CN115859731B - 风力机叶片约束层阻尼敷设方案优化方法、装置及设备 - Google Patents

Abstract

一种风力机叶片约束层阻尼敷设方案优化方法、装置及设备，涉及风力发电技术领域，解决的技术问题为“如何实现风力机叶片更好的抑颤效果”，方法包括如下步骤：获取可敷设约束层阻尼设计变量；采用遗传算法对所述设计变量进行优化；基于优化后的设计变量，建立约束层阻尼敷设后的风力机叶片的有限元模型；根据所述有限元模型，对所述约束层阻尼敷设后的风力机叶片进行模态分析；判断模态分析结果是否满足优化结束条件，若满足则结束优化，否则重复上述步骤。该方法采用遗传算法，可以有效抑制随机风载下风力机叶片的挥舞和摆振振动，具有较好的应用前景，适用于风力机叶片约束层阻尼敷设场景。

Description

风力机叶片约束层阻尼敷设方案优化方法、装置及设备

技术领域

本发明涉及风力发电技术领域。

背景技术

随着全球能源危机愈演愈烈，开发“绿色能源”也变得尤为重要。风能具有清洁可再生、全球资源丰富、分布广泛等优点，被视为是实现碳中和的主要路径之一。风力发电作为未来落实双碳目标的主力，如今的发展程度是远远不足的，需要进一步加快技术创新。随着风力发电的发展，风力机叶片的形状由原来的相对短粗逐渐朝着大型化、细长化发展，部分大型风力机的叶片已经达到百米，虽然细长的风力机叶片风能捕获量更高，但是存在长度大、翼型薄、弦长小、柔性大的特点，在风场气动力、弹性力和惯性力的相互作用下，很容易出现气弹稳定性的问题，即叶片各模态间发生振动耦合，出现叶片颤振的现象。叶片振动现象已经成为实现大型柔性叶片高效、低载、轻量化设计的关键技术瓶颈。叶片振动可能会造成叶片损坏，影响风力机功率输出，危害风力机机组的正常运行。

针对叶片振动，现有的被动阻尼结构振动抑制方法主要有：专利文献CN103321853B公开了一种利用复合阻尼结构的风力机叶片抑颤方法，该方法在叶片表面设共固化约束阻尼层，在主梁外表面设自由阻尼层，通过提高叶片结构阻尼来实现叶片振动抑制的目的，但是该方法是基于解析模型进行的求解，精度较差；专利文献CN106739003B公开了一种共固化阻尼穿孔型抑颤结构的风力机叶片及其制作方法，通过在矩形阻尼层上开设穿孔阵列，并通过合理设置矩形阻尼层的面积占比，实现了在较少牺牲叶片刚度的前提下，较好地提升叶片的运行鲁棒性，但是该方法需要改变叶片本身结构；专利文献CN105257485A公开了一种利用颗粒阻尼减振的风力机叶片，通过在主梁内侧面沿叶片展项等间距布置多个减振腔室，利用颗粒体的摩擦碰撞消耗振动能量，从而达到减振的目的，但该方法只是利用了颗粒阻尼的减振特性，而并未对其敷设方案进行设计。综上所述，现有抑颤技术大多是利用阻尼结构本身固有特性来实现叶片的振动抑制，这样虽然可以实现抑颤，但是振动抑制效果没有达到最优。

在解决风力机叶片约束层阻尼敷设方案优化设计问题时，约束层阻尼结构敷设后会对叶片本身结构造成影响，而叶片本身结构较复杂，约束层阻尼敷设方案与振动抑制效果的关系以及解析形式的优化目标函数难以确定，这会为提供一种敷设方案设计的优化方法造成较大的障碍，所以现有技术中很少有通过优化方法来设计阻尼层的敷设方案以达到最优振动抑制效果的相关研究。

因此，如何在约束层阻尼敷设方案与振动抑制效果的关系以及解析形式的优化目标函数难以确定的情况下，提供一种风力机叶片阻尼敷设方案优化方法，以实现更好的抑颤效果，成为本领域亟待解决的技术问题。

发明内容

为了解决现有技术中存在的技术问题，本发明提供了一种风力机叶片约束层阻尼敷设方案优化方法、装置及设备，该方法采用遗传算法，在约束层阻尼敷设方案与振动抑制效果的关系以及解析形式的优化目标函数难以确定的情况下，实现了对约束层阻尼敷设方案的优化，得到的敷设方案可以有效抑制随机风载下风力机叶片的挥舞和摆振振动，具有较好的应用前景。

一种风力机叶片约束层阻尼敷设方案优化方法，包括：

S1、获取可敷设约束层阻尼设计变量；

S2、采用遗传算法对所述设计变量进行优化；

S3、基于优化后的设计变量，建立约束层阻尼敷设后的风力机叶片的有限元模型；

S4、根据所述有限元模型，对所述约束层阻尼敷设后的风力机叶片进行模态分析；

S5、判断模态分析结果是否满足优化结束条件，若满足则结束优化，否则重复步骤S2-S4。

进一步地，采用遗传算法对所述设计变量进行优化时，采用风力机叶片的结构损耗因子进行种群选择。

进一步地，采用遗传算法对所述设计变量进行优化，包括：

获取种群交叉概率和种群变异概率，根据设计变量得到初始种群；

重复如下步骤，直至新种群规模等于初始种群规模：从种群中选择部分个体，根据所述结构损耗因子η₁得到个体适应度函数，选择适应度函数值最高的个体进入新种群，得到选择后的种群；

基于所述种群交叉概率和种群变异概率，对所述选择后的种群进行基因交叉和变异，得到优化后的设计变量。

进一步地，所述结构损耗因子通过如下公式计算：

其中，η_k表示第k阶模态的结构损耗因子，{x_k}_m,m＝1,2,3分别为基层、阻尼层、约束层的第k阶模态位移矢量，[K]_m,m＝1,2,3分别为基层、阻尼层、约束层的刚度矩阵，β₂为阻尼层的材料损耗因子。

进一步地，对所述选择后的种群进行基因交叉和变异之后，还包括：计算个体适应度并与预设的结束条件进行比较，若满足条件则得到优化后的设计变量，否则重新采用遗传算法对所述设计变量进行优化。

进一步地，步骤S1-S2以及步骤S5在数值分析软件中实现，步骤S3-S4在有限元分析软件中实现。

进一步地，基于优化后的设计变量，建立约束层阻尼敷设后的风力机叶片的有限元模型，包括：

确定有限元模型中叶片各展向位置对应弦长和扭角的离散点三维坐标；

根据所述三维坐标，在所述有限元分析软件中建立关键点；

根据所述关键点，生成叶片腹板面信息和叶片表面信息，得到风力机叶片的有限元模型。

进一步地，所述优化结束条件包括：

模态损耗因子经过预设次数的优化后，仍保持稳定；

优化次数达到预先设定的最大优化次数；

判断原则为：满足上述两个条件中的任一个时，结束优化。

一种风力机叶片约束层阻尼敷设方案优化装置，包括：

获取模块，用于获取可敷设约束层阻尼设计变量；

优化模块，用于采用遗传算法对所述设计变量进行优化；

模型建立模块，用于基于优化后的设计变量，建立约束层阻尼敷设后的风力机叶片的有限元模型；

模态分析模块，用于根据所述有限元模型，对所述约束层阻尼敷设后的风力机叶片进行模态分析；

判定模块，用于判断模态分析结果是否满足优化结束条件，若满足则结束优化，否则重复执行所述优化模块、模型建立模块以及模态分析模块。

一种电子设备，包括处理器和存储装置，所述存储装置中存有多条指令，所述处理器用于读取所述存储装置中的多条指令并执行上述方法。

本发明提供的风力机叶片约束层阻尼敷设方案优化方法、装置及设备，至少包括如下

有益效果：

采用遗传算法对风力机叶片约束层阻尼敷设方案进行优化，遗传算法不需要知道适应度函数的导数，只需要知道每个个体对应的适应度值便可以进行寻优，实现了联合优化的优化算法；在约束层阻尼敷设方案与振动抑制效果的关系以及解析形式的优化目标函数难以确定的情况下，实现了较好的抑颤效果，采用该方法后，叶片的挥舞位移、挥舞加速度、摆振位移、摆振加速度的最大值、最小值以及标准差均实现了显著降低，实现了风力机叶片振动的有效抑制。

附图说明

图1为本发明提供的风力机叶片约束层阻尼敷设方案优化方法一种实施例的流程图；

图2为本发明提供的风力机叶片约束层阻尼敷设方案优化方法应用的风力机叶片约束层阻尼敷设位置划分一种实施例的示意图；

图3为本发明提供的风力机叶片约束层阻尼敷设方案优化方法中遗传算法一种实施例的流程图；

图4为本发明提供的风力机叶片约束层阻尼敷设方案优化方法中ANSYS数据传递一种实施例的示意图；

图5为本发明提供的风力机叶片约束层阻尼敷设方案优化方法得到的敷设方案一种实施例的结构示意图；

图6为本发明提供的风力机叶片约束层阻尼敷设方案优化方法得到的敷设方案设计变量一种实施例的示意图。

具体实施方式

为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案做详细的说明。

参见图1，在一些实施例中，提供一种风力机叶片约束层阻尼敷设方案优化方法，包括：

S1、获取可敷设约束层阻尼设计变量；

S2、采用遗传算法对所述设计变量进行优化；

S3、基于优化后的设计变量，建立约束层阻尼敷设后的风力机叶片的有限元模型；

S4、根据所述有限元模型，对所述约束层阻尼敷设后的风力机叶片进行模态分析；

S5、判断所述模态分析结果是否满足优化结束条件，若满足则结束优化，否则重复步骤S2-S4。

参考图2，本实施例提供的风力机叶片约束层阻尼敷设方案优化方法应用于风力机叶片，图2展示了风力机叶片的约束层阻尼敷设位置划分情况。

具体地，步骤S1中，可敷设约束层阻尼设计变量包括约束层阻尼可选的敷设位置、约束层厚度以及阻尼层厚度。敷设位置是经过编号的，在一种具体的应用场景下，敷设位置编号为1-60，每个敷设位置都有约束层厚度和阻尼层厚度两个变量，即共有120个变量。对叶片内部可敷设约束层阻尼的位置进行编号，n为约束层阻尼可选的敷设位置总数，采用二进制编码方式表示约束层、阻尼层的敷设厚度，m为敷设厚度最大值对应的二进制编码位数，则二进制编码长度为2×n×m。

步骤S2之前，还包括对风力机叶片设计参数进行初始化，设计参数包括：风轮叶片数、风轮直径、叶片长度、叶尖速比、额定功率、额定转速、额定风速、极限风速、切入风速、切出风速。

步骤S2中，采用遗传算法对所述设计变量进行优化时，采用风力机叶片的结构损耗因子进行种群选择，风力机叶片的结构损耗因子被用来衡量结构耗能。遗传算法是一种过程搜索最优解的算法，被广泛应用于自动控制、计算科学、社会科学等众多领域，适用于解决复杂的非线性和多维空间寻优问题。

作为一种较优的实施方式，所述结构损耗因子通过如下公式计算：

其中，η_k表示第k阶模态的结构损耗因子，{x_k}_m,m＝1,2,3分别为基层、阻尼层、约束层的第k阶模态位移矢量，[K]_m,m＝1,2,3分别为基层、阻尼层、约束层的刚度矩阵，β₂为阻尼层的材料损耗因子。

参考图3，步骤S2中，采用遗传算法对所述设计变量进行优化，包括：

S21、获取种群交叉概率和种群变异概率，根据设计变量得到初始种群；

S22、重复如下步骤，直至新种群规模等于初始种群规模：从种群中选择部分个体，根据所述结构损耗因子η₁得到个体适应度函数，选择适应度函数值最高的个体进入新种群，得到选择后的种群；

S23、基于所述种群交叉概率和种群变异概率，对所述选择后的种群进行基因交叉和变异，得到优化后的设计变量。

步骤S22中，采用的结构损耗因子是第一阶模态损耗因子η₁，通过如下公式表示：

步骤S23对所述选择后的种群进行基因交叉和变异之后，还包括步骤S24：计算个体适应度并与预设的结束条件进行比较，若满足条件则得到优化后的设计变量，否则重新采用遗传算法对所述设计变量进行优化。

具体地，在一种具体的应用场景中，选用锦标赛选择法进行选择操作，每次从种群中选择部分个体，使用ANSYS与数值分析软件，根据η₁获得个体适应度函数，从中选择适应度函数最高的个体进入新种群，重复进行上述操作，直至新种群规模等于初始种群规模pop；然后设定种群交叉概率为p_c，从种群中选择出pop×p_c/2个个体作为父代，交换其部分基因，形成两个新的个体；再设定种群变异概率为p_m，个体染色体编码各基因位的基因以p_m的概率被其他基因替代，形成新的个体，得到遗传算法优化的设计变量。

参考图4，作为一种较优的实施方式，所述方法在数值分析软件和有限元分析软件中实现，步骤S1-S2以及步骤S5在数值分析软件中实现，步骤S3-S4在有限元分析软件中实现。数值分析软件获取设计变量和设计参数信息，经过数值分析软件的优化分析，得到优化后的设计变量并在输入txt文件中(即input.txt)中写入设计变量；再调用ANSYS读取txt文件中的设计变量，采用有限元分析软件进行分析计算，得到敷设后的风力机叶片的模态分析结果并将分析结果写入输出txt文件中(即output.txt)，并采用数值分析软件读取分析结果进一步进行数值分析，判定是否满足优化结束条件。

步骤S3中，建立约束层阻尼敷设后的风力机叶片的有限元模型，包括：

S31、所述数值分析软件将所述优化后的设计变量写入输入txt文件；

S32、所述有限元分析软件根据所述输入txt文件读取所述设计变量；

S33、所述有限元分析软件根据所述设计变量建立约束层阻尼敷设后的风力机叶片的有限元模型。

所述风力机叶片的有限元模型包含叶片腹板面信息和叶片表面信息。

步骤S33中，所述有限元分析软件根据所述设计变量建立约束层阻尼敷设后的风力机叶片的有限元模型，包括：

S331、确定有限元模型中叶片各展向位置对应弦长和扭角的离散点三维坐标；

S331、根据所述三维坐标，在有限元分析软件中建立关键点；

S333、根据所述关键点，生成叶片腹板面信息和叶片表面信息，得到风力机叶片的有限元模型。

采用经典的简化设计法对风力机叶片气动外形进行设计，并参考美国Sandia国家实验室30米级WindPACT设计结果，可以得到叶片各展向位置的弦长C、扭角θ和翼型。进行有限元建模之前，首先要确定各展向位置对应弦长和扭角的离散点坐标，根据平移变换原始翼型数据(x₀,y₀)至以气动中心(X,Y)为原点的二维坐标(x₁,y₁)，然后得到实际的三维空间坐标(x,y,z)。

各展向位置对应弦长和扭角的离散点坐标通过如下公式表示：

(x₁,y₁)＝(x₀,y₀)-(X,Y)；

z＝r；

为了提高有限元分析结果的准确性，本实施例选择在有限元分析软件中，采用自底而上的几何模型建模方式，首先根据上述得到的三维空间坐标(x,y,z)，在有限元软件中建立关键点，连接翼型线和弦线，之后生成腹板面和叶片表面，至此，建立完成无约束层阻尼风力机叶片的有限元模型。考虑到后续模态分析需要定义叶片每一铺层的材料特性、铺设角度、铺设厚度等参数，叶片腹板面、叶片表面定义为具有非线性特性的SHELL181壳单元。

对于敷设约束层阻尼结构的风力机叶片，采用混合单元法对其进行建模。首先在无约束层阻尼风力机叶片的有限元模型的基础上，复制所需要敷设约束层阻尼结构的面，之后将复制所得到的面沿着法向拉伸，拉伸厚度为阻尼层厚度，得到阻尼层，定义阻尼层为SOLID185单元，最后，复制阻尼层上表面作为约束层，并定义其为SHELLE181壳单元。至此，建立完成敷设约束层阻尼结构的风力机叶片。

在一些实施例中，步骤S4包括：

S41、在所述有限元分析软件中，对所述有限元模型进行模态分析；

S42、将所述模态分析结果写入输出txt文件；

作为一种较优的实施方式，步骤S41中，采用ANSYS对单个根部固定的敷设约束层阻尼的风力机叶片进行模态分析。

考虑到旋转钢化效应对叶片固有振动特性的影响较小，因此可以只分析单个静止叶片的各阶模态来获得叶片固有特性；同时，叶根与轮毂之间连接可以视为刚性连接，因此可以将叶根处的约束简化为完全的固定约束。因此，本实施例针对单个根部固定的敷设约束层阻尼的风力机叶片进行模态分析。

步骤S42中，模态分析结果为模态损耗因子，将其写入输出txt文件。

步骤S5包括：所述数值分析软件根据所述输出txt文件读取所述模态分析结果并与所述优化结束条件比较。

作为一种较优的实施方式，优化结束条件包括：

模态损耗因子经过预设次数的优化后，仍保持稳定，该次数为预先设定的优化次数；

优化次数达到预先设定的最大优化次数。

判断原则为：满足上述两个条件中的任一个时，结束优化。

参考图5和图6，展示了采用本实施例提供的风力机叶片约束层阻尼敷设方案优化方法得到的敷设方案。图5是约束层阻尼敷设方案的一个示例图，展示了敷设约束层阻尼的风力机叶片的结构，是在不同的径向、展向位置敷设不同厚度的约束层阻尼的示意图，图中，r/R指的是展向位置，R表示的是叶片长度。图6是本实施例选取的一个案例中优化得到的风力机叶片约束层阻尼敷设方案，具体展示了优化得到的结果，即设计变量，其中，r/R指的是展向位置，不同的折线表示的是不同位置的约束层阻尼敷设方案。

在一种具体的应用场景中，以某型号1.5MW风力机叶片为例，说明本实施例提供的风力机叶片约束层阻尼敷设方案优化方法的优势。在ANSYS软件中，参照1.5MW风力机叶片的设计参数，分别建立无阻尼结构风力机叶片模型(无阻尼叶片)，根据经验法得到的约束层阻尼风力机叶片模型(非优化方法)，以及根据本实施例提出的优化方法得到的约束层阻尼风力机叶片模型(优化方法)，选取叶片材料为玻璃纤维增强环氧树脂和PVC泡沫，阻尼材料为ZN-33橡胶，风力机叶片设计参数如表1所示。

表1

采用上述三种模型进行比对实验，对比分析各自的抑颤性能，利用双参数威布尔分布函数的概率密度函数来模拟随机风载，并将随机风载施加在叶片有限元模型上，进行瞬态动力学分析，得到仿真对比结果如表2所示。

表2

通过对叶片挥舞位移、挥舞加速度、摆振位移、摆振加速度进行分析，并结合表2仿真数据可知，敷设约束层阻尼后风力机叶片与原叶片相比，叶尖挥舞位移最大值减小了40.97％，最小值减小了41.82％，标准差减小了40.00％；挥舞加速度最大值减小了35.54％，最小值减小了75.98％，标准差减小了66.67％；摆振位移最大值减小了14.36％，最小值减小了28.44％，标准差减小了28.34％；摆振加速度最大值减小了3.92％，最小值减小了43.04％，标准差减小了30.69％。遗传算法相较于非优化方法得到的约束层阻尼敷设方案，叶尖挥舞位移最大值减小了32.66％，最小值减小了27.27％，标准差减小了32.50％；挥舞加速度最大值减小了16.18％，最小值减小了21.61％，标准差减小了27.53％；摆振位移最大值减小了1.90％，最小值减小了12.08％，标准差减小了12.38％；摆振加速度最大值增加了0.34％，最小值减小了5.63％，标准差减小了10.40％。

结果表明，基于遗传算法得到的约束层阻尼敷设方案中，挥舞位移、挥舞加速度、摆振位移、摆振加速度均明显减小，该方法有效抑制了风力机叶片在随机风载下的振动，且相较于非优化方法得到的敷设方案具有更好的振动抑制效果。综上分析，本实施例所提出的风力机叶片约束层阻尼敷设方案优化设计方法得到的约束层阻尼敷设方案可以很好地实现叶片振动抑制，提高风力机运行的安全性和鲁棒性。

在一些实施例中，提供一种风力机叶片约束层阻尼敷设方案优化装置，包括：

获取模块，用于获取可敷设约束层阻尼设计变量；

优化模块，用于采用遗传算法对所述设计变量进行优化；

模型建立模块，用于基于优化后的设计变量，建立约束层阻尼敷设后的风力机叶片的有限元模型；

模态分析模块，用于根据所述有限元模型，对所述约束层阻尼敷设后的风力机叶片进行模态分析；

判定模块，用于判断模态分析结果是否满足优化结束条件，若满足则结束优化，否则重复执行所述优化模块、模型建立模块以及模态分析模块。

其中，所述优化模块中，采用遗传算法对所述设计变量进行优化时，采用风力机叶片的结构损耗因子进行种群选择。

所述优化模块还用于：

S21、获取种群交叉概率和种群变异概率，根据设计变量得到初始种群；

S22、重复如下步骤，直至新种群规模等于初始种群规模：从种群中选择部分个体，根据所述结构损耗因子η₁得到个体适应度函数，选择适应度函数值最高的个体进入新种群，得到选择后的种群；

S23、基于所述种群交叉概率和种群变异概率，对所述选择后的种群进行基因交叉和变异，得到优化后的设计变量。

其中，所述结构损耗因子通过如下公式计算：

其中，η_k表示第k阶模态的结构损耗因子，{x_k}_m,m＝1,2,3分别为基层、阻尼层、约束层的第k阶模态位移矢量，[K]_m,m＝1,2,3分别为基层、阻尼层、约束层的刚度矩阵，β₂为阻尼层的材料损耗因子。

作为一种较优的实施方式，对所述选择后的种群进行基因交叉和变异之后，还包括：计算个体适应度并与预设的结束条件进行比较，若满足条件则得到优化后的设计变量，否则重新采用遗传算法对所述设计变量进行优化。

作为一种较优的实施方式，上述模块设置于数值分析软件和有限元分析软件中，具体地，所述获取模块、所述优化模块以及所述判定模块设置于数值分析软件中，所述模型建立模块设置有限元分析软件中。

进一步地，基于优化后的设计变量，建立约束层阻尼敷设后的风力机叶片的有限元模型，包括：

确定有限元模型中叶片各展向位置对应弦长和扭角的离散点三维坐标；

根据所述三维坐标，在所述有限元分析软件中建立关键点；

根据所述关键点，生成叶片腹板面信息和叶片表面信息，得到风力机叶片的有限元模型。

进一步地，所述优化结束条件包括：

模态损耗因子经过预设次数的优化后，仍保持稳定；

优化次数达到预先设定的最大优化次数。

判断原则为：满足上述两个条件中的任一个时，结束优化。

一种电子设备，包括处理器和存储装置，所述存储装置中存有多条指令，所述处理器用于读取所述存储装置中的多条指令并执行上述方法。

本实施例提供的风力机叶片约束层阻尼敷设方案优化方法、装置及设备，采用遗传算法对风力机叶片约束层阻尼敷设方案进行优化，遗传算法不需要知道适应度函数的导数，只需要知道每个个体对应的适应度值便可以进行寻优，实现了联合优化的优化算法；在约束层阻尼敷设方案与振动抑制效果的关系以及解析形式的优化目标函数难以确定的情况下，实现了较好的抑颤效果，采用该方法后，叶片的挥舞位移、挥舞加速度、摆振位移、摆振加速度的最大值、最小值以及标准差均实现了显著降低，实现了风力机叶片振动的有效抑制。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种风力机叶片约束层阻尼敷设方案优化方法，其特征在于，包括如下步骤：

S1、获取可敷设约束层阻尼设计变量；

S2、采用遗传算法对所述设计变量进行优化；

S3、基于优化后的设计变量，建立约束层阻尼敷设后的风力机叶片的有限元模型；

S4、根据所述有限元模型，对所述约束层阻尼敷设后的风力机叶片进行模态分析；

S5、判断模态分析结果是否满足优化结束条件，若满足则结束优化，否则重复步骤S2-S4；

其中，采用遗传算法对所述设计变量进行优化时，采用风力机叶片的结构损耗因子进行种群选择；

所述结构损耗因子通过如下公式计算：

其中，η_k表示第k阶模态的结构损耗因子，{x_k}_m,m＝1,2,3分别为基层、阻尼层、约束层的第k阶模态位移矢量，[K]_m,m＝1,2,3分别为基层、阻尼层、约束层的刚度矩阵，β₂为阻尼层的材料损耗因子。

2.根据权利要求1所述的方法，其特征在于，采用遗传算法对所述设计变量进行优化，包括：

获取种群交叉概率和种群变异概率，根据设计变量得到初始种群；

重复如下步骤，直至新种群规模等于初始种群规模：从种群中选择部分个体，根据所述结构损耗因子得到个体适应度函数，选择适应度函数值最高的个体进入新种群，得到选择后的种群；

基于所述种群交叉概率和种群变异概率，对所述选择后的种群进行基因交叉和变异，得到优化后的设计变量。

3.根据权利要求2所述的方法，其特征在于，对所述选择后的种群进行基因交叉和变异之后，还包括：计算个体适应度并与预设的结束条件进行比较，若满足条件则得到优化后的设计变量，否则重新采用遗传算法对所述设计变量进行优化。

4.根据权利要求1所述的方法，其特征在于，步骤S1-S2以及步骤S5在数值分析软件中实现，步骤S3-S4在有限元分析软件中实现。

5.根据权利要求4所述的方法，其特征在于，基于优化后的设计变量，建立约束层阻尼敷设后的风力机叶片的有限元模型，包括：

确定有限元模型中叶片各展向位置对应弦长和扭角的离散点三维坐标；

根据所述三维坐标，在所述有限元分析软件中建立关键点；

根据所述关键点，生成叶片腹板面信息和叶片表面信息，得到风力机叶片的有限元模型。

6.根据权利要求1所述的方法，其特征在于，所述优化结束条件包括：

模态损耗因子经过预设次数的优化后，仍保持稳定；

优化次数达到预先设定的最大优化次数；

判断原则为：满足上述两个条件中的任一个时，结束优化。

7.一种风力机叶片约束层阻尼敷设方案优化装置，其特征在于，包括：

获取模块，用于获取可敷设约束层阻尼设计变量；

优化模块，用于采用遗传算法对所述设计变量进行优化；

模型建立模块，用于基于优化后的设计变量，建立约束层阻尼敷设后的风力机叶片的有限元模型；

模态分析模块，用于根据所述有限元模型，对所述约束层阻尼敷设后的风力机叶片进行模态分析；

判定模块，用于判断模态分析结果是否满足优化结束条件，若满足则结束优化，否则重复执行所述优化模块、模型建立模块以及模态分析模块；

其中，所述优化模块中，采用遗传算法对所述设计变量进行优化时，采用风力机叶片的结构损耗因子进行种群选择；

其中，所述结构损耗因子通过如下公式计算：

其中，η_k表示第k阶模态的结构损耗因子，{x_k}_m,m＝1,2,3分别为基层、阻尼层、约束层的第k阶模态位移矢量，[K]_m,m＝1,2,3分别为基层、阻尼层、约束层的刚度矩阵，β₂为阻尼层的材料损耗因子。

8.一种电子设备，包括处理器和存储装置，其特征在于，所述存储装置中存有多条指令，所述处理器用于读取所述存储装置中的多条指令并执行如权利要求1-6任一所述的方法。

Images