基于多IMU数据融合的风电叶片动态形变感知算法研究

doi:10.19936/j.cnki.2096-8000.20210628.005

复合材料科学与工程 ›› 2021, Vol. 0 ›› Issue (6): 34-38.DOI: 10.19936/j.cnki.2096-8000.20210628.005

基于多IMU数据融合的风电叶片动态形变感知算法研究

吕云飞¹, 张华强^1*, 王国栋¹, 苏庆华²

1.山东理工大学机械工程学院,淄博 255049;
2.北京物资学院,北京 101125

收稿日期:2020-10-21 出版日期:2021-06-28 发布日期:2021-08-03
通讯作者: 张华强(1982-),男,博士,副教授,硕士生导师,研究方向为组合导航技术,huaqiang.zhang@163.com。
作者简介:吕云飞(1994-),男,硕士研究生,研究方向为组合导航技术。
基金资助:
青年科学基金项目(61803035)

STUDY ON WIND TURBINE BLADE DYNAMIC DEFORMATION SENSINGALGORITHM BASED ON MULTI-IMU DATA FUSION

LU Yun-fei¹, ZHANG Hua-qiang^1*, WANG Guo-dong¹, SU Qing-hua²

1. School of Mechanical Engineering, Shangdong University of Technology, Zibo 255049, China;
2. Beijing Wuzi University, Beijing 101125, China

Received:2020-10-21 Online:2021-06-28 Published:2021-08-03

摘要/Abstract

摘要： 为精确测量风电叶片动态形变过程中的挠曲姿态与位置,提出基于多惯性测量单元(Inertial Measurement Unit,IMU)进行测量的相对运动感知算法。该算法以改进的卡尔曼滤波为基础,通过反馈式分布式结构进行多节点的数据融合。该方法不仅能提供冗余的叶片运动的惯性信息,还具有较强的容错性,即当单个IMU节点出现故障时,对该算法的测量精度影响较小。仿真结果表明:单点融合后子节点在运动方向挠曲姿态最大误差为1.068′,最大位置误差为-59.89 mm;全局融合后节点最大误差分别为1.004′,27.71 mm。该研究在全尺寸风电叶片动态形变测试领域具有很强的理论研究意义和工程应用价值。

关键词: 风电叶片, 相对运动感知, 分布式结构, 数据融合, 复合材料

Abstract: To accurately measure the bending attitude and position of wind turbine blades during dynamic deformation, a relative motion sensing algorithm based on multi-inertial measurement unit (IMU) measurement is proposed. The algorithm is based on the improved Kalman filter and uses a feedback distributed structure to perform multi-node data fusion. This method can not only provide redundant blade motion inertial information, but also has strong fault tolerance, that is, when a single IMU node fails, the measurement accuracy of the algorithm is less affected. The simulation results show that the maximum error of the deflection attitude of the child nodes in the direction of motion after single point fusion is 1.068′, and the maximum position error is -59.89 mm; the maximum error of the node after global fusion is 1.004′, 27.71 mm, respectively. This research has strong theoretical research significance and engineering application value in the field of dynamic deformation testing of full-scale wind turbine blades.

Key words: wind turbine blades; relative motion perception; distributed structure; data fusion; composites

中图分类号:

TB332

吕云飞, 张华强, 王国栋, 苏庆华. 基于多IMU数据融合的风电叶片动态形变感知算法研究[J]. 复合材料科学与工程, 2021, 0(6): 34-38.

LU Yun-fei, ZHANG Hua-qiang, WANG Guo-dong, SU Qing-hua. STUDY ON WIND TURBINE BLADE DYNAMIC DEFORMATION SENSINGALGORITHM BASED ON MULTI-IMU DATA FUSION[J]. COMPOSITES SCIENCE AND ENGINEERING, 2021, 0(6): 34-38.

参考文献

[1] 朱瑞, 黄辉秀, 于永峰, 等. 基于阻尼影响的风电叶片疲劳测试加载位置优化[J]. 复合材料科学与工程, 2020(8): 102-106.
[2] 杭俊, 张建忠, 程明, 等. 风力发电系统状态监测和故障诊断技术综述(英文)[J]. 电工技术学报, 2013, 28(4): 261-271.
[3] MAJID M, REZA G, MOHSEN G. Power system security assessment with high wind penetration using the farms models based on their correlation[J]. Iet Renewable Power Generation, 2018, 12(8): 893-900.
[4] LEE H G, PARK J. Static test until structural collapse after fatigue testing of a full-scale wind turbine blade[J]. Composite Structures, 2016, 136(2): 251-257.
[5] MA Q, AN Z W, GAO J X, et al. A method of determining test load for full-scale wind turbine blade fatigue tests[J]. Journal of Mechanical Science and Technology, 2018, 32(11): 5097-5104.
[6] 张磊安, 魏修亭, 胡俊, 等. 静力载荷作用下的风电叶片空间轨迹精确测量模型[J]. 太阳能学报, 2019, 40(4): 1150-1154.
[7] 于中亚. 基于惯性导航的输电铁塔形变监测研究[D]. 北京: 华北电力大学, 2018.
[8] 邱修林. 桥梁变形监测的无线定位与IMU集成的传感器研究[D]. 镇江: 江苏科技大学, 2019.
[9] NGUYEN L A, DUNG P T, NGO T D, et al. Improving the accuracy of the autonomous mobile robot localization systems based on the multiple sensor fusion methods[C]//2019 3rd International Conference on Recent Advances in Signal Processing, Telecommunications & Computing (SigTelCom). 2019.
[10] BANCROFT J B, LACHAPELLE GÉRARD. Data fusion algorithms for multiple inertial measurement units[J]. Sensors, 2011, 11(7): 6771-6798.
[11] 王松明. 基于JESD204B标准的多通道数据同步传输设计[J]. 现代雷达, 2019, 41(8): 60-64.
[12] 姜德, 马游春, 王悦凯, 等. 高速数据同步存储系统设计[J]. 电子器件, 2016, 39(6): 1421-1424.
[13] 王润, 郁丰, 刘方武, 等. 大型航天器表面巡检相对导航算法研究[J]. 航天控制, 2020, 38(5): 31-37.
[14] BRZOZOWSKI B, ROCHALA Z, WOJTOWICZ K, et al. Measurement data fusion with cascaded Kalman and complementary filter in the flight parameter indicator for hang-glider and paraglider[J]. Measurement, 2018, 123(7): 94-101.
[15] 马晓爽, 刘锡祥, 张同伟, 等. 基于因子图的AUV多传感器组合导航算法[J]. 中国惯性技术学报, 2019, 27(4): 454-459.
[16] 汤霞清, 孙泽鹏, 武萌. 基于自适应联邦滤波的战车多源导航系统仿真[J]. 计算机仿真, 2018, 35(9): 1-4, 64.

基于多IMU数据融合的风电叶片动态形变感知算法研究

STUDY ON WIND TURBINE BLADE DYNAMIC DEFORMATION SENSINGALGORITHM BASED ON MULTI-IMU DATA FUSION

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	李辉, 赵春江, 梁建国, 曾光, 王蕊, 边强. 变刚度复合材料层合板力学特性及失效机理分析[J]. 复合材料科学与工程, 2022, 0(7): 5-10.
[2]	宫唯康, 刘晓阳, 荆玉才, 项俊宁, 李相国, 杨国涛. 预应力CFRP板加固钢-混凝土组合梁受弯性能的有限元分析[J]. 复合材料科学与工程, 2022, 0(7): 11-19.
[3]	赵雄翔, 孙鹏文, 李建东. 基于应变能的风力机叶片铺层结构优化设计[J]. 复合材料科学与工程, 2022, 0(7): 20-24.
[4]	冯钰茹, 王军利, 张宝军, 刘志远, 李金洋, 张宝升. 复合材料叶片建模及铺层参数对强度的影响分析[J]. 复合材料科学与工程, 2022, 0(7): 25-31.
[5]	常腾飞, 湛利华, 李树健, 潘阳. 不同成型方法的树脂基复合材料帽形结构共固化成型质量研究[J]. 复合材料科学与工程, 2022, 0(7): 32-38.
[6]	黄东辉, 曾少华. 自组装蒙脱土-碳纳米管对玻纤增强复合材料力学及界面性能的影响[J]. 复合材料科学与工程, 2022, 0(7): 39-44.
[7]	满珈诚, 侯进森, 李哲夫, 岳广全, 徐鹏, 姜碧羽, 刘卫平. 连续碳纤维增强热固性预浸料压实性能的试验研究[J]. 复合材料科学与工程, 2022, 0(7): 45-51.
[8]	林梅, 张铁军, 冯宇, 王旗, 武梦科. 湿热/干燥环境交替作用下碳纤维复合材料的吸湿/脱湿特性[J]. 复合材料科学与工程, 2022, 0(7): 52-59.
[9]	高慧, 罗发, 渠永平, 王春海. SiC_f/Al₂O₃/Mullite复合材料的制备及吸波性能[J]. 复合材料科学与工程, 2022, 0(7): 60-65.
[10]	王东萍. 磁性聚吡咯基复合材料吸附电镀废水中铜离子[J]. 复合材料科学与工程, 2022, 0(7): 66-70.
[11]	鲁晓锋, 张颜明, 蒙丹, 苏成功. 全尺寸叶片静力测试中ANSYS梁模型应用与研究[J]. 复合材料科学与工程, 2022, 0(7): 71-74.
[12]	宦胜民, 黄小波, 杨润苗, 向萌. 超支化不饱和聚酯的制备及其应用研究[J]. 复合材料科学与工程, 2022, 0(7): 75-80.
[13]	王雅娜, 赵魏. 复合材料Ⅱ型分层ENF试验数据处理方法对比分析[J]. 复合材料科学与工程, 2022, 0(7): 81-92.
[14]	田会方, 张国武, 吴迎峰, 任政. 水处理罐缠绕工艺中玻璃纤维团打结装置设计与分析[J]. 复合材料科学与工程, 2022, 0(7): 93-98.
[15]	冯倩倩, 朱方龙. 聚合物辅助沉积法制备导电玄武岩纤维[J]. 复合材料科学与工程, 2022, 0(7): 99-102.