CN115358128A - 一种海上风机的基准状态空间模型构建方法 - Google Patents
一种海上风机的基准状态空间模型构建方法 Download PDFInfo
- Publication number
- CN115358128A CN115358128A CN202211021700.XA CN202211021700A CN115358128A CN 115358128 A CN115358128 A CN 115358128A CN 202211021700 A CN202211021700 A CN 202211021700A CN 115358128 A CN115358128 A CN 115358128A
- Authority
- CN
- China
- Prior art keywords
- state space
- matrix
- space model
- wind turbine
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 239000011159 matrix material Substances 0.000 claims description 187
- 238000006243 chemical reaction Methods 0.000 claims description 48
- 230000004044 response Effects 0.000 claims description 48
- 238000012937 correction Methods 0.000 claims description 24
- 238000006073 displacement reaction Methods 0.000 claims description 21
- 238000010276 construction Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 28
- 239000013598 vector Substances 0.000 description 14
- 238000010586 diagram Methods 0.000 description 7
- 230000009466 transformation Effects 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 238000013016 damping Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance 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
- F03D17/009—Monitoring or testing of wind motors, e.g. diagnostics characterised by the purpose
- F03D17/015—Monitoring or testing of wind motors, e.g. diagnostics characterised by the purpose for monitoring vibrations
-
- 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
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- 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
- F03D17/005—Monitoring or testing of wind motors, e.g. diagnostics using computation methods, e.g. neural networks
- F03D17/0065—Monitoring or testing of wind motors, e.g. diagnostics using computation methods, e.g. neural networks for diagnostics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2260/00—Function
- F05B2260/84—Modelling or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/06—Wind turbines or wind farms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Sustainable Energy (AREA)
- Sustainable Development (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Artificial Intelligence (AREA)
- Wind Motors (AREA)
- Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)
Abstract
本发明公开了一种海上风机的基准状态空间模型构建方法,本发明通过海上风机的高阶有限元模型的前若干阶数的模态信息构建基准状态空间模型,由于基准状态空间模型仅由高阶有限元模型的前若干阶模态信息建立,因此采用基准状态空间模型代替高阶有限元模型对海上风机进行时域分析可以提高计算效率,降低计算成本。解决了现有技术中由于高阶有限元单元的数量过多,因此采用高阶有限元模型对海上风机进行时域分析计算效率低、计算成本高的问题。
Description
技术领域
本发明涉及海上风机技术领域,尤其涉及的是一种海上风机的基准状态空间模型构建方法。
背景技术
海上风机动力特性复杂,因此高阶有限元模型常被用于模拟单桩式海上风机动力特性。但传统的高阶有限元单元数量过多,计算效率低下,因此利用高阶有限元模型对海上风机进行时域分析的难度较大、且计算成本较高。
因此,现有技术还有待改进和发展。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种海上风机的基准状态空间模型构建方法,旨在解决现有技术中由于高阶有限元单元的数量过多,因此采用高阶有限元模型对海上风机进行时域分析计算效率低、计算成本高的问题。
本发明解决问题所采用的技术方案如下:
第一方面,本发明实施例提供一种海上风机的基准状态空间模型构建方法,其中,所述方法包括:
获取海上风机对应的高阶有限元模型和所述高阶有限元模型的前若干目标阶数分别对应的模态信息,其中,所述高阶有限元模型为单元数量大于预设值的动力分析模型;
根据各所述目标阶数分别对应的所述模态信息,确定正则坐标系下的振型矩阵和对角矩阵;
根据所述振型矩阵确定转换矩阵,根据所述转换矩阵和所述对角矩阵确定所述海上风机在正则坐标系下的目标运动方程,其中,所述转换矩阵用于反映广义坐标系与正则坐标系之间的转换关系;
根据所述目标运动方程,确定所述海上风机对应的基准状态空间模型,其中,所述基准状态空间模型用于反映正则坐标系下所述海上风机的荷载与时域响应之间的关系。
第二方面,本发明实施例还提供一种海上风机的基准状态空间模型的构建装置,其中,所述装置包括:
信息获取模块,用于获取海上风机对应的高阶有限元模型和所述高阶有限元模型的前若干目标阶数分别对应的模态信息,其中,所述高阶有限元模型为单元数量大于预设值的动力分析模型;
矩阵确定模块,用于根据各所述目标阶数分别对应的所述模态信息,确定正则坐标系下的振型矩阵和对角矩阵;
方程确定模块,用于根据所述振型矩阵确定转换矩阵,根据所述转换矩阵和所述对角矩阵确定所述海上风机在正则坐标系下的目标运动方程,其中,所述转换矩阵用于反映广义坐标系与正则坐标系之间的转换关系;
模型构建模块,用于根据所述目标运动方程,确定所述海上风机对应的基准状态空间模型,其中,所述基准状态空间模型用于反映正则坐标系下所述海上风机的荷载与时域响应之间的关系。
第三方面,本发明实施例还提供一种终端,其中,所述终端包括有存储器和一个以上处理器;所述存储器存储有一个以上的程序;所述程序包含用于执行如上述任一所述的海上风机的基准状态空间模型构建方法的指令;所述处理器用于执行所述程序。
第四方面,本发明实施例还提供一种计算机可读存储介质,其上存储有多条指令,其中,所述指令适用于由处理器加载并执行,以实现上述任一所述的海上风机的基准状态空间模型构建方法的步骤。
本发明的有益效果:本发明实施例通过海上风机的高阶有限元模型的前若干阶数的模态信息构建基准状态空间模型,由于基准状态空间模型仅由高阶有限元模型的前若干阶模态信息建立,因此采用基准状态空间模型代替高阶有限元模型对海上风机进行时域分析可以提高计算效率,降低计算成本。解决了现有技术中由于高阶有限元单元的数量过多,因此采用高阶有限元模型对海上风机进行时域分析计算效率低、计算成本高的问题。
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中记载的一些实施例,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是本发明实施例提供的海上风机的基准状态空间模型构建方法的流程示意图。
图2是本发明实施例提供的单桩式海上风机高阶有限元模型图。
图3是本发明实施例提供的随机荷载曲线图。
图4是本发明实施例提供的高阶有限元模型与基准状态空间模型叶片顶点处位移响应对比图。
图5是本发明实施例提供的高阶有限元模型与基准状态空间模型塔架中间处位移响应对比图。
图6是本发明实施例提供的高阶有限元模型与采用不同阶数(20、16、12、8、4)模态信息建立的基准状态空间模型叶片顶点处位移响应对比图。
图7是本发明实施例提供的高阶有限元模型与采用不同阶数(20、16、12、8、4)模态信息建立的基准状态空间模型塔架中间处位移响应对比图。
图8是本发明实施例提供的高阶有限元模型与采用不同阶数(8、7、6、5、4)模态信息建立的基准状态空间模型叶片顶点处位移响应对比图。
图9是本发明实施例提供的高阶有限元模型与采用不同阶数(8、7、6、5、4)模态信息建立的基准状态空间模型塔架中间处位移响应对比图。
图10是本发明实施例提供的海上风机的基准状态空间模型的构建装置的模块示意图。
图11是本发明实施例提供的终端的原理框图。
具体实施方式
本发明公开了一种海上风机的基准状态空间模型构建方法,为使本发明的目的、技术方案及效果更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
针对现有技术的上述缺陷,本发明提供一种海上风机的基准状态空间模型构建方法,所述方法通过获取海上风机对应的高阶有限元模型和所述高阶有限元模型的前若干目标阶数分别对应的模态信息,其中,所述高阶有限元模型为单元数量大于预设值的动力分析模型;根据各所述目标阶数分别对应的所述模态信息,确定正则坐标系下的振型矩阵和对角矩阵;根据所述振型矩阵确定转换矩阵,根据所述转换矩阵和所述对角矩阵确定所述海上风机在正则坐标系下的目标运动方程,其中,所述转换矩阵用于反映广义坐标系与正则坐标系之间的转换关系;根据所述目标运动方程,确定所述海上风机对应的基准状态空间模型,其中,所述基准状态空间模型用于反映正则坐标系下所述海上风机的荷载与时域响应之间的关系。本发明通过海上风机的高阶有限元模型的前若干阶数的模态信息构建基准状态空间模型,由于基准状态空间模型仅由高阶有限元模型的前若干阶模态信息建立,因此采用基准状态空间模型代替高阶有限元模型对海上风机进行时域分析可以提高计算效率,降低计算成本。解决了现有技术中由于高阶有限元单元的数量过多,因此采用高阶有限元模型对海上风机进行时域分析计算效率低、计算成本高的问题。
如图1所示,所述方法包括如下步骤:
步骤S100、获取海上风机对应的高阶有限元模型和所述高阶有限元模型的前若干目标阶数分别对应的模态信息,其中,所述高阶有限元模型为单元数量大于预设值的动力分析模型。
具体地,海上风机的高阶有限元模型是基于海上风机的实际结构建立的复杂模型,因此高阶有限元模型具有大量不同类型的单元,例如DTU 10MW海上风机就具有61080个不同类型的单元。为了减少单元数量,本实施例仅提取高阶有限元模型的前若干目标阶数的模态信息来构建基准状态空间模型,其中,模态信息包括频率和振型。例如,通过提取高阶有限元模型的前五阶频率和振型来构建海上风机的基准状态空间模型,以提高模型计算效率。
如图1所示,所述方法还包括如下步骤:
步骤S200、根据各所述目标阶数分别对应的所述模态信息,确定正则坐标系下的振型矩阵和对角矩阵。
具体地,由于模态信息中包括频率和振型,因此可以根据各目标阶数分别对应的频率确定对角矩阵,其中,各目标阶数分别对应的频率依次位于对角矩阵的对角线上。并根据各目标阶数分别对应的振型构建振型矩阵。
举例说明,提取高阶有限元模型的前m阶频率ωmi,然后根据前m阶频率ωmi构建对角矩阵[Λ]:
提取海上风机高阶有限元模型的前m阶振型向量{u}i(i=1,2,…,m),根据公式(2)转换得到正则坐标下的振型矩阵[Φ]q×m(公式3);
[Φ]q×m={{φ}1{φ}2…{φ}m} (3);
其中,{φ}i为正则坐标下的振型向量,[Φ]为振型矩阵,下标q代表振型向量的阶数,即选取的自由度数量。
如图1所示,所述方法还包括如下步骤:
步骤S300、根据所述振型矩阵确定转换矩阵,根据所述转换矩阵和所述对角矩阵确定所述海上风机在正则坐标系下的目标运动方程,其中,所述转换矩阵用于反映广义坐标系与正则坐标系之间的转换关系。
具体地,根据振型矩阵和对角矩阵,结合海上风机在正则坐标系下的结构运动方程,可以推导出海上风机的运动方程,即得到目标运动方程,通过目标运动方程可以反映正则坐标系下海上风机的荷载与位移、加速度之间的关系。
举例说明,以正则坐标下的振型矩阵作为转换矩阵,得到公式(4):
{x(t)}=[Φ]{z(t)} (4);
其中,{x(t)}为结构在广义坐标下的位移向量,{z(t)}为结构在正则坐标下的位移向量。
然后将公式(4)代入海上风机的结构运动方程,左乘[Φ]T并移除阻尼项得到公式(5):
其中,[M]为结构的质量矩阵,[K]为结构的刚度矩阵,{F(t)}为结构在广义坐标下的荷载,[Φ]T为振型矩阵[Φ]的转置,为正则坐标下的加速度响应,{z}为正则坐标下的位移响应。根据公式(5)可以得到:
[Φ]T[M][Φ]=[I] (6);
此外,根据转换矩阵还可以得到公式(8):
{P(t)}=[Φ]T{F(t)} (8);
其中,{P(t)}为结构在正则坐标下的荷载。
根据公式(5)和公式(8),即可得到海上风机在正则坐标系下的目标运动方程(公式9):
如图1所示,所述方法还包括如下步骤:
步骤S400、根据所述目标运动方程,确定所述海上风机对应的基准状态空间模型,其中,所述基准状态空间模型用于反映正则坐标系下所述海上风机的荷载与时域响应之间的关系。
具体地,由于目标运动方程可以反映正则坐标系下海上风机的荷载与位移、加速度之间的关系,因此将其转换为矩阵形式,即得到基准状态空间模型。将海上风机在正则坐标系下的荷载输入基准状态空间模型,基准状态空间模型即可通过输入的荷载输出对应的时域响应数据,从而实现对海上风机进行时域分析。
在一种实现方式中,所述步骤S300具体包括如下步骤:
步骤S301、根据所述目标运动方程,确定所述海上风机对应的连续状态空间模型,其中,所述连续状态空间模型用于反映正则坐标系下所述海上风机的荷载与时域响应之间的关系,所述连续状态空间模型对应的状态变量基于位移变量和速度变量确定;
步骤S302、对所述连续状态空间模型进行离散,得到所述基准状态空间模型。
具体地,本实施例可以通过由位移变量和速度变量组成的状态变量,将目标运动方程转换为用于反映正则坐标系下海上风机的荷载与状态变量之间的关系的中间方程。由于状态变量中速度变量为对应的位移变量关于时间的一阶导数,因此将中间方程转换为矩阵形式,即得到连续状态空间模型。连续状态空间模型的输入向量为海上风机在正则坐标系下的荷载,输出向量为对应的时域响应数据,状态向量则基于位移向量和速度向量确定。为了进一步提高模型的计算效率,本实施例还需要对连续状态空间模型进行离散,将离散后的模型作为基准状态空间模型,通过基准状态模型可以快速、高效地对海上风机进行时域分析。
在一种实现方式中,所述步骤S301具体包括如下步骤:
步骤S3011、根据所述目标运动方程,确定系统矩阵;
步骤S3012、获取预设的输入矩阵和输出矩阵,根据所述系统矩阵、所述输入矩阵以及所述输出矩阵确定所述连续状态空间模型,其中,所述系统矩阵和所述输入矩阵用于反映正则坐标系下所述海上风机的荷载与所述状态变量之间的关系,所述输出矩阵用于反映所述状态变量与正则坐标系下所述海上风机的时域响应之间的关系。
具体地,构建连续状态空间模型的关键在于确定三个矩阵:系统矩阵、输入矩阵以及输出矩阵。其中,输入矩阵以及输出矩阵是预先设定好的,而系统矩阵则需要基于获得的对角矩阵计算得到。具体地,系统矩阵中包含有多个元素,除目标运动方程对应的对角矩阵所表示的元素之外,其他元素的值是预先设定好的,因此通过将目标运动方程对应的对角矩阵代入其对应的元素,即得到系统矩阵。通过系统矩阵和输入矩阵可以建立正则坐标系下海上风机的荷载与状态变量之间的关系方程,通过输出矩阵可以建立状态变量与正则坐标系下海上风机的时域响应之间的关系方程,最后通过这两个关系方程即可建立基于荷载预测时域响应的连续状态空间模型。
举例说明,选择状态变量(公式10),然后依据状态变量将公式(11)转换为公式(12),最后将公式(12)写成矩阵形式即得到连续的状态空间模型:
其中,y为状态向量,p为输入向量,w为输出向量,因此连续的状态空间模型中的系统矩阵A1、输入矩阵B1和输出矩阵C1分别为:
在一种实现方式中,所述步骤S302具体包括如下步骤:
步骤S3021、对所述系统矩阵进行离散,得到离散系统矩阵;
步骤S3022、获取单位对角矩阵,其中,所述单位对角矩阵为对角线上元素全为1的矩阵;
步骤S3023、根据所述系统矩阵、所述离散系统矩阵、所述单位对角矩阵以及所述输入矩阵,确定离散输入矩阵;
步骤S3024、根据所述离散系统矩阵、所述离散输入矩阵以及所述输出矩阵,确定所述基准状态空间模型。
具体地,为了进一步降低模型的计算成本,本实施例需要对连续状态空间模型离散化。首先,对系统矩阵进行离散化,得到离散系统矩阵:
A=exp(A1Δt) (13);
其中,A为离散系统矩阵。
然后,根据系统矩阵、离散系统矩阵、单位对角矩阵以及输入矩阵,确定离散输入矩阵:
其中,I为单位对角矩阵,B为离散输入矩阵。
另外,输出矩阵不变,即:
C=C1(15);
其中,C为基准状态空间模型对应的输出矩阵。
最后,根据离散系统矩阵、离散输入矩阵以及输出矩阵,即可确定离散后的状态空间模型,即基准状态空间模型:
在一种实现方式中,所述方法还包括如下步骤:
步骤S10、获取试验海上风机对应的目标高阶有限元模型和若干候选基准状态空间模型,其中,各所述候选基准状态空间模型分别基于所述目标高阶有限元模型不同的前若干阶数的模态信息建立;
步骤S20、获取各所述候选基准状态空间模型分别对应的模型精度。
步骤S30、根据各所述候选基准状态空间模型分别对应的所述模型精度,确定前若干所述目标阶数。
简单来说,由于采用不同前若干阶数的模态信息构建出的基准状态模型的预测性能不同,因此本实施例预先设定了一个实验海上风机,例如可以将第一个构建基准状态空间模型的海上风机作为实验海上风机来确定最合适的阶数组合。具体地,提取该实验海上风机的高阶有限元模型的不同前若干阶数的模态信息分别构建一个候选基准状态空间模型,例如采用前4、5、6、7、8阶的模态信息分别构建一个候选基准状态空间模型,即得到五个候选基准状态空间模型。针对每一个候选基准状态空间模型,通过比对该候选基准状态空间模型的输出和目标高阶有限元模型的输出之间的偏差,可以确定该候选基准状态空间模型的模型精度。由于候选基准状态空间模型的输出对应的是正则坐标系,高阶有限元模型的输出对应的是广义坐标系,因此获得候选基准状态空间模型的输出以后,需要根据候选基准状态空间模型的转换矩阵将其对应的输出转换至广义坐标系下,再确定候选基准状态空间模型的模型精度。最后通过对比各候选基准状态空间模型的模型精度,选取模型精度合适的候选基准状态空间模型,将其对应的前若干阶数作为前若干目标阶数。轮到下一个海上风机时,可以直接提取其对应的高阶状态空间模型的前若干目标阶数的模态信息来构建其对应的基准状态空间模型。
在一种实现方式中,每一所述候选基准状态空间模型对应的所述模型精度的确定过程包括:
步骤S21、根据每一所述候选基准状态空间模型对应的所述转换矩阵,获取该候选基准状态空间模型基于目标荷载生成的广义坐标系下的第一时域响应数据;
步骤S22、获取所述目标高阶有限元模型基于所述目标荷载生成的广义坐标系下的第二时域响应数据;
步骤S23、根据所述第一时域响应数据和所述第二时域响应数据,确定该候选基准状态空间模型对应的所述模型精度。
具体地,针对每一候选基准状态空间模型,首先获取该候选基准状态空间模型和目标高阶有限元模型分别基于等效荷载生成的时域响应数据,其中,该候选基准状态空间模型输出的时域响应数据经转换矩阵转换后变为广义坐标系下的第一时域响应数据,目标高阶有限元模型则直接输出广义坐标系下的第二时域响应数据,通过比较两种时域响应数据之间的偏差即可得到该候选基准状态空间模型的模型精度。
举例说明,针对一个候选基准状态空间模型,根据该候选基准状态空间模型进行时域计算,获得该候选基准状态空间模型在随机荷载作用下的时域响应;
根据公式(17)将正则坐标系下的时域计算结果转换至广义坐标系:
{x(t)}=[Φ]{z(t)} (17);
然后将其与高阶模型在等效荷载作用下的时域计算结果对比,以验证该候选基准状态空间模型的模型精度。
在一种实现方式中,所述方法还包括对每一所述候选基准状态空间模型对应的所述转换矩阵进行修正,修正方法包括:
步骤S40、判断所述模型精度是否大于目标值,若否,对该候选基准状态空间模型对应的所述转换矩阵中的若干第一修正参数和第二修正参数进行修正,得到修正矩阵,其中,若干所述第一修正参数与该候选基准状态空间模型对应的前若干所述阶数的所述振型一一对应,所述第二修正参数与该候选基准状态空间模型的所述转换矩阵对应;
步骤S52、将所述修正矩阵作为该候选基准状态空间模型对应的所述转换矩阵,继续执行获取该候选基准状态空间模型的模型精度,判断所述模型精度是否大于目标值的步骤,直至所述模型精度大于所述目标值。
简单来说,为了提高模型精度,本实施例还可以对转换矩阵进行修正。具体地,本实施例预先设定每一转换矩阵中各阶振型分别对应的第一修正参数,以及每一转换矩阵对应的第二修正参数,换言之,假设一个转换矩阵中包括m阶振型,则该转换矩阵对应的修正参数为m+1个。针对每一转换矩阵,以该转换矩阵对应的候选基准状态空间模型的输出和目标高阶有限元模型的输出建立目标函数,通过预设的优化算法/修正算法对各第一修正参数和第二修正参数进行修正,从而提高各候选基准状态空间模型的模型精度。
可以理解的是,除了对各候选基准状态空间模型的转换矩阵进行修正以外,也可以对海上风机的基准状态空间模型的转换矩阵进行修正。修正方法类似,即将上述步骤S50-52中的该候选基准状态空间模型替换为海上风机的基准状态空间模型。
本实施例以DTU 10MW风机为试验对象,证明本发明的技术效果:
1、首先根据DTU 10MW海上风机相关参数建立一个单桩式海上风机高阶有限元模型。如图2所示,该模型由61080个不同类型的单元建立。
2、提取上一步中建立的单桩式海上风机高阶有限元模型的前m(本实施例中m依次取20、16、12、8、4、7、6、5)阶频率ωmi和振型向量{u}i(i=1,2,…,m),根据公式(3)转换得到正则坐标系下的振型矩阵[Φ]q×m。本实施例中对单桩式海上风机高阶有限元模型每隔10m选择一个截面,将截面内所有节点的振型数据取均值作为该截面的振型数据,共52个截面,即q为52×6。最终得到一个312行m列的振型矩阵。
3、由提取的模态信息建立单桩式海上风机在正则坐标系下的运动方程。将正则坐标系下的振型矩阵作为转换矩阵;
将公式(4)代入结构运动方程,并方程两侧左乘[Φ]T并去除阻尼项得到公式(5)。将公式(5)转换为公式(9),该式即为由提取的模态信息建立单桩式海上风机在正则坐标系下的运动方程。
4、将单桩式海上风机在正则坐标系下的运动方程转换为连续的状态空间模型。先选择状态变量(公式10),然后依据状态变量将公式(11)转换为公式(12),最后将公式(12)写成矩阵形式即得到连续的状态空间模型。
5、根据公式(13-15)将连续的状态空间模型离散化,即得到离散的状态空间模型(公式16)。
6、采用离散的状态空间模型进行时域计算,获得状态空间模型在随机荷载(如图3所示)作用下的时域响应;
7、通过公式(17)将正则坐标系下的时域计算结果转换至广义坐标系下。如图4和图5所示,对比单桩式海上风机高阶有限元模型与采用20阶模态信息建立的基准状态空间模型在等效荷载作用下的时域响应。其中,图4为叶片顶点处位移响应,图5为塔中间位置出位移响应,从图中可以看出该基准状态空间模型与高阶有限元模型的时域结果吻合良好。
8、为进一步提高基准状态空间模型的精度,对振型矩阵[Φ]进行修正。对振型矩阵每阶模态振型设置一个修正参数和整个振型矩阵设置一个修正参数,故共有m+1个修正参数,采用高阶有限元模型的时域响应数据和基准状态空间模型的时域响应建立目标函数,优化算法为分布估计算法。如图4和图5所示,对比高阶有限元模型与基准状态空间模型修正前与修正后的时域响应,结果表明模型修正能够进一步缩小高阶有限元模型与基准状态空间模型之间的偏差;
9、改变m并重复第(2)-(8)步,分析采用不同阶数模态信息建立状态空间模型的精度。如图6和图7所示,对比高阶有限元模型与采用不同阶数(20、16、12、8、4)模态信息建立的基准状态空间模型时域计算结果。其中由前20、16、12和8阶模态信息建立的状态空间模型均与高阶有限元模型吻合较好,而采用前4阶模态信息建立的状态空间模型与高阶有限元模型偏差较大。因此,如图8和图9所示,建立采用前7、6、5阶模态信息的状态空间模型,并对比高阶有限元模型与采用不同阶数(8、7、6、5、4)模态信息建立的基准状态空间模型时域响应,结果表明至少采用5阶模态信息建立的状态空间模型才能与高阶有限元模型的时域响应吻合。
本发明的优点在于:
1、基准状态空间模型仅由高阶有限元模型前几阶模态信息建立,但其时域响应与高阶有限元模型高度吻合,能够代替高阶有限元模型进行相关的时域分析。
2、建立的基准状态空间模型能够用最小的信息形式描述单桩式海上风机系统的状态,不需要大量的数据资料,省时省力,且其数学模型简单。
3、建立的基准状态空间模型解决了传统单桩式海上风机高阶有限元模型计算效率低的问题。
4、采用模型修正对振型矩阵进行优化,进一步提高了用于进行海上风机动力分析的基准状态空间模型的时域计算精度。
基于上述实施例,本发明还提供了一种海上风机的基准状态空间模型的构建装置,如图10所示,所述装置包括:
信息获取模块01,用于获取海上风机对应的高阶有限元模型和所述高阶有限元模型的前若干目标阶数分别对应的模态信息,其中,所述高阶有限元模型为单元数量大于预设值的动力分析模型;
矩阵确定模块02,用于根据各所述目标阶数分别对应的所述模态信息,确定正则坐标系下的振型矩阵和对角矩阵;
方程确定模块03,用于根据所述振型矩阵确定转换矩阵,根据所述转换矩阵和所述对角矩阵确定所述海上风机在正则坐标系下的目标运动方程,其中,所述转换矩阵用于反映广义坐标系与正则坐标系之间的转换关系;
模型构建模块04,用于根据所述目标运动方程,确定所述海上风机对应的基准状态空间模型,其中,所述基准状态空间模型用于反映正则坐标系下所述海上风机的荷载与时域响应之间的关系。
基于上述实施例,本发明还提供了一种终端,其原理框图可以如图11所示。该终端包括通过系统总线连接的处理器、存储器、网络接口、显示屏。其中,该终端的处理器用于提供计算和控制能力。该终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该终端的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现海上风机的基准状态空间模型构建方法。该终端的显示屏可以是液晶显示屏或者电子墨水显示屏。
本领域技术人员可以理解,图11中示出的原理框图,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的终端的限定,具体的终端可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一种实现方式中,所述终端的存储器中存储有一个以上的程序,且经配置以由一个以上处理器执行所述一个以上程序包含用于进行海上风机的基准状态空间模型构建方法的指令。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是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非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
综上所述,本发明公开了一种海上风机的基准状态空间模型构建方法,所述方法通过获取海上风机对应的高阶有限元模型和所述高阶有限元模型的前若干目标阶数分别对应的模态信息,其中,所述高阶有限元模型为单元数量大于预设值的动力分析模型;根据各所述目标阶数分别对应的所述模态信息,确定正则坐标系下的振型矩阵和对角矩阵;根据所述振型矩阵确定转换矩阵,根据所述转换矩阵和所述对角矩阵确定所述海上风机在正则坐标系下的目标运动方程,其中,所述转换矩阵用于反映广义坐标系与正则坐标系之间的转换关系;根据所述目标运动方程,确定所述海上风机对应的基准状态空间模型,其中,所述基准状态空间模型用于反映正则坐标系下所述海上风机的荷载与时域响应之间的关系。本发明通过海上风机的高阶有限元模型的前若干阶数的模态信息构建基准状态空间模型,由于基准状态空间模型仅由高阶有限元模型的前若干阶模态信息建立,因此采用基准状态空间模型代替高阶有限元模型对海上风机进行时域分析可以提高计算效率,降低计算成本。解决了现有技术中由于高阶有限元单元的数量过多,因此采用高阶有限元模型对海上风机进行时域分析计算效率低、计算成本高的问题。
应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种海上风机的基准状态空间模型构建方法,其特征在于,所述方法包括:
获取海上风机对应的高阶有限元模型和所述高阶有限元模型的前若干目标阶数分别对应的模态信息,其中,所述高阶有限元模型为单元数量大于预设值的动力分析模型;
根据各所述目标阶数分别对应的所述模态信息,确定正则坐标系下的振型矩阵和对角矩阵;
根据所述振型矩阵确定转换矩阵,根据所述转换矩阵和所述对角矩阵确定所述海上风机在正则坐标系下的目标运动方程,其中,所述转换矩阵用于反映广义坐标系与正则坐标系之间的转换关系;
根据所述目标运动方程,确定所述海上风机对应的基准状态空间模型,其中,所述基准状态空间模型用于反映正则坐标系下所述海上风机的荷载与时域响应之间的关系。
2.根据权利要求1所述的海上风机的基准状态空间模型构建方法,其特征在于,所述根据所述目标运动方程,确定所述海上风机对应的基准状态空间模型,包括:
根据所述目标运动方程,确定所述海上风机对应的连续状态空间模型,其中,所述连续状态空间模型用于反映正则坐标系下所述海上风机的荷载与时域响应之间的关系,所述连续状态空间模型对应的状态变量基于位移变量和速度变量确定;
对所述连续状态空间模型进行离散,得到所述基准状态空间模型。
3.根据权利要求2所述的海上风机的基准状态空间模型构建方法,其特征在于,所述根据所述目标运动方程,确定所述海上风机对应的连续状态空间模型,包括:
根据所述目标运动方程,确定系统矩阵;
获取预设的输入矩阵和输出矩阵,根据所述系统矩阵、所述输入矩阵以及所述输出矩阵确定所述连续状态空间模型,其中,所述系统矩阵和所述输入矩阵用于反映正则坐标系下所述海上风机的荷载与所述状态变量之间的关系,所述输出矩阵用于反映所述状态变量与正则坐标系下所述海上风机的时域响应之间的关系。
4.根据权利要求3所述的海上风机的基准状态空间模型构建方法,其特征在于,所述对所述连续状态空间模型进行离散,得到所述基准状态空间模型,包括:
对所述系统矩阵进行离散,得到离散系统矩阵;
获取单位对角矩阵,其中,所述单位对角矩阵为对角线上元素全为1的矩阵;
根据所述系统矩阵、所述离散系统矩阵、所述单位对角矩阵以及所述输入矩阵,确定离散输入矩阵;
根据所述离散系统矩阵、所述离散输入矩阵以及所述输出矩阵,确定所述基准状态空间模型。
5.根据权利要求1所述的海上风机的基准状态空间模型构建方法,其特征在于,所述方法还包括:
获取试验海上风机对应的目标高阶有限元模型和若干候选基准状态空间模型,其中,各所述候选基准状态空间模型分别基于所述目标高阶有限元模型不同的前若干阶数的模态信息建立;
获取各所述候选基准状态空间模型分别对应的模型精度;
根据各所述候选基准状态空间模型分别对应的所述模型精度,确定前若干所述目标阶数。
6.根据权利要求5所述的海上风机的基准状态空间模型构建方法,其特征在于,每一所述候选基准状态空间模型对应的所述模型精度的确定过程包括:
根据该所述候选基准状态空间模型,获取基于目标荷载生成的广义坐标系下的第一时域响应数据;
根据所述目标高阶有限元模型,获取基于所述目标荷载生成的广义坐标系下的第二时域响应数据;
根据所述第一时域响应数据和所述第二时域响应数据,确定该候选基准状态空间模型对应的所述模型精度。
7.根据权利要求5所述的海上风机的基准状态空间模型构建方法,其特征在于,所述方法还包括:
判断所述模型精度是否大于目标值,若否,对该候选基准状态空间模型对应的所述转换矩阵中的若干第一修正参数和第二修正参数进行修正,得到修正矩阵,其中,若干所述第一修正参数与该候选基准状态空间模型的前若干所述阶数的振型一一对应,所述第二修正参数与该候选基准状态空间模型的所述转换矩阵对应;
将所述修正矩阵作为该候选基准状态空间模型对应的所述转换矩阵,继续执行获取该候选基准状态空间模型的模型精度,判断所述模型精度是否大于目标值的步骤,直至所述模型精度大于所述目标值。
8.一种海上风机的基准状态空间模型的构建装置,其特征在于,所述装置包括:
信息获取模块,用于获取海上风机对应的高阶有限元模型和所述高阶有限元模型的前若干目标阶数分别对应的模态信息,其中,所述高阶有限元模型为单元数量大于预设值的动力分析模型;
矩阵确定模块,用于根据各所述目标阶数分别对应的所述模态信息,确定正则坐标系下的振型矩阵和对角矩阵;
方程确定模块,用于根据所述振型矩阵确定转换矩阵,根据所述转换矩阵和所述对角矩阵确定所述海上风机在正则坐标系下的目标运动方程,其中,所述转换矩阵用于反映广义坐标系与正则坐标系之间的转换关系;
模型构建模块,用于根据所述目标运动方程,确定所述海上风机对应的基准状态空间模型,其中,所述基准状态空间模型用于反映正则坐标系下所述海上风机的荷载与时域响应之间的关系。
9.一种终端,其特征在于,所述终端包括有存储器和一个以上处理器;所述存储器存储有一个以上的程序;所述程序包含用于执行如权利要求1-7中任一所述的海上风机的基准状态空间模型构建方法的指令;所述处理器用于执行所述程序。
10.一种计算机可读存储介质,其上存储有多条指令,其特征在于,所述指令适用于由处理器加载并执行,以实现上述权利要求1-7任一所述的海上风机的基准状态空间模型构建方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211021700.XA CN115358128B (zh) | 2022-08-24 | 2022-08-24 | 一种海上风机的基准状态空间模型构建方法 |
US18/236,992 US20240077062A1 (en) | 2022-08-24 | 2023-08-23 | Construction method of benchmark state space model for offshore wind turbine |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211021700.XA CN115358128B (zh) | 2022-08-24 | 2022-08-24 | 一种海上风机的基准状态空间模型构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115358128A true CN115358128A (zh) | 2022-11-18 |
CN115358128B CN115358128B (zh) | 2023-04-14 |
Family
ID=84005338
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211021700.XA Active CN115358128B (zh) | 2022-08-24 | 2022-08-24 | 一种海上风机的基准状态空间模型构建方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20240077062A1 (zh) |
CN (1) | CN115358128B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103017895A (zh) * | 2012-12-24 | 2013-04-03 | 中国海洋大学 | 海上风力发电支撑结构振动监测点布设方法 |
WO2022021587A1 (zh) * | 2020-07-30 | 2022-02-03 | 青岛理工大学 | 一种用于模拟海上风电嵌岩桩多场耦合作用的试验系统 |
-
2022
- 2022-08-24 CN CN202211021700.XA patent/CN115358128B/zh active Active
-
2023
- 2023-08-23 US US18/236,992 patent/US20240077062A1/en active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103017895A (zh) * | 2012-12-24 | 2013-04-03 | 中国海洋大学 | 海上风力发电支撑结构振动监测点布设方法 |
WO2022021587A1 (zh) * | 2020-07-30 | 2022-02-03 | 青岛理工大学 | 一种用于模拟海上风电嵌岩桩多场耦合作用的试验系统 |
Non-Patent Citations (2)
Title |
---|
张二虎: "单桩基础风机耦合动力响应研究", 《中国优秀硕士论文库》 * |
陈晶: "导管架式海上风电基础结构分析", 《中国优秀硕士论文库》 * |
Also Published As
Publication number | Publication date |
---|---|
US20240077062A1 (en) | 2024-03-07 |
CN115358128B (zh) | 2023-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Valdebenito et al. | A survey on approaches for reliability-based optimization | |
US11379737B2 (en) | Method and apparatus for correcting missing value in data | |
Cardoso et al. | Structural reliability analysis using Monte Carlo simulation and neural networks | |
JP4499920B2 (ja) | 非線形モデルの発生及びそれを用いたシミュレーション試験用駆動信号の発生 | |
Cai et al. | Metamodeling for high dimensional design problems by multi-fidelity simulations | |
Grippo et al. | A class of derivative-free nonmonotone optimization algorithms employing coordinate rotations and gradient approximations | |
CN115049176A (zh) | 材料性能评估方法、装置及计算机设备 | |
CN112083698B (zh) | 一种基于数字孪生模型的产线实时控制方法和装置 | |
CN114297779A (zh) | 一种飞行器气动力系数快速预测方法、系统及设备 | |
CN114741946A (zh) | 一种航空发动机典型机构多构件失效相关的可靠性仿真方法 | |
Yang et al. | Robust design optimization of supporting structure of offshore wind turbine | |
CN115358128B (zh) | 一种海上风机的基准状态空间模型构建方法 | |
CN115221801A (zh) | 基于动态近似建模的飞行器不确定性传播分析方法和装置 | |
CN115829297A (zh) | 装配式建筑的工作包生成方法、装置、终端及存储介质 | |
CN114300068A (zh) | 油干点预测计算方法、装置、计算机设备和存储介质 | |
CN114048544B (zh) | 飞行器结构响应特性预示方法、装置、设备和介质 | |
CN114138634B (zh) | 测试用例的选取方法、装置、计算机设备和存储介质 | |
JP5636922B2 (ja) | 性能予測装置、性能予測方法およびプログラム | |
CN114626305A (zh) | 一种钢桥面板剩余疲劳寿命预测方法、装置、设备及介质 | |
Tang et al. | Novel reliability evaluation method combining active learning kriging and adaptive weighted importance sampling | |
Siddesh et al. | Prediction of Optimized Design Under Dynamic Loads Using Kriging Metamodel | |
US20200175121A1 (en) | System and method for predicting analytical abnormality in computational fluid dynamics analysis | |
CN112884052A (zh) | 结构模态参数提取方法、装置、计算机设备及存储介质 | |
CN115345055B (zh) | 海上风机有限元模型的降阶方法、装置、终端及存储介质 | |
KR20150054245A (ko) | 비선형 설계공간 내에서의 근사모델 최적설계방법 |
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 |