CN111855383A - 一种风力机叶片覆冰载荷下疲劳寿命预测方法 - Google Patents
一种风力机叶片覆冰载荷下疲劳寿命预测方法 Download PDFInfo
- Publication number
- CN111855383A CN111855383A CN202010747223.XA CN202010747223A CN111855383A CN 111855383 A CN111855383 A CN 111855383A CN 202010747223 A CN202010747223 A CN 202010747223A CN 111855383 A CN111855383 A CN 111855383A
- Authority
- CN
- China
- Prior art keywords
- load
- stress
- wind turbine
- equivalent
- turbine blade
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/02—Details
- G01N3/06—Special adaptations of indicating or recording means
- G01N3/066—Special adaptations of indicating or recording means with electrical indicating or recording means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0058—Kind of property studied
- G01N2203/0069—Fatigue, creep, strain-stress relations or elastic constants
- G01N2203/0073—Fatigue
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/02—Details not specific for a particular testing method
- G01N2203/0202—Control of the test
- G01N2203/0212—Theories, calculations
- G01N2203/0218—Calculations based on experimental data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/02—Details not specific for a particular testing method
- G01N2203/06—Indicating or recording means; Sensing means
- G01N2203/0617—Electrical or magnetic indicating, recording or sensing means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/02—Details not specific for a particular testing method
- G01N2203/06—Indicating or recording means; Sensing means
- G01N2203/067—Parameter measured for estimating the property
- G01N2203/0676—Force, weight, load, energy, speed or acceleration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/02—Details not specific for a particular testing method
- G01N2203/06—Indicating or recording means; Sensing means
- G01N2203/067—Parameter measured for estimating the property
- G01N2203/0682—Spatial dimension, e.g. length, area, angle
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Wind Motors (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
本发明属于机械行业风力发电技术领域,公开了一种风力机叶片覆冰载荷下疲劳寿命预测方法,包括以下步骤:S1:确定风力机的叶片结构易发生损伤位置;S2:获取不同覆冰载荷下叶片结构易发生损伤位置的应变数据;S3:进行载荷分布研究,得到叶片的载荷分布情况;S4:进行强度分析,得到叶片的变形情况及应力情况,并根据变形情况及应力情况得到应力结果数据;S5:获取离散化阶梯载荷谱;S6:进行风力机叶片疲劳寿命的模糊预测,得到风力机叶片不同覆冰载荷下疲劳寿命预测结果。本发明解决了现有技术存在的在风力机叶片在现场运行环境下,难以计算风力机叶片所受载荷数据,并且缺乏对风力机叶片疲劳寿命进行预测的方法的问题。
Description
技术领域
本发明属于机械行业风力发电技术领域,具体涉及一种风力机叶片覆冰载荷下疲劳寿命预测方法。
背景技术
人类社会的生存和发展高度依赖能源和环境。在经济飞速发展的今天,人们对不可再生能源的一系列开采,如核能、煤、石油、天然气等,使得人们可利用的能源越来越少。因此发展其他可替代清洁而且储量丰富的可再生能源刻不容缓,风能是一种比较经典的可再生无污染清洁能源,是当今世界最具开发前景的绿色能源之一。据全球风能协会(GWEC)的统计,2018年全球新增装机51.3GW,其中陆上风电装机46.8GW,海上风电装机4.5GW。最新统计数据显示:2018年全球风电累计装机容量达到591GW,我国装机容量达到210GW。截止到2018年年底,全球风电新增装机容量达51.3GW,同比增长9%,我国风电新增装机容量为21.2GW,同比增长7.5%。可以预见,21世纪世界能源格局必将发生翻天覆地的变化。
叶片是风力机关键的部件,直接影响风力机的发电效率,也是设计分析时的重点及难点。其良好的机械性能及可靠的质量是保证风电机组保持稳定运行的至关条件。由于风力机的工作环境比较恶劣,这就需要叶片具有较高的疲劳寿命和良好的机械性能,能承受时刻变化的随机载荷和突发的暴风等极端条件的冲击。研究表明,风力机叶片使用寿命主要取决于疲劳寿命,并且疲劳寿命为叶片的设计、制造、优化及可靠性评估提供了重要参考和依据。在冬季气候寒冷地区,风力机叶片常伴有覆冰现象,风力机叶片外表覆冰时会引起风机的附加载荷与额外的振动,从而损坏机理缩短其使用年限。覆冰对风力机叶片疲劳寿命的影响,主要表现在覆冰载荷对风力机叶片疲劳寿命的影响,因此对风力机叶片在覆冰载荷下的疲劳寿命进行模糊预测具有重要意义。而要建立有效的覆冰载荷下的风力机叶片疲劳寿命现场评价方式,就必须对叶片实际运行中所受覆冰载荷,覆冰载荷下的应变规律有所了解,且能够保障所建立的方法既能有效测量风力机叶片所受的覆冰载荷,又能保证该方法在疲劳寿命预测时的将偏差降低到最小。
在实现本发明的过程中,发明人发现现有技术中至少存在如下问题:
现有技术中,在风力机叶片在现场运行环境下,难以计算风力机叶片所受载荷数据,并且缺乏对风力机叶片疲劳寿命进行预测的方法。
发明内容
本发明旨在于至少在一定程度上解决上述技术问题之一。
为此,本发明目的在于提供一种风力机叶片覆冰载荷下疲劳寿命预测方法,用于解决现有技术存在的在风力机叶片在现场运行环境下,难以计算风力机叶片所受载荷数据,并且缺乏对风力机叶片疲劳寿命进行预测的方法的问题。
本发明所采用的技术方案为:
一种风力机叶片覆冰载荷下疲劳寿命预测方法,包括以下步骤:
S1:确定风力机的叶片结构易发生损伤位置;
S2:获取不同覆冰载荷下叶片结构易发生损伤位置的应变数据;
S3:根据应变数据,获取载荷数据,并根据载荷数据进行载荷分布研究,得到叶片的载荷分布情况;
S4:根据载荷数据、载荷分布情况以及实时获取的风况数据,进行强度分析,得到叶片的变形情况及应力情况,并根据变形情况及应力情况得到应力结果数据;
S5:根据应力结果数据和载荷数据,获取离散化阶梯载荷谱;
S6:根据离散化阶梯载荷谱,进行风力机叶片疲劳寿命的模糊预测,得到风力机叶片不同覆冰载荷下疲劳寿命预测结果。
进一步地,步骤S1的具体步骤为:根据风力机叶片各个位置的强度安全因子,以及叶片的静态载荷测试结果与疲劳载荷测试结果,确定风力机的叶片结构易发生损伤位置。
进一步地,步骤S2的具体步骤为:使用应变采集设备获取不同覆冰载荷下叶片结构易发生损伤位置的应变数据;
应变采集设备包括应变片、数据采集仪和监控计算机,应变片设置于叶片结构易发生损伤位置处,数据采集仪分别与应变片和监控计算机通信连接。
进一步地,步骤S3的具体步骤为:对应变数据进行标定处理得到载荷数据,并根据载荷数据使用三参数威布尔分布方法进行载荷分布研究,得到叶片的载荷分布情况。
进一步地,步骤S5的具体步骤为:
S5-1:基于模糊理论,使用分级等效载荷计算方法,将原始载荷数据的连续载荷谱转化为离散的阶梯载荷谱,得到转化后载荷数据;
S5-2:对转化后载荷数据进行疲劳损伤等效化处理,得到等效载荷数据;
S5-3:根据等效载荷数据,得到转化前疲劳损伤等效的离散化阶梯载荷谱和转化后疲劳损伤等效的离散化阶梯载荷谱;
S5-4:将转化前疲劳损伤等效的离散化阶梯载荷谱和转化后疲劳损伤等效的离散化阶梯载荷谱进行合并,得到最终的离散化阶梯载荷谱。
进一步地,步骤S5-1的具体步骤为:
A-1:基于模糊理论使用分级等效载荷计算方法对传统Miner疲劳损伤理论进行改进,得到优化的隶属函数;
A-2:根据优化的隶属函数,建立模糊Miner理论数学模型;
A-3:根据模糊Miner理论数学模型和S-N疲劳特性曲线的幂函数方程,获取离散状态与连续状态的载荷的等效应力计算公式;
A-4:根据离散状态与连续状态的载荷的等效应力计算公式,将连续载荷谱转化为离散的阶梯载荷谱。
进一步地,步骤A-1中,优化的隶属函数的公式为:
式中,μ(S)为应力载荷的隶属函数;S为应力载荷;Ni为第i级应力幅值下材料发生疲劳破坏时的最大循环数;N0为每级应力幅值下材料发生疲劳破坏时的极限寿命;ni为第i级应力的循环次数;为应力水平级数指示量;j为应力幅值不低于疲劳极限的级数;k为按照幅值大小分类的应力水平等级总数。
进一步地,步骤A-3中,S-N曲线的公式为:
SmN=C
式中,S为应力载荷;N为循环数;、C均为材料参数;
离散状态与连续状态的载荷的等效应力计算公式为:
式中,SD为恒幅载荷;Si为变幅载荷;m为材料常数;ND为材料发生疲劳破坏时的当前循环数;μ(S)为应力载荷的隶属函数;i为应力水平级数指示量;j为应力幅值不低于疲劳极限的级数;k为按照幅值大小分类的应力水平等级总数。
进一步地,步骤S5-3中,等效载荷数据包括应力载荷呈离散状态时的等效载荷和应力载荷呈连续状态时的等效载荷;
根据应力载荷呈离散状态时的等效载荷,获取转化后疲劳损伤等效的离散化阶梯载荷谱;
根据应力载荷呈连续状态时的等效载荷,获取转化前疲劳损伤等效的离散化阶梯载荷谱。
进一步地,应力载荷呈离散状态时的等效载荷的公式为:
式中,S′D为应力载荷呈离散状态时的等效载荷;Si为变幅载荷;m为材料常数;N0为每级应力幅值下材料发生疲劳破坏时的极限寿命;ni为第i级应力的循环次数;μ(S)为应力载荷的隶属函数;i为应力水平级数指示量;j为应力幅值不低于疲劳极限的级数;k为按照幅值大小分类的应力水平等级总数;
应力载荷呈连续状态时的等效载荷的公式为:
式中,σD为应力载荷呈连续状态时的等效载荷;d(σ)为应力载荷分布的概率密度函数;σmax为连续载荷的最大等效载荷;σmin为连续载荷的最小等效载荷;σ0为等效载荷模糊区域的分界值;μ(σ)为应力载荷呈连续状态时的隶属函数;m为材料常数;σ为当前等效载荷。
本发明的有益效果为:
(1)本发明通过在风力机叶片结构易发生损伤位置,实时监测叶片结构力学性能的变化,采用现场测量方法对风力机叶片覆冰载荷数据进行实测,比由计算公式求解出载荷数据具有更高的准确度和可信度,能够得到更加反映实际情况的载荷数据,通过神经网络建立的风力机叶片覆冰载荷下的模糊疲劳寿命曲线模型,可有效预测不同覆冰载荷时的风力机叶片的疲劳寿命,并且实时监测与评判不同覆冰载荷下的风力机叶片疲劳寿命的变化,提高了实用性;
(2)本发明结合风力机叶片各个位置的强度安全因子,以及叶片的静态载荷测试结果与疲劳载荷测试结果,确定风力机的叶片结构易发生损伤位置,能够方便快捷的确定叶片的监测位置点,可有效减少布点数量,且提供监测精度。
本发明的其他有益效果将在具体实施方式中进行详细说明。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是风力机叶片覆冰载荷下疲劳寿命预测方法流程图。
具体实施方式
下面结合附图及具体实施例来对本发明作进一步阐述。在此需要说明的是,对于这些实施例方式的说明虽然是用于帮助理解本发明,但并不构成对本发明的限定。本发明公开的功能细节仅用于描述本发明的示例实施例。然而,可用很多备选的形式来体现本发明,并且不应当理解为本发明限制在本发明阐述的实施例中。
应当理解,本发明使用的术语仅用于描述特定实施例,并不意在限制本发明的示例实施例。若术语“包括”、“包括了”、“包含”和/或“包含了”在本发明中被使用时,指定所声明的特征、整数、步骤、操作、单元和/或组件的存在性,并且不排除一个或多个其他特征、数量、步骤、操作、单元、组件和/或他们的组合存在性或增加。
应当理解,还应当注意到在一些备选实施例中,所出现的功能/动作可能与附图出现的顺序不同。例如,取决于所涉及的功能/动作,实际上可以实质上并发地执行,或者有时可以以相反的顺序来执行连续示出的两个图。
应当理解,在下面的描述中提供了特定的细节,以便于对示例实施例的完全理解。然而,本领域普通技术人员应当理解可以在没有这些特定细节的情况下实现示例实施例。例如可以在框图中示出系统,以避免用不必要的细节来使得示例不清楚。在其他实例中,可以不以不必要的细节来示出众所周知的过程、结构和技术,以避免使得示例实施例不清楚。
实施例1
如图1所示,本实施例提供一种风力机叶片覆冰载荷下疲劳寿命预测方法,包括以下步骤:
S1:确定风力机的叶片结构易发生损伤位置,具体步骤为:根据风力机叶片各个位置的强度安全因子,以及叶片的静态载荷测试结果与疲劳载荷测试结果,确定风力机的叶片结构易发生损伤位置;
在叶片设计阶段,对叶片在多种极限载荷与疲劳载荷下的力学性能进行分析,根据叶片在极限载荷与疲劳载荷作用下的力学性能以及叶片各个位置的安全因子,确定叶片在极限载荷与疲劳载荷作用下,叶片结构易发生损伤位置;
对于新开发设计的叶片,开展全尺寸叶片的静态载荷测试与疲劳载荷测试,依据全尺寸叶片的静态载荷测试结果与疲劳载荷测试结果,确定叶片结构易发生损伤位置;
S2:获取不同覆冰载荷下叶片结构易发生损伤位置的应变数据,具体步骤为:使用应变采集设备获取不同覆冰载荷下叶片结构易发生损伤位置的应变数据;
应变采集设备包括应变片、数据采集仪和监控计算机,应变片设置于叶片结构易发生损伤位置处,数据采集仪分别与应变片和监控计算机通信连接,数据采集仪一端通过信号电缆与应变片通信连接,从叶根引入到叶片外部,其一端通过安装在机组转子上的滑环系统,将采集的数据信号导入到监控计算机;
S3:根据应变数据,获取载荷数据,并根据载荷数据进行载荷分布研究,得到叶片的载荷分布情况,具体步骤为:对应变数据进行标定处理得到载荷数据,并根据载荷数据使用三参数威布尔分布方法进行载荷分布研究,得到叶片的载荷分布情况;
在两参数威布尔分布方法的基础上增加位置参数,即为三参数威布尔分布方法;
S4:根据载荷数据、载荷分布情况以及实时获取的风况数据,进行强度分析,得到叶片的变形情况及应力情况,并根据变形情况及应力情况得到应力结果数据;
S5:根据应力结果数据和载荷数据,获取离散化阶梯载荷谱,具体步骤为:
S5-1:基于模糊理论,使用分级等效载荷计算方法,将原始载荷数据的连续载荷谱转化为离散的阶梯载荷谱,得到转化后载荷数据,具体步骤为:
A-1:基于模糊理论使用分级等效载荷计算方法对传统Miner疲劳损伤理论进行改进,得到优化的隶属函数;
优化的隶属函数的公式为:
式中,μ(S)为应力载荷的隶属函数;S为应力载荷;Ni为第i级应力幅值下材料发生疲劳破坏时的最大循环数;N0为每级应力幅值下材料发生疲劳破坏时的极限寿命;ni为第i级应力的循环次数;i为应力水平级数指示量;j为应力幅值不低于疲劳极限的级数;k为按照幅值大小分类的应力水平等级总数;
A-2:根据优化的隶属函数,建立模糊Miner理论数学模型;
A-3:根据模糊Miner理论数学模型和S-N疲劳特性曲线的幂函数方程,获取离散状态与连续状态的载荷的等效应力计算公式;
S-N曲线的公式为:
SmN=C
式中,S为应力载荷;N为循环数;m、C均为材料参数;
假设某一恒幅载荷循环一定次数所造成的疲劳损伤与上述变幅载荷所造成的疲劳损伤相等,得到公式:
得到离散状态与连续状态的载荷的等效应力计算公式为:
式中,SD为恒幅载荷;Si为变幅载荷;m为材料常数;ND为材料发生疲劳破坏时的当前循环数;μ(S)为应力载荷的隶属函数;i为应力水平级数指示量;j为应力幅值不低于疲劳极限的级数;k为按照幅值大小分类的应力水平等级总数;
A-4:根据离散状态与连续状态的载荷的等效应力计算公式,将连续载荷谱转化为离散的阶梯载荷谱;
S5-2:对转化后载荷数据进行疲劳损伤等效化处理,得到等效载荷数据;
S5-3:根据等效载荷数据,得到转化前疲劳损伤等效的离散化阶梯载荷谱和转化后疲劳损伤等效的离散化阶梯载荷谱;
等效载荷数据包括应力载荷呈离散状态时的等效载荷和应力载荷呈连续状态时的等效载荷;
根据应力载荷呈离散状态时的等效载荷,获取转化后疲劳损伤等效的离散化阶梯载荷谱;
应力载荷呈离散状态时的等效载荷的公式为:
式中,S′D为应力载荷呈离散状态时的等效载荷;Si为变幅载荷;m为材料常数;N0为每级应力幅值下材料发生疲劳破坏时的极限寿命;ni为第i级应力的循环次数;i为应力水平级数指示量;μ(S)为应力载荷的隶属函数;j为应力幅值不低于疲劳极限的级数;k为按照幅值大小分类的应力水平等级总数;
式中,S′D为应力载荷呈离散状态时的等效载荷;Si为变幅载荷;m为材料常数;i为应力水平级数指示量;μ(S)为应力载荷的隶属函数;j为应力幅值不低于疲劳极限的级数;Pi为第i级载荷出现概率;
根据应力载荷呈连续状态时的等效载荷,获取转化前疲劳损伤等效的离散化阶梯载荷谱;
应力载荷呈连续状态时的等效载荷的公式为:
式中,σD为应力载荷呈连续状态时的等效载荷;f(σ)为应力载荷分布的概率密度函数;σmax为连续载荷的最大等效载荷;σmin为连续载荷的最小等效载荷;σ0为等效载荷模糊区域的分界值;μ(σ)为应力载荷呈连续状态时的隶属函数;m为材料常数;σ为当前等效载荷;其中,σ0=0.85σr为模糊区域的分界值;σr为疲劳极限;
S5-4:将转化前疲劳损伤等效的离散化阶梯载荷谱和转化后疲劳损伤等效的离散化阶梯载荷谱进行合并,得到最终的离散化阶梯载荷谱;
S6:根据离散化阶梯载荷谱,进行风力机叶片疲劳寿命的模糊预测,得到风力机叶片不同覆冰载荷下疲劳寿命预测结果,具体步骤为:
S6-1:基于神经网络,根据离散化阶梯载荷谱和S-N曲线,建立风力机叶片覆冰载荷下的模糊疲劳寿命曲线模型;
S6-2:使用风力机叶片覆冰载荷下的模糊疲劳寿命曲线模型,进行风力机叶片疲劳寿命的模糊预测,得到风力机叶片不同覆冰载荷下疲劳寿命预测结果。
本发明为准确、客观评价覆冰载荷下的风力机叶片的疲劳寿命,提供了定量参数的评价标准,达到了风力机的可靠运行、使用寿命的延长和维护成本的减少等目的,本发明特点在于,通过在风力机叶片结构易发生损伤位置实时监测叶片结构力学性能的变化,采用现场测量方法对风力机叶片覆冰载荷数据进行实测,比由计算公式求解出载荷数据具有更高的准确度和可信度,能够得到更加反映实际情况的载荷数据,通过神经网络建立的风力机叶片覆冰载荷下的模糊疲劳寿命曲线模型,可有效预测不同覆冰载荷时的风力机叶片的疲劳寿命,并且实时监测与评判不同覆冰载荷下的风力机叶片疲劳寿命的变化,提高了实用性。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所描述的实施例仅仅是示意性的,若涉及到作为分离部件说明的单元,其可以是或者也可以不是物理上分开的;若涉及到作为单元显示的部件,其可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
以上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精神和范围。
本发明不局限于上述可选的实施方式,任何人在本发明的启示下都可得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制,本发明的保护范围应当以权利要求书中界定的为准,并且说明书可以用于解释权利要求书。
Claims (10)
1.一种风力机叶片覆冰载荷下疲劳寿命预测方法,其特征在于:包括以下步骤:
S1:确定风力机的叶片结构易发生损伤位置;
S2:获取不同覆冰载荷下叶片结构易发生损伤位置的应变数据;
S3:根据应变数据,获取载荷数据,并根据载荷数据进行载荷分布研究,得到叶片的载荷分布情况;
S4:根据载荷数据、载荷分布情况以及实时获取的风况数据,进行强度分析,得到叶片的变形情况及应力情况,并根据变形情况及应力情况得到应力结果数据;
S5:根据应力结果数据和载荷数据,获取离散化阶梯载荷谱;
S6:根据离散化阶梯载荷谱,进行风力机叶片疲劳寿命的模糊预测,得到风力机叶片不同覆冰载荷下疲劳寿命预测结果。
2.根据权利要求1所述的风力机叶片覆冰载荷下疲劳寿命预测方法,其特征在于:所述步骤S1的具体步骤为:根据风力机叶片各个位置的强度安全因子,以及叶片的静态载荷测试结果与疲劳载荷测试结果,确定风力机的叶片结构易发生损伤位置。
3.根据权利要求1所述的风力机叶片覆冰载荷下疲劳寿命预测方法,其特征在于:所述步骤S2的具体步骤为:使用应变采集设备获取不同覆冰载荷下叶片结构易发生损伤位置的应变数据;
所述应变采集设备包括应变片、数据采集仪和监控计算机,所述应变片设置于叶片结构易发生损伤位置处,所述数据采集仪分别与应变片和监控计算机通信连接。
4.根据权利要求1所述的风力机叶片覆冰载荷下疲劳寿命预测方法,其特征在于:所述步骤S3的具体步骤为:对应变数据进行标定处理得到载荷数据,并根据载荷数据使用三参数威布尔分布方法进行载荷分布研究,得到叶片的载荷分布情况。
5.根据权利要求1所述的风力机叶片覆冰载荷下疲劳寿命预测方法,其特征在于:所述步骤S5的具体步骤为:
S5-1:基于模糊理论,使用分级等效载荷计算方法,将原始载荷数据的连续载荷谱转化为离散的阶梯载荷谱,得到转化后载荷数据;
S5-2:对转化后载荷数据进行疲劳损伤等效化处理,得到等效载荷数据;
S5-3:根据等效载荷数据,得到转化前疲劳损伤等效的离散化阶梯载荷谱和转化后疲劳损伤等效的离散化阶梯载荷谱;
S5-4:将转化前疲劳损伤等效的离散化阶梯载荷谱和转化后疲劳损伤等效的离散化阶梯载荷谱进行合并,得到最终的离散化阶梯载荷谱。
6.根据权利要求5所述的风力机叶片覆冰载荷下疲劳寿命预测方法,其特征在于:所述步骤S5-1的具体方法为:
A-1:基于模糊理论使用分级等效载荷计算方法对传统Miner疲劳损伤理论进行改进,得到优化的隶属函数;
A-2:根据优化的隶属函数,建立模糊Miner理论数学模型;
A-3:根据模糊Miner理论数学模型和S-N疲劳特性曲线的幂函数方程,获取离散状态与连续状态的载荷的等效应力计算公式;
A-4:根据离散状态与连续状态的载荷的等效应力计算公式,将连续载荷谱转化为离散的阶梯载荷谱。
9.根据权利要求5所述的风力机叶片覆冰载荷下疲劳寿命预测方法,其特征在于:所述步骤S5-3中,等效载荷数据包括应力载荷呈离散状态时的等效载荷和应力载荷呈连续状态时的等效载荷;
根据应力载荷呈离散状态时的等效载荷,获取转化后疲劳损伤等效的离散化阶梯载荷谱;
根据应力载荷呈连续状态时的等效载荷,获取转化前疲劳损伤等效的离散化阶梯载荷谱。
10.根据权利要求9所述的风力机叶片覆冰载荷下疲劳寿命预测方法,其特征在于:所述应力载荷呈离散状态时的等效载荷的公式为:
式中,S′D为应力载荷呈离散状态时的等效载荷;Si为变幅载荷;m为材料常数;N0为每级应力幅值下材料发生疲劳破坏时的极限寿命;ni为第i级应力的循环次数;μ(S)为应力载荷的隶属函数;i为应力水平级数指示量;j为应力幅值不低于疲劳极限的级数;k为按照幅值大小分类的应力水平等级总数;
所述应力载荷呈连续状态时的等效载荷的公式为:
式中,σD为应力载荷呈连续状态时的等效载荷;f(σ)为应力载荷分布的概率密度函数;σmax为连续载荷的最大等效载荷;σmin为连续载荷的最小等效载荷;σ0为等效载荷模糊区域的分界值;μ(σ)为应力载荷呈连续状态时的隶属函数;m为材料常数;σ为当前等效载荷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010747223.XA CN111855383B (zh) | 2020-07-29 | 2020-07-29 | 一种风力机叶片覆冰载荷下疲劳寿命预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010747223.XA CN111855383B (zh) | 2020-07-29 | 2020-07-29 | 一种风力机叶片覆冰载荷下疲劳寿命预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111855383A true CN111855383A (zh) | 2020-10-30 |
CN111855383B CN111855383B (zh) | 2023-09-05 |
Family
ID=72945481
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010747223.XA Active CN111855383B (zh) | 2020-07-29 | 2020-07-29 | 一种风力机叶片覆冰载荷下疲劳寿命预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111855383B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004078543A2 (de) * | 2003-03-06 | 2004-09-16 | Voith Turbo Gmbh & Co. Kg | Risikominimierung und wartungsoptimierung durch ermittlung von schädigungsanteilen aus betriebsdaten |
CN202280571U (zh) * | 2011-10-13 | 2012-06-20 | 国电联合动力技术有限公司 | 风力发电机组冰载运行优化控制系统 |
US20150134272A1 (en) * | 2013-10-30 | 2015-05-14 | General Electric Company | Wind turbine and method for evaluating health state of blade thereof |
CN105424333A (zh) * | 2015-11-06 | 2016-03-23 | 中国科学院工程热物理研究所 | 一种风力机叶片现场损伤监测与识别方法 |
US20170058865A1 (en) * | 2015-08-26 | 2017-03-02 | General Electric Company | Modular wind turbine rotor blade constructed of multiple resin systems |
CN106933780A (zh) * | 2017-03-28 | 2017-07-07 | 国网冀北节能服务有限公司 | 一种风力发电机叶片疲劳寿命的计算方法 |
CN107122521A (zh) * | 2017-03-28 | 2017-09-01 | 湖南大学 | 一种二维随机载荷作用下疲劳寿命的计算方法 |
CN206753828U (zh) * | 2017-06-02 | 2017-12-15 | 石河子大学 | 一种风力发电机组叶片覆冰量测量装置 |
CN109340062A (zh) * | 2018-12-18 | 2019-02-15 | 国电联合动力技术有限公司 | 一种低风速风电机组数字双胞胎式的疲劳损伤预测方法 |
CN110609229A (zh) * | 2019-09-17 | 2019-12-24 | 电子科技大学 | 一种基于深度学习的风力发电机叶片不平衡故障检测方法 |
-
2020
- 2020-07-29 CN CN202010747223.XA patent/CN111855383B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004078543A2 (de) * | 2003-03-06 | 2004-09-16 | Voith Turbo Gmbh & Co. Kg | Risikominimierung und wartungsoptimierung durch ermittlung von schädigungsanteilen aus betriebsdaten |
CN202280571U (zh) * | 2011-10-13 | 2012-06-20 | 国电联合动力技术有限公司 | 风力发电机组冰载运行优化控制系统 |
US20150134272A1 (en) * | 2013-10-30 | 2015-05-14 | General Electric Company | Wind turbine and method for evaluating health state of blade thereof |
US20170058865A1 (en) * | 2015-08-26 | 2017-03-02 | General Electric Company | Modular wind turbine rotor blade constructed of multiple resin systems |
CN105424333A (zh) * | 2015-11-06 | 2016-03-23 | 中国科学院工程热物理研究所 | 一种风力机叶片现场损伤监测与识别方法 |
CN106933780A (zh) * | 2017-03-28 | 2017-07-07 | 国网冀北节能服务有限公司 | 一种风力发电机叶片疲劳寿命的计算方法 |
CN107122521A (zh) * | 2017-03-28 | 2017-09-01 | 湖南大学 | 一种二维随机载荷作用下疲劳寿命的计算方法 |
CN206753828U (zh) * | 2017-06-02 | 2017-12-15 | 石河子大学 | 一种风力发电机组叶片覆冰量测量装置 |
CN109340062A (zh) * | 2018-12-18 | 2019-02-15 | 国电联合动力技术有限公司 | 一种低风速风电机组数字双胞胎式的疲劳损伤预测方法 |
CN110609229A (zh) * | 2019-09-17 | 2019-12-24 | 电子科技大学 | 一种基于深度学习的风力发电机叶片不平衡故障检测方法 |
Non-Patent Citations (5)
Title |
---|
李姜超: "基于响应曲面法的风力机叶片覆冰载荷影响因素分析", 《玻璃钢/复合材料》 * |
李姜超: "基于响应曲面法的风力机叶片覆冰载荷影响因素分析", 《玻璃钢/复合材料》, 30 September 2018 (2018-09-30), pages 17 - 22 * |
米良: "大型直驱风力发电机叶片疲劳寿命分析", 《中国优秀硕士论文全文数据库 工程科技II辑》, no. 08 * |
米良等: "风力发电机叶片等效载荷计算及载荷谱分析", 《机械设计与制造》 * |
米良等: "风力发电机叶片等效载荷计算及载荷谱分析", 《机械设计与制造》, no. 03, 8 March 2017 (2017-03-08), pages 141 - 143 * |
Also Published As
Publication number | Publication date |
---|---|
CN111855383B (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108446483B (zh) | 计及风电机组传动系统疲劳的风电场可靠性评估方法 | |
CN107742053B (zh) | 风电机组异常识别方法及装置 | |
CN110259646B (zh) | 一种基于历史数据的风力发电机组部件状态预警方法 | |
CN107291991B (zh) | 一种基于动态网络标志的风电机组早期缺陷预警方法 | |
CN101858312A (zh) | 风力发电机组实时运行状态评估系统及评估方法 | |
CN111669123B (zh) | 用于对光伏组串进行故障诊断的方法和装置 | |
CN106650146B (zh) | 一种转子系统轴承支座松动故障在线定量识别分析方法 | |
Lee et al. | Bayesian spline method for assessing extreme loads on wind turbines | |
CN111458149B (zh) | 一种滚动轴承性能及使用寿命的预测方法及系统 | |
CN112065668A (zh) | 一种风电机组状态异常评估方法及系统 | |
CN105825002B (zh) | 一种基于动态灰关联分析法的风电场动态等值建模方法 | |
CN113988273A (zh) | 基于深度学习的冰灾环境主动配电网态势预警及评估方法 | |
CN112685939A (zh) | 一种基于实测的海上风力机基础疲劳损伤分析方法 | |
CN105065212A (zh) | 一种风电场风电机组校验方法及系统 | |
CN109711687B (zh) | 一种基于改进熵值法的绝缘子状态模糊评估方法 | |
CN114034997A (zh) | 一种基于多参量的绝缘子劣化程度预测方法及系统 | |
Hansen et al. | Characterising turbulence intensity for fatigue load analysis of wind turbines | |
CN111855383A (zh) | 一种风力机叶片覆冰载荷下疲劳寿命预测方法 | |
CN109193791B (zh) | 一种基于改进shapley值的风电汇聚趋势性分状态量化方法 | |
CN116415724A (zh) | 一种光伏电站运维检修时间的预测方法及装置 | |
CN112632851B (zh) | 一种评估塔筒变化影响风电机组闪变的分析方法 | |
CN114841534A (zh) | 顶盖排水系统的智能诊断与实时故障预警分析方法及系统 | |
CN114048767A (zh) | 一种风电主控系统故障监测及预警方法 | |
Xiong et al. | Fatigue damage of wind turbine gearbox under extreme wind conditions | |
CN106022622A (zh) | 一种输电线路山火风险评估方法 |
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 |