基于WPT-SVD-KELM的大型风力机叶片表面裂纹识别方法研究

为准确识别风力机叶片表面裂纹位置和长度,提出基于小波包-奇异值分解-核极限学习机（WPT-SVD-KELM）的裂纹识别方法。搭建风力机某典型叶片裂纹识别平台,开展正常叶片和含裂纹叶片的模态实验和变桨实验,获取不同工况下正常叶片和含裂纹叶片的振动信号。利用频响函数研究裂纹位置对振动信号幅频响应的影响,从而准确识别叶片表面裂纹位置,利用WPT-SVD提取风力机叶片表面裂纹振动信号的时频特征,定义参数kr表征裂纹长度的变化,并将特征参数导入优化后的KELM,从而识别风力机叶片表面裂纹长度。     

基于无人机机器视觉的风力机叶片损伤诊断研究

针对风力发电企业在线风力发电机叶片表面损伤自动诊断难的实际问题,提出利用无人机机器视觉的基于L-AlexNet深度学习框架的风力机叶片表面损伤诊断方法.为验证该方法的有效性,选用经无人机采集的8270张像素为227×227的风力机叶片图像分别对传统BP神经网络、深度卷积网络AlexNet和L-AlexNet等分类器进行...     

风力机叶片损伤演化模拟

根据风力机叶片的实际铺层和使用状况,以刚度退化模型为基础,发展了一个适合于风力机叶片的损伤演化模型,模型的基本思路是以单层板的刚度退化规律为基础,结合强度退化来预测整个叶片的损伤演化过程。考虑材料的各向异性性质,对叶片材料各组分的性能退化进行了分析,用3个标量来累积不同方向的损伤,给出了损伤累积规律。通过材料试验拟合出了损伤累积公式中的相关系数,最后模拟了某叶片真实疲劳试验过程,并将模拟结果与试验结果进行了比较,证实了模型的可用性。     

基于机器视觉的风力机叶片故障检测技术研究

针对运行中的风力机叶片,提出一种基于机器视觉特征分类的故障诊断方法。通过对叶片叶尖进行圆形标记,利用工业相机周期性获取叶片尖端的图像,并在Halcon软件上对图像进行预处理,对大雾天气下采集的图像利用暗通道除雾算法进行清晰化处理。利用叶尖标记检测算法提取标记、计算区域圆度和区域中心等区域特征。对相邻叶片上标记计算位移差,并与系统预警阈值比较,判断叶片在扭转或偏摆方向的变形程度和故障趋势,从而实现风力机叶片变工况运行状态在线检测和自适应预警。     

基于数字图像处理的风电机组叶片裂纹损伤识别方法研究

为实现风电机组叶片损伤检测的高效化、智能化、便捷化,研究一种基于数字图像处理技术的风电机组叶片裂纹损伤识别以及裂纹类型判断和特征参数提取的方法。以无人机采集的风电机组叶片图像为研究对象,通过对比灰度化、滤波、阈值分割等图像处理步骤的多种算法,对形态学处理方法进行改进,首先选用平均值法对叶片图像进行灰度处理,其次使用中值滤波对图像进行去噪处理,再次使用Otsu阈值分割以实现裂纹区域的分割,然后基于改进的形态学方法提取出完善的叶片裂纹损伤区域,最后基于连通域原理完成裂纹区域的框取。基于上述算法设计风电机组叶片裂纹损伤识别系统以实现叶片裂纹图像检测的可视化处理、裂纹类型判断及裂纹特征参数提取等功能。结果表明,该系统对于风电机组叶片裂纹损伤检测具有可靠的识别精度,识别准确率为85%,实现了风电机组叶片裂纹损伤的自动识别与特征参数提取,提高了叶片裂纹损伤的检测效率。     

基于改进YOLO-v3的风力机叶片表面损伤检测识别

为对风力机叶片损伤状态进行有效检测,提出一种基于改进YOLO-v3算法的风力机叶片表面损伤检测识别技术。根据风力机叶片损伤区域特点,对网络中锚框（anchor）的尺度进行调整优化;在特征提取网络后引入基于注意力机制的挤压与激励网络（squeeze and excitation networks,SENet）结构,使YOLO-v3算法更加关注与目标相关的特征通道,提升网络性能。结果表明,改进后算法的平均精度为84.42%,较原YOLO-v3算法提升了6.14%,检测时间减少了21 ms,改进后的YOLO-v3算法能较好地识别出风力机叶片表面损伤。     

风力机叶片之研究

本文综述了国外近年风力机叶片的研究动向，涉及叶片材料，制造工艺，性能测试，特性分析等。     

风力机叶片模态的实验分析研究

分析了风力机叶片模态实验的约束条件、边界条件、传感器质量及测试点分布等因素对叶片频率识别和测量值及其误差的影响,改进了对风力机叶片模态实验方案,提高了实验精度,有效降低了误差,得到了比较理想的模态参数识别结果,为相关实验的合理设计提供指导,同时为研究附加质量对小型风力机叶片振动性能的影响提供一种思路.     

基于ANSYS风力机叶片的设定方法

介绍近年来将有限元软件ANSYS应用于风力机叶片设计和分析的发展概况,并详细阐述使用ANSYS实现叶片从实体建模、材料参数定义、网格划分到性能计算的设定方法,为更好的进行风力机叶片结构设计、强度分析奠定基础.     

模态应变能理论及其在风力机叶片损伤识别中的应用

文章给出了风力机叶片的动力特性计算模型、结构体模态应变能的概念及其计算模型,定义了结构体损伤状态下的模态应变能变化率概念并给出其计算模型。在此基础上,以15 kW风力机叶片为研究对象,在ANSYS中建立有限元分析模型,计算该叶片在不同损伤位置与不同损伤程度下的频率以及模态应变能变化率,并以模态应变能变化率作为表征结构损伤的标识量,对含损伤的风力机叶片结构进行损伤辨识仿真。通过神经网络建立起损伤标识量和损伤状态之间的映射模型,为实现叶片损伤的诊断提供理论依据。     

基于模态参数的在役风力发电机叶片损伤识别研究

通过对小型风力发电机叶片进行停转与运转状态下多种损伤工况的数值模拟,进行模态分析,以此研究叶片损伤识别与定位的方法,并提出加权柔度曲率指标,建立加权柔度曲率值与刚度损伤值的拟合函数.研究得到:首先通过自振频率的变化可判断叶片是否发生损伤;其次无论叶片是否发生损伤,随着叶片转速的增大,其固有频率都会增大.加权柔度曲率值在...     

风力机叶片上涡流发生器参数化模型应用方法研究

为提高涡流发生器（VG）参数化模型计算精度,对参数化模型的应用方法进行研究。首先提出参数化模型在计算域作为源项而添加的位置和涡核半径取值方法。然后,采用考虑VG叶片间影响的最大涡环量算法,基于DU91-W2-250叶段,从不同VG间距、VG入流角、翼型攻角来比对参数化模型和实体模型的计算结果,来验证应用上述方法的可行性。结果表明：参数化模型、实体模型与试验数据吻合良好,证明了两种模拟方法精度较高;此外,在不同工况下,两种模型得到的速度矢量和边界层速度型都具有较高的一致性,证明参数化模拟方法有效,且在风力机叶片上具有普适性。     

限功率控制下风电机组叶片疲劳损伤研究

基于叶素-动量理论计算风电机组叶片气动载荷,建立其疲劳载荷模型;将叶片简化为悬臂梁,采用雨流计数法、Goodman经验公式和Miner线性累计损伤理论计算风力机叶片疲劳损伤和等效疲劳载荷;根据2种限功率控制策略计算不同限功率水平和湍流强度下风力机叶片单位时间的疲劳损伤量,分析限功率运行工况对叶片疲劳损伤的影响。结果表明,新型限功率控制策略可减少变桨系统的动作频率和动作幅度,但其稳定运行状态对叶片的疲劳损伤量大于传统限功率控制策略。最后通过三维函数拟合得到疲劳损伤函数,可应用于限功率条件下风电场优化调度。     

尾随涡对风力机叶片气动性能影响机理研究

以Phase Ⅵ风力机叶片为研究对象,以r/R=30%、63%和95%处叶素为参考,建立与7、9、15 m/s试验风速下该风力机叶片附着涡环量沿展向分布相同的叶片模型,分析尾随涡对风力机当地翼型气动性能的影响机理。采用带转捩效应的SST k-ω湍流模型,对所建立的叶片模型和二维S809翼型的气动特性进行研究和对比分析。结果表明：旋转叶片尾随涡对分离现象产生抑制作用且随攻角的增大减弱;尾随涡的影响表现出多重效应,除了减小当地翼型的攻角,还降低其吸力面负压系数和压力面正压系数。     

基于散点图-AlexNet网络的光伏红外热图像识别方法

针对神经网络在光伏发电中对光伏红外热图像识别准确率和训练效率低的问题,提出基于散点图-AlexNet网络的识别模型。首先将光伏红外热像图对应的HSI空间数据信息直接投射到平面坐标系中,形成由若干散点构成的可视化RGB三色图像,并使用基于AlexNet网络的快速AlexNet网络进行训练。为了证明新方法的优良性能,选取识别准确率和单次训练时间对模型进行评价。实验结果表明,该方法识别率高,能准确识别光伏红外热图像中的图片种类,且训练效率也显著提升。     

基于惯性网络的兆瓦级风电叶片形变测量算法研究

针对目前风电叶片形变过程中挠曲度测量误差较大的问题,提出一种基于惯性网络的相对运动监测算法。首先根据应力分析对叶片建立主从式惯性网络,然后推导出主子节点间的相对运动解算方法并建立相对导航误差模型,设计相对导航误差估计滤波器,通过误差反馈保证子节点的位姿解算精度;其次构建联邦式的相对惯性导航误差估计滤波器进行主子节点的数据融合,提高风电叶片的形变估计精度及系统整体的容错性;最后对某型风电叶片进行静力加载试验,试验结果表明：该算法可准确测量出叶片上各节点在三维空间的位移曲线,3个子节点在挥舞方向的平均相对误差仅为0.92%、1.18%、1.07%。该算法可实时监测风电叶片的位姿状态,在叶片检测及风力机日常运行的安全监测上具有较好的理论研究意义与工程应用价值。     

偏航速度对风力机功率及叶片应力的影响研究

通过实验测试,以动态旋转平台模拟风力机风向变化及偏航对风,研究不同偏航速度及偏航延时时间对风力机叶片应力及功率的影响。结果表明：动态偏航对风过程中,应力值基本呈由前缘向后缘、叶根向叶尖递减的趋势,在叶展方向0.67R及0.75R处,叶根弦向方向0.25c及0.50c处出现应力集中现象,偏航延时时间的加入可有效抑制叶片应力波动,过慢的偏航速度会导致功率曲线出现较大波动。引入一无量纲系数,该系数为风力机功率及叶片应力的比值,通过分析得知在仅考虑风力机叶片应力及功率时,风力机最佳偏航速度为0.5°/s。     

基于幂律过程的风力机故障建模方法研究

针对传统风力机故障建模方法存在的适用条件不符、误差较大等问题,提出一种基于幂律过程的风力机故障建模方法.首先对风力机故障数据进行趋势检验,结合故障数据的非齐次泊松特点,建立基于幂律过程的风力机故障模型;然后分别利用最小二乘法、极大似然估计法及列文伯格-马夸尔特算法求解模型参数,并比较不同参数估计方法的优越性;最后通过求...     

叶片非均匀磨蚀特征对风力机气动性能的影响

结合中国西北地区风沙活动频繁的特点,以1.5 MW叶片的缩比模型作为试验用风力机叶片,设计风沙流冲蚀磨损装置,对叶片压力面沿弦向和展向分区域冲蚀。将加装冲蚀后叶片的风电机组进行车载试验,研究叶片分区域非均匀磨蚀特征对气动性能的影响。结果表明：前缘磨蚀叶片在小安装角下总体导致风电机组输出功率减小,气动性能下降,风能利用系数在31.7°安装角下降更明显;展向半冲蚀叶片小安装角时使风力机输出功率和风能利用系数均下降,而安装角增大后出现气动性能提高的积极效应;展向全冲蚀叶片小安装角时体现出积极效应,安装角增大后引起气动性能劣化。     

多参数模型风电机组叶片结冰监测与预警研究

详细分析叶片结冰对风电机组运行性能和运行参数的影响,采用功率、叶轮转速和环境温度作为监测叶片结冰的变量.采用高斯过程回归分别建立功率模型和叶轮转速模型实现2个参数的实时监测.引入序贯概率比检验方法分析功率和叶轮转速模型的预测残差以发现2个参数在叶片结冰时的异常变化.当风电机组功率异常、叶轮转速异常且环境温度在0℃附近这...