CN113323816A - 一种基于叶片载荷分析的叶片检测方法 - Google Patents
一种基于叶片载荷分析的叶片检测方法 Download PDFInfo
- Publication number
- CN113323816A CN113323816A CN202110642156.XA CN202110642156A CN113323816A CN 113323816 A CN113323816 A CN 113323816A CN 202110642156 A CN202110642156 A CN 202110642156A CN 113323816 A CN113323816 A CN 113323816A
- Authority
- CN
- China
- Prior art keywords
- blade
- fan blade
- cantilever beam
- model
- load
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 58
- 238000001514 detection method Methods 0.000 title claims abstract description 37
- 239000000463 material Substances 0.000 claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 13
- 230000003068 static effect Effects 0.000 claims abstract description 12
- 238000012544 monitoring process Methods 0.000 claims abstract description 8
- 238000005452 bending Methods 0.000 claims abstract description 6
- 230000007547 defect Effects 0.000 claims description 19
- 239000000835 fiber Substances 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 10
- 238000005316 response function Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 claims description 7
- 238000013016 damping Methods 0.000 claims description 6
- 230000005284 excitation Effects 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010030 laminating Methods 0.000 claims description 3
- 239000013256 coordination polymer Substances 0.000 claims description 2
- 230000010354 integration Effects 0.000 claims description 2
- 230000036544 posture Effects 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- 238000004590 computer program Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 239000000306 component Substances 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 208000025274 Lightning injury Diseases 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011888 foil Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种基于叶片载荷分析的叶片检测方法,属于风力发电机技术领域。包括:步骤1,通过用于检测风机叶片振动的传感器监测获取风机叶片的振动信号数据,并将所述振动信号数据转化为模态数据;步骤2,通过有限元分析(FEA)工具将步骤1中的模态数据构建为模型,并在所述模型上添加正交各向异性的材料本构关系和板壳理论的几何特征,得到包括风机叶片载荷F、刚度矩阵K参数的悬臂梁模型;步骤3,对所述步骤2中得到的悬臂梁模型进行静态载荷分析,计算所述悬臂梁模型的变形量u,u={F}/[K];其中{F}代表叶片受到的综合力,包括自身重力与风力、[K]代表刚度矩阵,步骤4,对所述步骤2中得到的悬臂梁模型进行动态载荷分析,在叶片根部施加全约束,用有限元软件对单叶片进行模态分析,求得叶片前六阶振型和固有频率,得到叶片故障位置在叶片弯曲方向的振型节点位置,从而获得所述待检测叶片的缺陷位置和缺陷类型。
Description
技术领域
本发明涉及风力发电机技术领域,尤其涉及一种基于叶片载荷分析的叶片检测方法。
背景技术
风能是一种重要的可再生能源,随着我国风能市场的扩大,风机制造业逐渐进入高速发展期。
当前风机的开发趋势正朝着更高功率、更低成本的兆瓦级机器发展。海上风场近期成为热门投资方向,其主要采用5MW以上大功率等级风电机组,当前国内设计制造的风轮直径最大接近200m,然而更大的扫掠面积和风轮直径在提高电力输送的同时,也提出了艰巨的设计挑战。因为风机载荷随着直径的增大而增加,如果载荷较大,则会影响到风机的可靠性和性能。
除了载荷增加以外,更大的风轮直径使得风机更加容易受到扫掠面积内风速和强度变化的影响,从而导致风机叶片、主轴及其它主要结构部件上的不对称载荷增加。同时随着叶片规模不断增大,资本投入不断增长,对叶片的结构健康情况进行可靠性监测显得尤为重要。风力发电机的寿命和安全性影响着风电利用和发展的脚步,风机叶片是风力发电机的核心部件,其寿命和安全性直接影响着整个风电机组的寿命和安全状况。由于叶片故障导致的停机通常需要较长的维护时间,从而给风场带来巨大的经济损失,对叶片故障的维护检修会大幅增加风电场人力物力运维成本,从而不利于风电产业持续健康发展。
发明内容
本发明的目的在于针对现有技术的缺陷,提出一种基于叶片载荷分析的叶片检测方法和装置以及设备,能够实现对风机叶片缺陷进行精确的检测、并且降低由于风机叶片的故障带来的经济损失,从而能够有效保护风机叶片、延长风机叶片的使用寿命,增加风机运行效率。
本发明提供的一种基于叶片载荷分析的叶片检测方法,包括以下步骤:
步骤1,通过用于检测风机叶片振动的传感器监测获取风机叶片的振动信号数据,并将所述振动信号数据转化为模态数据;
所述步骤1中,将所述振动信号数据转化为模态数据,具体的,通过对振动信号数据进行参数识别,获得频率、阻尼比及振型作为模态参数,对风力机桨叶进行试验模态分析,将桨叶的内侧一端与轮毂的连接设定为固定连接、另一端设定为自由端,在自由尖端施加激振源,由振动理论可知,在桨叶上某一点施加激振力F,桨叶各点的振动响应x,以及任意2点之间脉冲响应函数h,之间的关系为通过对所测的激振力Fj和振动响应xi的值进行参数识别得到脉冲响应函数hij的傅立叶变换及系统的频响函数即频响函数为式中,MP、CP、KP分别表示经过解偶变换之后的主质量矩阵、主阻尼矩阵和主刚度矩阵,φi表示第i个振型向量;
进一步的,所述步骤1中是采用加速度传感器测得风机叶片加速度响应,加速度响应传递函数的虚部设对于采样频率第i阶模态的估计值与真实值之间的误差是εk=Hi-Hik,其均方误差分别对A、B、C、D求偏导数并令其等于零就可得到=A、B、C、D的值,再利用式频响函数计算出模态参数阻尼比、振型向量。
步骤2,通过有限元分析(FEA)工具将步骤1中的模态数据构建为模型,并在所述模型上添加正交各向异性的材料本构关系和板壳理论的几何特征,得到包括风机叶片载荷F、刚度矩阵K参数的悬臂梁模型;
复合材料最重要的特征就是其叠层结枃,因此,所述步骤2中,在所述模型上添加正交各向异性的材料本构关系和板壳理论的几何特征,具体的,是采用SHELL99层合单元进行铺层建模,由于每层材料都有可能由不同的正交各向异性材料构成,并且其主方向也可能各不相同,对于叠层复合材料,纤维的方向决定了层的主方向,通过定义各层材料的性质来定义材料层,由下到上一层一层定义材料层的配置,以底层为第一层,后续的层沿单元坐标系的Z轴正方向自底向上叠加,该叠层结构是对称结构,故此只定义一半的材料层即可,由于翼型后缘呈尖形,整个翼面厚度在后缘处呈渐变的形式,为了建立连续的层,在这里采用中断层的方式把中断的层的厚度设置为零,以达到变厚度的目的。
步骤3,对所述步骤2中得到的悬臂梁模型进行静态载荷分析,计算所述悬臂梁模型的变形量u,u={F}/[K];其中{F}代表叶片受到的综合力,包括自身重力与风力、[K]代表刚度矩阵。
步骤4,对所述步骤2中得到的悬臂梁模型进行动态载荷分析,在叶片根部施加全约束,用有限元软件对单叶片进行模态分析,求得叶片前六阶振型和固有频率,由于叶片容易在振型节点处发生损毁,并且叶片弯曲方向的厚度小于摆振方向的厚度,即弯曲方向振型节点比摆振方向振型节点易发生损毁,所以得到叶片故障位置,故障位置在叶片弯曲方向的振型节点处,从而获得所述待检测叶片的缺陷位置和缺陷类型。
所述步骤1是通过安装在风机叶片上的光纤光栅传感器或应变片传感器实时监测风机叶片的状态并获取风机叶片的振动信号数据的。
所述步骤3中,计算所述悬臂梁模型的变形量u后,还包括通过在静态载荷下和动态载荷下对所述悬臂梁模型进行校验。
进一步,所述在静态载荷下对所述悬臂梁模型进行校验,具体的,包括:
对悬臂梁模型建立挠度曲线方程0≥x≥L,其中,x为悬臂梁在X方向上的坐标,M(x)为弯矩方程M(x)=F(L-x);E表示弹性模量为常数,E=2.1e11pa;表示惯性矩,d表示风机叶片内环直径;D表示风机叶片外环直径;F表示风机叶片的载荷;L表示受力距离;
对挠度曲线方程进行两次积分,
所述在动态载荷下对所述悬臂梁模型进行校验,具体的,是设定风机叶片在停机状态下只承受重力载荷,并设置若干组方位角和桨距角不同的风机叶片姿态,然后根据计算得到风机叶片悬臂梁模型在X方向上各点曲度对风机叶片进行测试。
对应上述方法,本发明还提供一种基于叶片载荷分析的叶片检测装置,能够实现对风机叶片缺陷进行精确的检测、并且降低由于风机叶片的故障带来的经济损失,从而能够有效保护风机叶片、延长风机叶片的使用寿命,增加风机运行效率。具体的,本装置包括用于获取风机叶片的振动信号数据的获取单元,用于将所述振动信号数据转化为模态数据的转化单元,用于将所述模态数据进行模型构建得到悬臂梁模型的构建单元,用于对所述悬臂梁模型进行载荷分析并计算所述悬臂梁模型的变形量的分析单元,以及用于通过所述悬臂梁模型的变形量与待检测叶片中所采集的振动信号处理得到的模态参数进行比对,从而获得所述待检测叶片的缺陷位置和缺陷类型的检测单元;
所述构建单元是利用ansys工具将所述模态数据构建为悬臂梁模型的。
与现有技术方案相比本发明的技术方案至少具有以下优点:
以上方案,通过悬臂梁模型的变形量与待检测叶片中所采集的振动信号处理得到的模态参数进行比对,从而获得待检测叶片的缺陷位置和缺陷类型,能够精确的监测出该风机叶片上变形量的改变,以此进一步分析风机叶片的缺陷类型和缺陷位置以及发生时机,从而能够分析评估当前风机叶片的健康状态,并及时告知运营商提前处理、提前防范以提高风机维修的计划性、减少风机停工时间。
以上方案,通过在风机叶片安装光纤光栅传感器或应变片传感器,实时监测风机叶片的状态,以获取风机叶片的振动信号数据,通过利用上述传感器由于传输损耗小,能够便于实现对风机叶片的远程监测。
以上方案,利用ansys对模态数据进行模型构建,得到悬臂梁模型,能够提高悬臂梁模型的安全系数。
以上方案,通过在静态载荷下和动态载荷下对悬臂梁模型进行校验,能够提高悬臂梁模型对待检测叶片进行检测分析的精确度和可靠性,从而对臂梁模型进行优化。
附图说明
本发明的前述和下文具体描述在结合以下附图阅读时变得更清楚,附图中:
图1为本发明一实施例提供的一种基于叶片载荷分析的叶片检测方法的流程示意图。
图2为本发明一实施例提供的一种基于叶片载荷分析的叶片检测装置的结构示意图。
具体实施方式
下面通过几个具体的实施例来进一步说明实现本发明目的技术方案,需要说明的是,本发明要求保护的技术方案包括但不限于以下实施例。
实施例1
本发明提供一种基于叶片载荷分析的叶片检测方法,能够实现对风机叶片缺陷进行精确的检测、并且降低由于风机叶片的故障带来的经济损失,从而能够有效保护风机叶片、延长风机叶片的使用寿命,增加风机运行效率。
参照图1所示为本发明一实施例提供的一种基于叶片载荷分析的叶片检测方法的流程示意图。
本实施例中,该方法包括:
S11,获取风机叶片的振动信号数据。
其中,所述获取风机叶片的振动信号数据的步骤包括:
通过在风机叶片安装光纤光栅传感器或应变片传感器,实时监测风机叶片的状态,以获取风机叶片的振动信号数据。
在本实施例中,优选为在风机叶片安装光纤光栅传感器实时监测风机叶片的状态,由于光纤光栅传感器具有抗电磁干扰能力强、绝缘性好,光纤的材料为石英、质量轻,体积小,能够利用波分时分复用技术实现分布式测量,且传输损耗小、可以多路传输信号、便于实现远程监测。因此用于叶片根部载荷、叶片结构损坏、叶片雷击失效、叶片结冰预警等风机监测任务。通过在风机叶片安装光纤光栅传感器,实时监测叶片振动状态。
S12,将所述振动信号数据转化为模态数据。
S13,利用ansys将所述模态数据进行模型构建,得到悬臂梁模型。
其中,所述利用ansys将所述模态数据进行模型构建,得到悬臂梁模型的步骤包括:
利用ansys将所述模态数据进行模型构建,在所述模型添加正交各向异性的材料本构关系和板壳理论的几何特征,得到悬臂梁模型。
S14,对所述悬臂梁模型进行载荷分析,计算所述悬臂梁模型的变形量。
其中,所述对所述悬臂梁模型进行载荷分析,计算所述悬臂梁模型的变形量的步骤包括:
根据控制方程:{F}=[K]·{u}计算所述所述悬臂梁模型的变形量,其中,F表示风机叶片的载荷,K表示刚度矩阵,u表示变形量。
其中,所述对所述悬臂梁模型进行载荷分析,计算所述悬臂梁模型的变形量,还包括通过在静态载荷下和动态载荷下对所述悬臂梁模型进行校验。
其中,所述在静态载荷下对所述悬臂梁模型进行校验的步骤包括:
(1)建立挠度曲线方程并积分:
(2)在固定端,根据梁截面的挠度和转角等于0确定边界条件,即:
y(0)=0,θ(0)=0,C=0,D=0,则
其中,所述在动态载荷下对所述悬臂梁模型进行校验的步骤包括:
将风机叶片调整为不同的方位角和桨距角,设置在停机状态下风机叶片只承受重力载荷,按照不同方位角和桨距角的组合进行测试。
在本实施例中,测试时要求其中一只风机叶片调整为不同的方位角和桨距角并保持,停机状态下叶片只承受重力载荷,按照不同方位角和桨距角的组合来进行测试,记录下不同桨距角和方位角组合下的传感器数据。具体包括:
a)确定第一个叶片的风轮方位角;
b)确定第一个叶片的桨距角;
c)利用第一个光纤光栅传感器测量第一个叶片的第一个截面的摆振方向载荷;
d)计算步骤a)和b)中确定的方位角和桨距角下的理论载荷;
e)比较步骤c)中测量的载荷和步骤d)中计算的理论载荷,其中,步骤c)是基于电机关闭情况下执行的测量,步骤d)的计算基于来自叶片的自重的重力或重力矩。
S15,通过所述悬臂梁模型的变形量与待检测叶片中所采集的振动信号处理得到的模态参数进行比对,从而获得所述待检测叶片的缺陷位置和缺陷类型。
在本实施例中,当风机叶片损伤、结冰或载荷不均等都会引起结构发生变化,物理结构变化必然引起其模态参数或叶片截面弯矩的改变,同时当外界载荷变化时截面弯矩和加速度响应也会发生改变,其固有频率和承受载荷水平往往有比较明显的变化,因此,要对风机叶片载荷和振动情况进行有效监测。
本发明还提供一种基于叶片载荷分析的叶片检测装置,能够实现对风机叶片缺陷进行精确的检测、并且降低由于风机叶片的故障带来的经济损失,从而能够有效保护风机叶片、延长风机叶片的使用寿命,增加风机运行效率。
本实施例中,该装置20包括:
获取单元21,用于获取风机叶片的振动信号数据。
其中,所述获取风机叶片的振动信号数据的步骤包括:
通过在风机叶片安装光纤光栅传感器或应变片传感器,实时监测风机叶片的状态,以获取风机叶片的振动信号数据。
转化单元22,用于将所述振动信号数据转化为模态数据。
构建单元23,用于利用ansys将所述模态数据进行模型构建,得到悬臂梁模型。
其中,所述利用ansys将所述模态数据进行模型构建,得到悬臂梁模型的步骤包括:
利用ansys将所述模态数据进行模型构建,在所述模型添加正交各向异性的材料本构关系和板壳理论的几何特征,得到悬臂梁模型。
分析单元24,用于对所述悬臂梁模型进行载荷分析,计算所述悬臂梁模型的变形量。
其中,所述对所述悬臂梁模型进行载荷分析,计算所述悬臂梁模型的变形量的步骤包括:
根据控制方程:{F}=[K]·{u}计算所述所述悬臂梁模型的变形量,其中,F表示风机叶片的载荷,K表示刚度矩阵,u表示变形量。
其中,所述对所述悬臂梁模型进行载荷分析,计算所述悬臂梁模型的变形量,还包括通过在静态载荷下和动态载荷下对所述悬臂梁模型进行校验。
其中,所述在静态载荷下对所述悬臂梁模型进行校验的步骤包括:
(1)建立挠度曲线方程并积分:
(2)在固定端,根据梁截面的挠度和转角等于0确定边界条件,即:
y(0)=0,θ(0)=0,C=0,D=0,则
其中,所述在动态载荷下对所述悬臂梁模型进行校验的步骤包括:
将风机叶片调整为不同的方位角和桨距角,设置在停机状态下风机叶片只承受重力载荷,按照不同方位角和桨距角的组合进行测试。
检测单元25,用于通过所述悬臂梁模型的变形量与待检测叶片中所采集的振动信号处理得到的模态参数进行比对,从而获得所述待检测叶片的缺陷位置和缺陷类型。
该装置20的各个单元模块可分别执行上述方法实施例中对应步骤,故在此不对各单元模块进行赘述,详细请参见以上对应步骤的说明。
本发明实施例还提供一种基于叶片载荷分析的叶片检测设备,包括处理器、存储器以及存储在所述存储器内的计算机程序,所述计算机程序能够被所述处理器执行以实现如上述实施例所述的基于叶片载荷分析的叶片检测方法。
所述基于叶片载荷分析的叶片检测设备可包括但不仅限于处理器、存储器。本领域技术人员可以理解,所述示意图仅仅是基于叶片载荷分析的叶片检测设备的示例,并不构成对基于叶片载荷分析的叶片检测设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述基于叶片载荷分析的叶片检测设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述基于叶片载荷分析的叶片检测设备的控制中心,利用各种接口和线路连接整个基于叶片载荷分析的叶片检测设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述基于叶片载荷分析的叶片检测设备的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中,所述基于叶片载荷分析的叶片检测设备集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。
需说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件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模块来实现本实施例方案的目的。另外,本发明提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
上述实施例中的实施方案可以进一步组合或者替换,且实施例仅仅是对本发明的优选实施例进行描述,并非对本发明的构思和范围进行限定,在不脱离本发明设计思想的前提下,本领域中专业技术人员对本发明的技术方案作出的各种变化和改进,均属于本发明的保护范围。
Claims (10)
1.一种基于叶片载荷分析的叶片检测方法,其特征在于,包括以下步骤:
步骤1,通过用于检测风机叶片振动的传感器监测获取风机叶片的振动信号数据,并将所述振动信号数据转化为模态数据;
步骤2,通过有限元分析(FEA)工具将步骤1中的模态数据构建为模型,并在所述模型上添加正交各向异性的材料本构关系和板壳理论的几何特征,得到包括风机叶片载荷F、刚度矩阵K参数的悬臂梁模型;
步骤3,对所述步骤2中得到的悬臂梁模型进行静态载荷分析,计算所述悬臂梁模型的变形量u,u={F}/[K];其中{F}代表叶片受到的综合力,包括自身重力与风力、[K]代表刚度矩阵;
步骤4,对所述步骤2中得到的悬臂梁模型进行动态载荷分析,在叶片根部施加全约束,用有限元软件对单叶片进行模态分析,求得叶片前六阶振型和固有频率,得到叶片故障位置在叶片弯曲方向的振型节点位置,从而获得所述待检测叶片的缺陷位置和缺陷类型。
2.如权利要求1所述的一种基于叶片载荷分析的叶片检测方法,其特征在于,所述步骤1中,将所述振动信号数据转化为模态数据,具体的:通过对振动信号数据进行参数识别,获得频率、阻尼比及振型作为模态参数,对风力机桨叶进行试验模态分析,将桨叶的内侧一端与轮毂的连接设定为固定连接、另一端设定为自由端,在自由尖端施加激振源,由振动理论可知,在桨叶上某一点施加激振力F,桨叶各点的振动响应x,以及任意2点之间脉冲响应函数h,之间的关系为通过对所测的激振力Fj和振动响应xi的值进行参数识别得到脉冲响应函数hij的傅立叶变换及系统的频响函数即频响函数为式中,MP、CP、KP分别表示经过解偶变换之后的主质量矩阵、主阻尼矩阵和主刚度矩阵,φi表示第i个振型向量。
4.如权利要求2所述的一种基于叶片载荷分析的叶片检测方法,其特征在于;所述步骤2中,在所述模型上添加正交各向异性的材料本构关系和板壳理论的几何特征,具体的,是采用SHELL99层合单元进行铺层建模,通过定义各层材料的性质来定义材料层,由下到上一层一层定义材料层的配置,以底层为第一层,后续的层沿单元坐标系的Z轴正方向自底向上叠加,采用中断层的方式把中断的层的厚度设置为零。
5.如权利要求1所述的一种基于叶片载荷分析的叶片检测方法,其特征在于:所述步骤1是通过安装在风机叶片上的光纤光栅传感器或应变片传感器实时监测风机叶片的状态并获取风机叶片的振动信号数据的。
6.如权利要求1所述的一种基于叶片载荷分析的叶片检测方法,其特征在于:所述步骤3中,计算所述悬臂梁模型的变形量u后,还包括通过在静态载荷下和动态载荷下对所述悬臂梁模型进行校验。
8.如权利要求7所述的一种基于叶片载荷分析的叶片检测方法,其特征在于:所述在动态载荷下对所述悬臂梁模型进行校验,具体的,是设定风机叶片在停机状态下只承受重力载荷,并设置若干组方位角和桨距角不同的风机叶片姿态,然后根据计算得到风机叶片悬臂梁模型在X方向上各点曲度对风机叶片进行测试。
9.一种基于叶片载荷分析的叶片检测装置,其特征在于:包括用于获取风机叶片的振动信号数据的获取单元,用于将所述振动信号数据转化为模态数据的转化单元,用于将所述模态数据进行模型构建得到悬臂梁模型的构建单元,用于对所述悬臂梁模型进行载荷分析并计算所述悬臂梁模型的变形量的分析单元,以及用于通过所述悬臂梁模型的变形量与待检测叶片中所采集的振动信号处理得到的模态参数进行比对,从而获得所述待检测叶片的缺陷位置和缺陷类型的检测单元。
10.如权利要求9所述的一种基于叶片载荷分析的叶片检测装置,其特征在于:所述构建单元是利用ansys工具将所述模态数据构建为悬臂梁模型的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110642156.XA CN113323816A (zh) | 2021-06-09 | 2021-06-09 | 一种基于叶片载荷分析的叶片检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110642156.XA CN113323816A (zh) | 2021-06-09 | 2021-06-09 | 一种基于叶片载荷分析的叶片检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113323816A true CN113323816A (zh) | 2021-08-31 |
Family
ID=77420152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110642156.XA Pending CN113323816A (zh) | 2021-06-09 | 2021-06-09 | 一种基于叶片载荷分析的叶片检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113323816A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114704439A (zh) * | 2022-06-07 | 2022-07-05 | 东方电气风电股份有限公司 | 一种风力发电机组叶片扭转变形在线监测方法 |
CN114810215A (zh) * | 2022-04-13 | 2022-07-29 | 大连海事大学 | 一种基于电磁控制的可转导叶 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2887030A1 (de) * | 2013-12-20 | 2015-06-24 | Fraunhofer Gesellschaft zur Förderung der angewandten Forschung e.V. | Vorrichtung und Verfahren zur Messung von Schwingungen eines bewegten Objektes |
CN205642777U (zh) * | 2016-05-23 | 2016-10-12 | 山西省交通科学研究院 | 一种中小跨径桥梁运营模态测试系统 |
CN107061185A (zh) * | 2017-04-14 | 2017-08-18 | 广州特种承压设备检测研究院 | 一种基于振动检测与无线信号传输的风力机叶片状态监测方法及系统 |
JP2019074060A (ja) * | 2017-10-19 | 2019-05-16 | 日本精工株式会社 | 風力発電用風車の状態監視装置、状態監視方法、及び状態監視システム |
CN112796957A (zh) * | 2021-03-26 | 2021-05-14 | 厦门理工学院 | 一种风机叶片的检测方法和装置以及设备 |
-
2021
- 2021-06-09 CN CN202110642156.XA patent/CN113323816A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2887030A1 (de) * | 2013-12-20 | 2015-06-24 | Fraunhofer Gesellschaft zur Förderung der angewandten Forschung e.V. | Vorrichtung und Verfahren zur Messung von Schwingungen eines bewegten Objektes |
CN205642777U (zh) * | 2016-05-23 | 2016-10-12 | 山西省交通科学研究院 | 一种中小跨径桥梁运营模态测试系统 |
CN107061185A (zh) * | 2017-04-14 | 2017-08-18 | 广州特种承压设备检测研究院 | 一种基于振动检测与无线信号传输的风力机叶片状态监测方法及系统 |
JP2019074060A (ja) * | 2017-10-19 | 2019-05-16 | 日本精工株式会社 | 風力発電用風車の状態監視装置、状態監視方法、及び状態監視システム |
CN112796957A (zh) * | 2021-03-26 | 2021-05-14 | 厦门理工学院 | 一种风机叶片的检测方法和装置以及设备 |
Non-Patent Citations (2)
Title |
---|
李雅峰等: "基于模态应变能变化率的大型风力发电机叶片损伤识别与定位", 《太阳能学报》 * |
黄小华等: "风力机叶片动力特性测试分析方法研究", 《长江大学学报(自科版)理工卷》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114810215A (zh) * | 2022-04-13 | 2022-07-29 | 大连海事大学 | 一种基于电磁控制的可转导叶 |
CN114810215B (zh) * | 2022-04-13 | 2024-05-03 | 大连海事大学 | 一种基于电磁控制的可转导叶 |
CN114704439A (zh) * | 2022-06-07 | 2022-07-05 | 东方电气风电股份有限公司 | 一种风力发电机组叶片扭转变形在线监测方法 |
CN114704439B (zh) * | 2022-06-07 | 2022-08-19 | 东方电气风电股份有限公司 | 一种风力发电机组叶片扭转变形在线监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020192621A1 (zh) | 一种基于叶端定时的转子叶片动应变场测量方法及其系统 | |
US12007309B2 (en) | Non-contact dynamic strain field measuring method and system for rotating blade | |
CN102622458B (zh) | 一种风力发电机组振动与载荷综合评估系统及评估方法 | |
CN112796957B (zh) | 一种风机叶片的检测方法和装置以及设备 | |
CA2714852C (en) | Load measuring apparatus, method, and program | |
KR101706508B1 (ko) | 풍력 발전기의 피로 해석 및 등가하중 해석 시스템 | |
CN105508149B (zh) | 用于风力发电机组的故障检测方法及装置 | |
CN109869286B (zh) | 风力发电机组振动状态监测方法 | |
CN104995402A (zh) | 检测叶片结构异常 | |
CN101949731B (zh) | 大型风电叶片高阶频率的测试方法 | |
CN113323816A (zh) | 一种基于叶片载荷分析的叶片检测方法 | |
KR101358397B1 (ko) | 가속도 센서 및 출력 전력에 기반하는 풍력 발전기의 고장진단장치 및 고장 진단 방법 | |
CN215370120U (zh) | 一种海上风电机组智能综合状态监测系统 | |
US20210148336A1 (en) | A method for determining wind turbine blade edgewise load recurrence | |
CN104134013A (zh) | 一种风力机叶片模态分析方法 | |
Chen et al. | Mode shape recognition of complicated spatial beam-type structures via polynomial shape function correlation | |
CN111950163B (zh) | 一种风力叶片疲劳寿命监测方法 | |
CN113494429B (zh) | 一种风机叶片气动不平衡监测方法 | |
CN209838604U (zh) | 一种基于旋转平台风力机叶片应力应变测试装置 | |
CN115790925A (zh) | 一种光纤传感载荷测量系统及其使用方法 | |
CN112665766B (zh) | 一种基于fbg的风机叶片载荷测量方法及应用 | |
CN115126665A (zh) | 风力发电机的风机叶片监测方法及装置、存储介质、风力发电机 | |
da Rosa et al. | Wind Turbine Blade Mass Imbalance Detection Using Artificial Intelligence | |
Myrent et al. | Pitch error and shear web disbond detection on wind turbine blades for offshore structural health and prognostics management | |
CN113933533B (zh) | 一种用于风电机组的风速间接测量方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210831 |
|
RJ01 | Rejection of invention patent application after publication |