感器的频谱数据，再根据每个传感器的频谱数据，获取待测叶片的每个位置在第一频率处的频率分量，之后根据待测叶片的每个位置在第一频率处的频率分量，获取待测叶片在第一频率处的频响函数传递率，再根据频响函数传递率和标准状态信息，获得状态监测判据，根据状态监测判据确定任意相邻两个传感器的函数值，最终根据每个传感器的函数值，确定待测叶片的损伤位置，提高了检测叶片受损情况的准确率，降低了检测成本。

Description

一种风力发电机叶片受损位置定位检测系统
技术领域
本发明涉及风力发电机领域，具体涉及一种风力发电机叶片受损位置定位检测系统。
背景技术
风力机叶片从风能中获取能量并将其转化为机械能用以发电，然而叶片长期暴露在恶劣的环境中，工作时承受着不稳定的负载、温度和湿度变化引起的侵蚀，导致风机叶片物理性能下降以及损坏，影响了风力发电机的工作效率，对运营商造成重大的损失。因此，尽早发现叶片损伤，采取保护有缺陷的叶片，对提高叶片的可靠性、提高风力发电机的经济回报具有重要意义。
现场定期目视检查叶片状态监测，可以提供叶片的实际健康情况快照，但不可能在不利的天气条件和海上环境下进行，所以在线监测技术在过去几十年里一直被众多学者们研究开发。这些努力在一定程度上促进了叶片状态监测技术的发展。然而，由于早期缺陷不能使叶片的结构完整性发生显著的变化，叶片材料是复合材料，阻尼值大，同时风力发电机叶片受到不断变化的负载作用，而且叶片健康状况指标性能/效率的退化不一定意味着叶片中的结构损伤存在，使得他们至今还没有提供一个完全成功的工具用于预测风力发电机叶片的实际健康状态，尤其是一些大尺寸叶片。
发明内容
本发明第一个方面提供一种风力发电机叶片受损位置定位检测方法，包括：
获取N个传感器的测量数据；
分别获得每个所述传感器的频谱数据；
根据每个所述传感器的频谱数据，获取所述待测叶片的每个位置在第一频率处的频率分量；
根据所述待测叶片的每个位置在第一频率处的频率分量，获取所述待测叶片在第一频率处的频响函数传递率；
根据所述频响函数传递率和标准状态信息，获得状态监测判据；
根据所述状态监测判据确定任意相邻两个所述传感器的函数值；
根据每个所述传感器的函数值，确定所述待测叶片的损伤位置。
可选的，所述N个传感器中的传感器依次设置于所述叶片的I个位置上；根据每个所述传感器的函数值，确定所述待测叶片的损伤位置，包括：
当第一函数值与第二函数值同时增加时，比较所述第一函数值与所述第二函数值的大小；其中，所述第一函数值为第n-1个所述传感器和第n个所述传感器的函数值；所述为第n个所述传感器和第n+1个所述传感器的函数值；
若所述第一函数值大于所述第二函数值，则所述第n-1个所述传感器对应的位置i-1为所述损伤位置；
若所述第一函数值小于所述第二函数值则所述第n+1个所述传感器对应的位置i+1为所述损伤位置。
可选的，所述待测叶片的每个位置在第一频率处的频率分量，表达式如下：
Fxi(jωr)＝Rxi(jωr)Ff(jωr)；
其中，所述Rxi(jωr)为所述位置i的响应函数，所述Ff(jωr)为外力f(t)的频谱，所述ωr为所述第一频率。
可选的，所述标准状态信息的表达式为
Figure GDA0002806055620000021
所述
Figure GDA0002806055620000022
为无损伤叶片在所述第一频率处的频响函数传递率。
可选的，所述待测叶片在第一频率处的频响函数传递率，表达式如下：
Figure GDA0002806055620000023
可选的，所述状态监测判据，表达式如下：
Figure GDA0002806055620000024
其中，所述N为离散傅里叶变换的总数据。
可选的，所述N个传感器为两组传感器，其中一组传感器为光纤光栅传感器，另一组传感器为加速度传感器。
可选的，所述获取N个传感器的测量数据，包括：
当疲劳试验运行时，获取所述光纤光栅传感器的光栅数据；
当捶击试验进行时，获取所述加速度传感器的加速度数据。
可选的，所述光纤光栅传感器的采样频率为20HZ；所述加速度传感器的采样频率为100HZ。
本发明第二个方面提供一种风力发电机叶片受损位置定位检测装置，包括：处理器、存储器、端口和传感器模块；其中，所述传感器模块包含N个传感器；所述处理器、所述存储器和所述端口电连接；所述端口用于与所述传感器模块电连接；
所述处理器，用于获取所述N个传感器的测量数据；分别获得每个所述传感器的频谱数据；根据每个所述传感器的频谱数据，获取所述待测叶片的每个位置在第一频率处的频率分量；根据所述待测叶片的每个位置在第一频率处的频率分量，获取所述待测叶片在第一频率处的频响函数传递率；根据所述频响函数传递率和标准状态信息，获得状态监测判据；根据所述状态监测判据确定任意相邻两个所述传感器的函数值；根据每个所述传感器的函数值，确定所述待测叶片的损伤位置。
本实施例提供的风力发电机叶片受损位置定位检测方法及装置，通过获取N个传感器的测量数据，进而分别获得每个传感器的频谱数据，再根据每个传感器的频谱数据，获取待测叶片的每个位置在第一频率处的频率分量，之后根据待测叶片的每个位置在第一频率处的频率分量，获取待测叶片在第一频率处的频响函数传递率，再根据频响函数传递率和标准状态信息，获得状态监测判据，根据状态监测判据确定任意相邻两个传感器的函数值，最终根据每个传感器的函数值，确定待测叶片的损伤位置，提高了检测叶片受损情况的准确率，降低了检测成本。
附图说明
图1为本发明实施例提供的一种风力发电机叶片受损位置定位检测方法流程示意图；
图2为本发明实施例提供的一种待测叶片的位置划分示意图；
图3为本发明实施例提供的另一种风力发电机叶片受损位置定位检测方法流程示意图；
图4为本发明实施例提供的风力机叶片模型示意图；
图5为本发明实施例提供的本发明的风力机叶片受损位置预测示意图；
图6为本发明实施例提供的传感器安装在一模型叶片上布置示意图；
图7为本发明实施例提供的叶片静态试验示意图；
图8为本发明实施例提供的传感器收集的信号数据示意图；
图9为本发明实施例提供的通过DFT获得的相应频谱示意图；
图10为本发明实施例提供的叶片预判缺陷位置示意图；
图11为本发明实施例提供的叶片状态检测结果变化图；
图12为本发明实施例提供的一种风力发电机叶片受损位置定位检测装置的结构示意图。
具体实施方式
图1为本发明实施例提供的一种风力发电机叶片受损位置定位检测方法流程示意图，参照图1，该方法包括：
步骤100、获取N个传感器的测量数据；
步骤101、分别获得每个所述传感器的频谱数据；
步骤102、根据每个所述传感器的频谱数据，获取所述待测叶片的每个位置在第一频率处的频率分量；
步骤103、根据所述待测叶片的每个位置在第一频率处的频率分量，获取所述待测叶片在第一频率处的频响函数传递率；
步骤104、根据所述频响函数传递率和标准状态信息，获得状态监测判据；
具体的，标准状态信息通过测量无损伤叶片获得。
步骤105、根据所述状态监测判据确定任意相邻两个所述传感器的函数值；
步骤106、根据每个所述传感器的函数值，确定所述待测叶片的损伤位置。
本实施例提供的风力发电机叶片受损位置定位检测方法，通过获取N个传感器的测量数据，进而分别获得每个传感器的频谱数据，再根据每个传感器的频谱数据，获取待测叶片的每个位置在第一频率处的频率分量，之后根据待测叶片的每个位置在第一频率处的频率分量，获取待测叶片在第一频率处的频响函数传递率，再根据频响函数传递率和标准状态信息，获得状态监测判据，根据状态监测判据确定任意相邻两个传感器的函数值，最终根据每个传感器的函数值，确定待测叶片的损伤位置，提高了检测叶片受损情况的准确率，降低了检测成本。
待测叶片长度超过40米。其翼片方向的固有频率为0.83Hz，将风力发电机叶片分成多个部分组成的多自由度系统(MDOF)，N个传感器中的传感器依次设置于叶片的I个位置上，例如，图2为本发明实施例提供的一种待测叶片的位置划分示意图，参照图2，以三个传感器为例，其中第n-1个传感器被设置于待测叶片的位置i-1；第n个传感器设置于待测叶片的位置i，第n+1个传感器设置于待测叶片的位置i+1；位置i-1和位置i通过刚度ki-1,i和阻尼ci-1,i连接，位置i和位置i+1通过刚度ki,i+1和阻尼ci,i+1连接。这样，当分布或集中的外部载荷施加到叶片时，叶片的动态响应可以由以下等式来表示：
Figure GDA0002806055620000051
其中X(t)代表沿叶片的位移响应向量；M，C，和K分别表示质量，阻尼和刚度矩阵；F是外部力的矩阵。
可以推出，当在位置i节发生局部缺陷时，ci-1，i，ci，i+1，ki-1，i和ki，i+1的值将相应地改变，而叶片其他位置的阻尼和刚度可能不会改变。于是可以通过频响函数传递性分析的方法开发风力发电机叶片的探伤和定位技术。由于相应的阻尼和刚度值仅取决于叶片的结构完整性，所以基于这一想法开发的状态监测技术将仅响应于由结构损伤引起的变化。
进一步地，在图1的基础上，图3为本发明实施例提供的另一种风力发电机叶片受损位置定位检测方法流程示意图，参照图3，步骤106的一种可能的实现方式为：
步骤106-1、当第一函数值与第二函数值同时增加时，比较所述第一函数值与所述第二函数值的大小；
其中，所述第一函数值为第n-1个所述传感器和第n个所述传感器的函数值；所述为第n个所述传感器和第n+1个所述传感器的函数值；
步骤106-2、若所述第一函数值大于所述第二函数值，则所述第n-1个所述传感器对应的位置i-1为所述损伤位置；
步骤106-3、若所述第一函数值小于所述第二函数值则所述第n+1个所述传感器对应的位置i+1为所述损伤位置。
进一步地，所述N个传感器为两组传感器，其中一组传感器为光纤光栅传感器，另一组传感器为加速度传感器。
应地，步骤100的一种可能的实现方式为：
步骤100-a、当疲劳试验运行时，获取所述光纤光栅传感器的光栅数据；
步骤100-b、当捶击试验进行时，获取所述加速度传感器的加速度数据。
具体的，光纤光栅传感器的采样频率为20HZ；加速度传感器的采样频率为100HZ。
进一步地，对于步骤100，为了获取各个传感器的数据，可以对待测叶片施加外力f(t)；
进一步地，对于步骤101，一种可能的实现方式为：通过离散傅里叶变换获得每个所述传感器的频谱数据；
相应地，步骤102的一种可能的实现方式中，待测叶片的每个位置在第一频率处的频率分量，表达式如下：
Figure GDA0002806055620000061
其中，所述
Figure GDA0002806055620000062
为所述位置i的响应函数，所述Ff(jωr)为外力f(t)的频谱，所述ωr为所述第一频率。
进一步地，假设当向叶片施加外力f(t)时，xi(t)和xk(t)(t＝t0,t1,...,tN-1)是在叶片上安装的两个相邻传感器测量的数据序列。通过执行以下离散傅里叶变换(DFT)，易获得f(t)时，xi(t)和xk(t)的频谱：
Figure GDA0002806055620000063
其中fs是采样频率，N是用于DFT分析的总数据。
基于外力f(t)将第i和第k个叶片部分的FRF表示为
Figure GDA0002806055620000064
和
Figure GDA0002806055620000065
则在第r个频率ωr处表示
Figure GDA0002806055620000066
和
Figure GDA0002806055620000067
的频率分量可以写成如下表达式：
Figure GDA0002806055620000068
具体的，对于标准状态信息，一种可能的获取方式为：取结构完整的叶片，计算其在第一频率ωr处的频响函数传递率作为基准值，标准状态信息的表达式为
Figure GDA0002806055620000069
所述
Figure GDA00028060556200000610
为无损伤叶片在第一频率ωr处的频响函数传递率。
相应地，所述待测叶片在第一频率ωr处的频响函数传递率，表达式如下：
Figure GDA00028060556200000611
所述
Figure GDA00028060556200000612
为叶片第k个部分在第一频率ωr处的频率分量，所述k为叶片第k个部分。为了减小误差，可多次计算求平均值。
相应地，所述状态监测判据，表达式如下：
Figure GDA0002806055620000071
其中，所述N为离散傅里叶变换的总数据。
对于结果的分析：
假设a,b,c是沿待测叶片的长度方向上三个相邻的传感器,第一函数值Ca,b和第二函数值Cb,c的值同时增加表明，在安装传感器“b”的附近叶片部位存在缺陷。此外，对Ca,b和Cb,c的值进行比较可以进一步增强损伤定位能力，对缺陷位置进行更准确的预测，见图5所示。若Ca,b>Cb,c，表示缺陷位于传感器“a”侧；而当Cb,c>Ca,b时，则表示缺陷位于传感器“c”侧。
本发明实施例借助传递率分析研究通过监测不同叶片段在动态响应中的相关性来实现叶片状态监测，而不是调查单个状态监测信号在频率或振幅上的变化趋势，因为不同截面测量的响应之间的相关性取决于叶片局部的材料和结构特性，只要缺陷能导致叶片的这些局部特性发生变化，Ci,k的值就会变化。为了对上述实施例提供的技术方案进行说明，下面给出一种可能的实现方式：
状态监测判据Ci,k值的一个明显变化将表明传感器si或sk附近存在结构缺陷，缺陷的进一步发展将以Ci,k的值的增长趋势为特征。
图4为本发明实施例提供的风力机叶片模型示意图，图5为本发明实施例提供的本发明的风力机叶片受损位置预测示意图；图6为本发明实施例提供的传感器安装在一模型叶片上布置示意图，结合图4、图5和图6将两组传感器安装在容易发生缺陷的叶片装载区域上，第一组由九个FBG传感器组成，第二组由六个加速度传感器组成，两组传感器都沿着叶片的翼展方向安装。为便于数据管理，监测时采用两个独立的数据采集系统，一个通过使用20HZ的采样频率从FBG传感器收集数据，另一个通过使用100HZ的采样频率从加速度传感器收集数据。全尺寸叶片的疲劳试验需要持续数周，需要安排定期休息以便进行目视检查和系统维护；当疲劳试验运行时，从FBG传感器收集数据，在疲劳试验断裂期间进行捶击试验以检查叶片健康状态时才收集加速度传感器数据。
图7为本发明实施例提供的叶片静态试验示意图，参照图7，是对风力机叶片进行的多点加载静态试验，安装传感器FBG5和ACC3的叶片截图在静态试验中具有较大的张力和压缩应力，这会直接导致翼梁与叶片的气动壳体之间的粘合剂接头脱粘，在后面的疲劳试验中，首先在该区域观察这方面随后的疲劳试验的缺陷。
在试验中，初始缺陷的特征在于叶片表面的局部区域中出现许多隆起和波纹，然后演变成裂纹并沿着复合材料的纤维方向进行延伸。
由于这些裂纹的生长，叶片的结构完整性开始逐渐退化。然而，当退化较小时，通过观察时间波形或状态监测信号的频率几乎不能检测到。这就是为什么可用的叶片状态监测方法在检测早期缺陷方面经常显示无效。为此，本发明的目的是检测叶片缺陷，尽早保护缺损叶片，避免灾难性故障。
考虑到从两组传感器收集的是大量数据，FBG传感器0-FBG传感器8和ACC传感器0-ACC传感器5(见图6)将用于计算该验证实验中的状态监测标准Ci,k，本发明节选部分数据进行说明性示例，如图8所示，作为示范。图8为本发明实施例提供的传感器收集的信号数据示意图，图8(a)表示从传感器FBG传感器0-FBG传感器8收集的实施例数据，图8(b)表示从加速度传感器ACC传感器0-ACC传感器5的数据。图9为本发明实施例提供的通过DFT获得的相应频谱示意图，通过DFT获得的这些信号的相应频谱如图9所示。以揭示这些状态监测信号的频率成分。
因叶片尖端附近的细长部分可以引起的撞击反应比叶片根部较厚的部分更好，进一步地选择FBG传感器7和ACC传感器5附近的区域为锤击实验打击位置。
从图8和图9收集传感器的数据看出，不同位置收集的FBG传感器信号的振幅不同，但受相同的振荡频率控制，这是在用于控制疲劳试验中叶片的振荡周期的控制系统中预设了。
疲劳试验采用共振试验，图9(a)中可以看出，应相同或至少接近叶片的固有频率。从图9(b)中可以看出，尽管从远离锤击位置(即ACC传感器0，ACC传感器1和ACC传感器2的位置收集的加速度信号，从图9(b)所示的结果看出频率的值不能很好地指示该频率。
为了验证所提出的技术的状态监测能力，选择了105组FBG传感器的测量数据和在不同结构完整性情况下收集的20组加速度数据,见表1：
表1
Figure GDA0002806055620000081
Figure GDA0002806055620000091
静态试验前未发现缺陷，采用静态试验前收集的数据计算FRF的基准传递率，静态试验后得到的数据用于计算传递函数Ti,k(jωr)。
根据表1，所选数据需要涵盖从初始到进一步传播的缺陷(即从叶片表面出现的裂纹簇)整个开发过程,裂纹位于FBG传感器5和ACC传感器3附近，在FBG传感器4/ACC传感器2的一侧，图10为本发明实施例提供的叶片预判缺陷位置示意图，见图10。
选择测试数为2次，计算结果如图所示，发现无缺陷时，状态监测判据没有明显数值变化，有缺陷时，图11为本发明实施例提供的叶片状态检测结果变化图，图11(a)状态监测判据表明缺陷位于FBG传感器5附近，图11(b)图监测判据表明缺陷位于ACC传感器3附近；同时发现存在缺陷时，图11(a)图C4，5>C5，6和图11(b)图C2，3>C3，4，表明缺陷位于FBG传感器5/ACC传感器3附近和侧面FBG传感器4/ACC传感器2。这样的预测非常符合图10所示的观察，预测受损位置定位准确。与现有技术相比，本发明所具有的有益效果为：本发明用于计算状态监测标准的频率响应比率，这在一定程度上可以减弱不同负载的效果，从而提高叶片状态监测结果的可靠性；本发明利用FRF传递分析的优点，通过提出的技术可以容易地发现准确损坏位置；因此，状态监测标准的值不仅是叶片实际健康状况的可靠指标，而且也是发现准确损坏位置的有用工具；本发明提出的状态监测标准只响应由结构损伤引起的退化性能/效率，所以可以充分避免由于在叶片表面积雪而产生的误报；本发明不管使用哪种类型数据采集的传感器，所提出的技术都能够很好地工作，因此，本发明具有重要的经济和社会效益。
图12为本发明实施例提供的一种风力发电机叶片受损位置定位检测装置的结构示意图，该装置可执行上述实施例公开的各个步骤，并实现相应技术效果。参照图12，该装置包括：处理器30、存储器31、端口32和传感器模块33；其中，所述传感器模块33包含N个传感器；所述处理器30、所述存储器31和所述端口32电连接；所述端口32用于与所述传感器模块33电连接；
所述处理器30，用于获取所述N个传感器的测量数据；分别获得每个所述传感器的频谱数据；根据每个所述传感器的频谱数据，获取所述待测叶片的每个位置在第一频率处的频率分量；根据所述待测叶片的每个位置在第一频率处的频率分量，获取所述待测叶片在第一频率处的频响函数传递率；根据所述频响函数传递率和标准状态信息，获得状态监测判据；根据所述状态监测判据确定任意相邻两个所述传感器的函数值；根据每个所述传感器的函数值，确定所述待测叶片的损伤位置。
可选的，对于传感器模块33，其可以包含两类传感器，即上文所述FBG传感器和ACC传感器。其可以存在多种构成形式，例如，方式一：每个传感器通过有线方式连接，并通过统一端口与端口32进行连接，连接形式可以为有线或无线形式；进一步地，对于N个传感器的测量数据上报形式，可以为实时上报或周期上报。
进一步地，对于上文提到的疲劳试验/捶击试验可以基于人工手动触发，也可以根据处理器30获取试验状态的变化信息进行相应传感器的控制切换。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (2)

1.一种风力发电机叶片受损位置定位检测方法，其特征在于，包括：
获取N个传感器的测量数据；
分别获得每个所述传感器的频谱数据；
根据每个所述传感器的频谱数据，获取待测叶片的每个位置在第一频率处的频率分量；
根据所述待测叶片的每个位置在第一频率处的频率分量，获取所述待测叶片在第一频率处的频响函数传递率；
根据所述频响函数传递率和标准状态信息，获得状态监测判据；
根据所述状态监测判据确定任意相邻三个所述传感器的函数值，确定所述待测叶片的损伤位置，具体包括：
当第一函数值与第二函数值同时增加时，比较所述第一函数值与所述第二函数值的大小；其中，所述第一函数值为第n-1个所述传感器和第n个所述传感器的函数值；所述第二函数值为第n个所述传感器和第n+1个所述传感器的函数值；
若所述第一函数值大于所述第二函数值，则所述第n-1个所述传感器对应的位置i-1为所述损伤位置；
若所述第一函数值小于所述第二函数值则所述第n+1个所述传感器对应的位置i+1为所述损伤位置；
所述待测叶片的每个位置在第一频率处的频率分量，表达式如下：
Figure FDA0002832216880000011
其中，所述
Figure FDA0002832216880000012
为所述位置i的响应函数，所述Ff(jωr)为外力f(t)的频谱，所述ωr为所述第一频率；
所述标准状态信息的表达式为
Figure FDA0002832216880000013
所述
Figure FDA0002832216880000014
为无损伤叶片在所述第一频率处的频响函数传递率；
所述待测叶片在第一频率处的频响函数传递率，表达式如下：
Figure FDA0002832216880000015
所述状态监测判据，表达式如下：
Figure FDA0002832216880000021
其中，所述N为离散傅里叶变换的总数据；
所述N个传感器为两组传感器，其中一组传感器为光纤光栅传感器，另一组传感器为加速度传感器；
所述获取N个传感器的测量数据，包括：当疲劳试验运行时，获取所述光纤光栅传感器的光栅数据；当捶击试验进行时，获取所述加速度传感器的加速度数据；
所述光纤光栅传感器的采样频率为20HZ；所述加速度传感器的采样频率为100HZ。
2.一种风力发电机叶片受损位置定位检测装置，其特征在于，包括：处理器、存储器、端口和传感器模块；其中，所述传感器模块包含N个传感器；所述处理器、所述存储器和所述端口电连接；所述端口用于与所述传感器模块电连接；所述处理器，用于获取所述N个传感器的测量数据；分别获得每个所述传感器的频谱数据；根据每个所述传感器的频谱数据，获取待测叶片的每个位置在第一频率处的频率分量；根据所述待测叶片的每个位置在第一频率处的频率分量，获取所述待测叶片在第一频率处的频响函数传递率；根据所述频响函数传递率和标准状态信息，获得状态监测判据；根据所述状态监测判据确定任意相邻三个所述传感器的函数值，确定所述待测叶片的损伤位置，具体包括：
当第一函数值与第二函数值同时增加时，比较所述第一函数值与所述第二函数值的大小；其中，所述第一函数值为第n-1个所述传感器和第n个所述传感器的函数值；所述第二函数值为第n个所述传感器和第n+1个所述传感器的函数值；
若所述第一函数值大于所述第二函数值，则所述第n-1个所述传感器对应的位置i-1为所述损伤位置；
若所述第一函数值小于所述第二函数值则所述第n+1个所述传感器对应的位置i+1为所述损伤位置；
所述N个传感器为两组传感器，其中一组传感器为光纤光栅传感器，另一组传感器为加速度传感器。
CN201710657658.3A 2017-08-03 2017-08-03 一种风力发电机叶片受损位置定位检测系统 Active CN109283246B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710657658.3A CN109283246B (zh) 2017-08-03 2017-08-03 一种风力发电机叶片受损位置定位检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710657658.3A CN109283246B (zh) 2017-08-03 2017-08-03 一种风力发电机叶片受损位置定位检测系统

Publications (2)

Publication Number Publication Date
CN109283246A CN109283246A (zh) 2019-01-29
CN109283246B true CN109283246B (zh) 2021-03-02

Family

ID=65185264

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710657658.3A Active CN109283246B (zh) 2017-08-03 2017-08-03 一种风力发电机叶片受损位置定位检测系统

Country Status (1)

Country Link
CN (1) CN109283246B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112519996A (zh) * 2020-12-10 2021-03-19 武汉理工大学 一种用于进行水下动应变测量的复合材料螺旋桨及其制备方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS62193750A (ja) * 1986-02-19 1987-08-25 Ichiro Inazaki 多刃工具損傷検出装置
CN102588213B (zh) * 2011-01-17 2014-09-17 孙首泉 风力发电机叶片智能化监测装置
CN102628834A (zh) * 2012-03-30 2012-08-08 广东电网公司电力科学研究院 大型汽轮机叶片断裂故障在线诊断方法
CN202501916U (zh) * 2012-04-01 2012-10-24 长沙理工大学 基于振动检测的风力机叶片覆冰状态监测装置
KR102110841B1 (ko) * 2013-08-01 2020-05-14 삼성전자주식회사 신호 복조를 위하여 임계값을 적응적으로 설정하는 방법 및 장치
CN104634870A (zh) * 2014-12-24 2015-05-20 同济大学 一种基于振动响应测试的隧道结构损伤识别装置

Also Published As

Publication number Publication date
CN109283246A (zh) 2019-01-29

Similar Documents

Publication Publication Date Title
Tang et al. An experimental study of acoustic emission methodology for in service condition monitoring of wind turbine blades
Yang et al. Condition monitoring and damage location of wind turbine blades by frequency response transmissibility analysis
TWI683058B (zh) 故障機率評估系統
Mickens et al. Structural health monitoring of an aircraft joint
CN101221104B (zh) 基于分布式应变动态测试的结构健康监测方法
Kumar et al. Monitoring low cycle fatigue damage in turbine blade using vibration characteristics
JP5113874B2 (ja) 構造的完全性監視システム
US6728658B1 (en) Method and apparatus for determining the health of a component using condition indicators
US11788926B2 (en) Method for monitoring axial loads in structures by identifying natural frequencies
CN109869286A (zh) 风力发电机组振动状态监测方法
Sun et al. Damage detection based on structural responses induced by traffic load: Methodology and application
Chakraborty et al. Embedded ultrasonic transmission sensors and signal processing techniques for structural change detection in the Gliwice bridge
CN109781863B (zh) 基于快速振动测试的结构腐蚀二阶段探测方法及其系统
Wu et al. Crack diagnosis method for a cantilevered beam structure based on modal parameters
CN109283246B (zh) 一种风力发电机叶片受损位置定位检测系统
CN108825447B (zh) 一种风力机监测方法及系统
CN115169162B (zh) 飞机振动环境预计方法、装置及计算机可读存储介质
CN113504302B (zh) 风机叶片状态监测的方法、系统、电子设备及存储介质
Luczak et al. Static and dynamic testing of the full scale helicopter rotor blades
CN113987871B (zh) 一种航空发动机叶片损伤在线识别方法
Budde et al. Impact Detection for a Fiberglass Composite Rotor Blade
CN105572329A (zh) 混凝土裂纹标距自适应监测方法
Abdulraheem et al. Wind Turbine Blade Fault Detection Using Wavelet Power Spectrum and Experimental Modal Analysis
Li et al. Sensor fault localization with accumulated residual contribution rate for bridge SHM
Dunne et al. Recent advances in active damage interrogation

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
GR01 Patent grant
GR01 Patent grant