基于泛函的风力机翼型形状优化设计研究

针对风力机翼型的形状曲线,基于广义泛函和保角变换理论,提出了具有集成和通用特性的翼型型线函数表征式。从该表征式出发,建立了翼型的优化设计模型。比起传统的反设计方法,提出了一种更为直接、高效的全新翼型优化设计方法,为风力机新型翼型的开发提供了新的思路。选取相对厚度为18%的翼型进行了优化计算分析,得出了优化翼型的形状及其气动特性,通过和风力机常用翼型Ris(?)系列以及NACA系列的性能比较,很好地验证了该优化方法的可行性和优化结果的优越性。     

基于iSIGHT的风力机翼型优化设计平台

以实际风力机翼型族的优化设计为研究对象,通过在iSIGHT软件上集成计算流体力学(CFD)软件Fluent、数值求解软件Matlab以及自编变形网格生成软件,建立了针对风力机专用翼型的优化设计平台;该平台使用反设计优化方法,可以通过改变初始翼型的几何形状,进行流体力学分析,求解气动性能敏感导数的迭代过程,得到符合特定性能要求的翼型;通过RAE2822和S825翼型性能为目标的优化过程验证了该平台的有效性和准确性。该平台可用于实际风力机翼型族的优化设计。     

基于复合形法的垂直轴风力机翼型优化设计

针对低速航空翼型不完全适合垂直轴风力机的问题,采用复合形法对小型垂直轴风力机常用的NACA0015翼型进行了优化设计。在复合形法优化设计过程中,选取翼型的弯度和厚度作为设计变量,以翼型最大切向力系数Ctmax和失速攻角αs的加权和作为目标函数。将XFOIL程序与Viterna-Corrignan失速后模型相结合,计算出优化前后翼型气动性能参数。结果表明,与NACAOO15翼型相比,新翼型的气动性能有了较大提高,最大升力系数增大了33.5%,失速攻角提高了3°,最大切向力系数增大了43.5%。     

转捩对风力机翼型优化设计结果的影响研究

采用基于Kriging模型的优化设计方法开展了风力机专用翼型的优化设计工作.除了在全湍流条件下进行设计之外,同时还在气动优化设计中耦合层流湍流转捩预测,将翼型上下表面的转捩点作为约束条件,采用基于Kriging模型的优化设计方法实现了考虑转捩影响的风力机翼型优化设计.风力机翼型最大升阻比优化结果表明:在两种条件下,优化得到的翼型气动性能均得到较大提高,均具有较好的粗糙度不敏感性,但相比而言,考虑转捩影响的风力机翼型优化设计能在更加真实的环境下获得气动性能更好的优化设计结果.     

基于凹凸前缘方法的风力机翼型气动噪声研究

该文采用实验测量和数值计算相结合的方法,以DU93-W-210翼型为研究对象,研究仿生凹凸前缘结构对其降噪效果的影响。运用远场麦克风阵列获得光滑前缘翼型和凹凸前缘翼型的气动噪声,并通过数值计算得到翼型表面流场结果。通过对实验和数值计算结果的分析发现：凹凸前缘方法能有效抑制边界层分离,控制翼型吸力面涡量的团状分布,减小翼型表面的压力脉动,分解大尺度高强度脱落涡为小尺度低强度周期性脱落涡,使得仿生凹凸前缘翼型有明显的降低气动噪声的作用;具有凹凸前缘的幅值为0.24c(c为平均弦长)、波长为0.11c的仿生翼型降噪效果更为突出。     

齿形襟翼对风力机翼型气动噪声影响的数值研究

为分析齿形襟翼（SGF）尾缘对风力机翼型气动性能及噪声特性的影响,利用SST k-ω湍流模型对装设Gurney襟翼（GF）和SGF的NACA0018翼型进行数值模拟,研究齿高和齿宽对气动性能和静压分布的影响,并采用大涡模拟（LES）对气动性能最优的SGF进行噪声预估和涡结构分析。结果表明：SGF可有效提高翼型升力系数并延迟失速;SGF-0.8-6.7模型可使最大升阻比提高8.61%,失速攻角延迟3°,其在拓宽高升力区间、延迟失速等方面具有最优性能;SGF翼型上下翼面噪声无明显差异,平均声压级随攻角增大而提高;SGF-0.8-6.7模型的尾迹噪声随攻角增大呈现先增后减的变化趋势,随距离增加而降低;翼型辐射噪声呈典型偶极子状,GF噪声小攻角下降低,而大攻角下则增大,SGF在不同攻角下均降噪显著,最大降噪量达10.2 dB;SGF尾涡稳定有序,能耗及损失降低,由此使气动性能和噪声得以明显改善。     

基于低速预处理的风力机翼型外形优化设计

针对经典的S809翼型,耦合基于低速预处理的流场求解方法和序列二次规划方法,开展针对翼型升阻比的翼型气动外形优化设计研究。优化结果显示优化翼型具有较大的翼型前缘半径和较平坦的上表面。数值计算结果表明,优化翼型在设计点1的状态下升阻比提高43.3%,在设计点2的状态下升阻比提高48.9%。进一步数值验证表明,优化翼型在雷诺数为5.0×10⁵状态下的最大升力系数从S809翼型的1.140增大到1.297,在雷诺数为1.0×10⁶状态下的最大升力系数从1.236增大到1.418。在优化翼型的基础上,开展翼型气动外形人工修型研究,数值模拟表明修型翼型能更好地消除气流分离,从而进一步增大翼型升力系数、减小翼型阻力系数。     

基于小样本神经网络与多约束的风力机翼型快速优化设计

针对神经网络模型可以基于现有数据快速准确地预测风力机翼型的气动性能,但大量学习样本的构建需要较高的时间成本的问题,建立基于小样本集的风力机翼型神经网络模型,提出了多约束条件下的翼型气动性能优化设计方法,解决了训练数据过少所造成的学习不充分问题。基于建立的优化设计模型,应用粒子群算法完成了NACA4415翼型的优化设计,将新翼型与原始翼型进行气动特性对比分析。结果表明：新翼型在主要工作攻角范围内最大升力系数提高了6.96%,最大升阻比提高了7.37%,气动性能明显改善;该方法的优化效率远远高于传统方法,从而验证了该方法的可行性。     

带脊状结构风力机翼型的噪声特性研究

采用大涡模拟和声类比的方法,以NACA0018翼型为研究对象,研究脊状结构对翼型远场噪声的影响。分别模拟来流速度为12和24 m/s,在6°攻角下布置脊状结构的翼型流场,对应的基于弦长雷诺数约为8.0×104和1.6×10⁵。通过FW-H方程计算大涡模拟提取的声源项,得到Riblet-Q和Riblet-H翼型的流场和声场。非定常流场计算结果表明:6°攻角下Riblet-H翼型能够改善翼型边界层分离情况,抑制涡结构脱落,从而减小翼型表面压力脉动和接收点处声压波动,同时能提高翼型的气动性能。逆压梯度段脊状结构可有效减小频率在0～3000 Hz内的噪声。进一步研究表明,该状态下的噪声主要由边界层引起的涡脱落噪声主导。     

风力机翼型表面凸台的粗糙度效应研究

文章选取风力机常用翼型DU91-W2-250和NACA63-425为研究对象,通过γ-Reθt转捩模型对光滑翼型和粗糙翼型进行了二维定常模拟.用矩形凸台代替实际锯齿形粗糙带验证了模拟翼型表面粗糙度效应的可行性.通过升、阻力系数的比较和流场显示,探讨了粗糙度影响翼型气动性能的内在机理.数值模拟结果表明:矩形凸台可以有效地...     

基于DMO的风力机叶片细观纤维铺角优化设计

为进一步发挥复合材料铺层参数的可设计性潜力,提出融合离散材料优化法与遗传算法的叶片铺层角度优化方法.构建以细观单元铺层角度为设计变量、刚度最大为目标函数、应力最小为约束条件的叶片细观纤维铺层角度优化数学模型.应用Python语言编写算法求解程序,并与Abaqus软件交互进行求解,得到叶片各单元各层优化的铺层角度、铺层顺...     

基于多目标遗传算法的风力机翼型形状优化

在风力机翼型型线形状优化设计中,提出了一种新的基于Joukowski保角变换的通用翼型型线表征形式.建立了翼型多目标形状优化设计的数学模型,应用改进的多目标遗传优化算法,设计得到了4种性能优越的风力机专用翼型.详细分析了WT180翼型的空气动力学特性,该翼型在设计工况和非设计工况下都具有良好的气动性能,具有较低的前缘粗糙度敏感性.与目前风力机常用翼型相比,新翼型在主要工作攻角范围内,光滑和粗糙条件下的升力系数更高,升阻比更大,其气动性能相比传统翼型表现出明显的提高.     

基于独立变桨距技术的风力发电机组载荷控制研究

研究了基于独立变桨距技术的风力发电机组的载荷控制,研究方法主要从空气动力学入手,建立了风力发电机组独立变桨距系统的多输入多输出线性化模型,利用d-q坐标变换将旋转坐标系下的载荷转换到固定坐标系下,设计模糊控制器,对d轴和q轴的载荷分量分别采用模糊PID控制.为了检验该控制方式的效果,在半物理实验平台上进行相应的仿真实验...     

基于直流电动机的风力机特性动态模拟器研究

首先分析了风力机和直流电动机输出特性的相似性,阐述了用直流电动机模拟风力机特性的可行性.针对传统的风力机特性模拟器只能实现稳态转矩模拟的缺点,该文提出了一种可以实现风力机动态转矩模拟的新方法,并在Matlab/Simulink环境下建立了风力机特性动态模拟器的仿真模型.仿真结果表明,该动态模拟器能够很好地实现风力机的动态和稳态特性模拟.     

基于塔筒添加螺旋线的风力机降噪性能优化研究

为降低风力机对周围居民的噪声污染,提出一种用于分布式风力机的塔架表面缠绕螺旋线的降噪方案。以S2030翼型风力机为计算模型,以螺旋线高度、螺距、螺头数、覆盖范围及旋向为因素,近尾迹辐射噪声总声压级为评价指标进行正交试验,在额定工况下利用ANSYS Fluent数值模拟平台LES/FWH方法进行数值计算。结果表明：螺旋线高度h为5.5 mm、螺距P/d为0.5、螺头数N为4、覆盖面积为全部、旋向为逆时针时为最优组合。各因素对总声压级影响的程度由大到小为螺距>高度>覆盖范围>螺头数>旋向。塔架缠绕螺旋线能有效降低200~2000 Hz中高频噪声声压级。降噪效果随轴向距离的增大而增大,最高可降低总声压级13.19 dB（A）。     

基于AEWT-KELM的风电机组轴承故障诊断策略

针对风力发电机组轴承故障振动信号传递路径复杂多变,且故障信号易受到背景噪声的严重干扰,传统方法对故障特征难以准确提取的问题,提出一种自适应经验小波变换（AEWT）与奇异值分解（SVD）的特征提取方法,并结合核极限学习机（KELM）实现风电机组轴承的故障诊断,该方法同时考虑轴承不同故障类型及不同损伤等级的情况。其中,自适应EWT为两阶段调整过程：基于尺度空间法固有模态函数（IMF）分解-确保EWT分解的有效性、基于相关系数最大的敏感分量提取-实现相关特征最大化和冗余信息的消除。通过相关实验结果可明显发现,所提AEWT的分解效果优于EMD、EEMD、CEEMDAN、LMD等方法。对提取敏感分量利用SVD计算奇异值,构建故障特征向量;最后将特征向量作为KELM的输入,建立KELM轴承状态识别模型。通过西储大学平台轴承振动信号和实际风场采集的轴承振动信号对算法进行验证,结果表明,相比SVM、ELM、KNN等识别模型,该方法能有效识别出不同故障类型及不同损伤等级下的轴承故障,整体识别率达99%。