基于模态应变能理论的风机叶片结构损伤辨别仿真

复合材料科学与工程 ›› 2015, Vol. 0 ›› Issue (11): 15-19.

基于模态应变能理论的风机叶片结构损伤辨别仿真

张鑫, 顾桂梅

兰州交通大学自动化与电气工程学院,兰州 730070

收稿日期:2015-06-03 出版日期:2015-11-28 发布日期:2021-09-14
作者简介:张鑫(1991-),男,硕士,主要研究方向为风机叶片故障诊断与机器学习,zx901019@126.com。
基金资助:
兰州交通大学科技支撑基金(ZC2012008);甘肃省高等学校科研项目(42015274)

SIMULATION FOR STRUCTURE DAMAGE INDENTIFICATION OF WIND TURBINE BLADE BASED ON MODE STRAIN ENERGY THEORY

ZHANG Xin, GU Gui-mei

School of Automation & Electrical Engineering, Lanzhou Jiao Tong University, Lanzhou 730070, China

Received:2015-06-03 Online:2015-11-28 Published:2021-09-14

摘要/Abstract

摘要： 为解决风机叶片在多种损伤工况下的结构损伤识别问题,采用一种模态应变能变化率和BP神经网络结合的分步判别方法。首先利用ANSYS软件建立风机叶片的结构模型,选取模态应变能变化率作为检测结构损伤的特征参数;然后分别在单损伤与多损伤工况下,通过比较损伤前后各单元的模态应变能变化初步定位损伤;最后通过BP神经网络精确判定损伤状态,辨别叶片的损伤位置和程度。结果表明,通过比较各单元模态应变能变化率,可以有效实现损伤的初步定位,利用BP神经网络可以准确诊断出叶片损伤位置和程度。这种方法对同一单元不同程度损伤、同程度多损伤等多种损伤工况均有良好的识别效果。

关键词: 风机叶片, 损伤识别, 模态应变能, BP神经网络

Abstract: To solve damage identification problem of wind turbine blade structure in different cases, a stepwise method based on unit mode strain energy change rate and BP neural network is used. Change of mode strain energy per unit is compared to judge damage preliminarily. A mapping model is built for reflecting the relationship between the characteristic parameter and damage state to indentify the location and degree of damage, and the mode strain energy change rate is treated as characteristic parameter characterized structure damage. The results show that unit mode strain energy can judge possible damage unit effectively, and BP neural network can indentify structural damage location and degree more accurately. The method has good recognition effect for many damage cases.

Key words: wind turbine blade structure, damage identification, mode strain energy, BP neural network

中图分类号:

TB332
TK83

张鑫, 顾桂梅. 基于模态应变能理论的风机叶片结构损伤辨别仿真[J]. 复合材料科学与工程, 2015, 0(11): 15-19.

ZHANG Xin, GU Gui-mei. SIMULATION FOR STRUCTURE DAMAGE INDENTIFICATION OF WIND TURBINE BLADE BASED ON MODE STRAIN ENERGY THEORY[J]. COMPOSITES SCIENCE AND ENGINEERING, 2015, 0(11): 15-19.

参考文献

[1] 陶金, 张雪, 刘煜龙, 等. 我国风力发电的现状和前景探讨. 现代机械, 2013, (3): 26-28.
[2] 徐金龙. 风机叶片疲劳损伤的DPP-BOTDA监测与评价方法研究. 哈尔滨: 哈尔滨工业大学, 2013.
[3] 韩红飞, 周邵萍, 郝占峰, 等. 基于应变模态差的管道损伤识别仿真. 振动、测试与诊断, 2013, 33: 210-213.
[4] 王峥, 顾桂梅, 汪芳莉. 基于改进FOA的风机叶片结构损伤检测. 自动化与仪器仪表, 2015, (2): 58-61.
[5] 史治宇. 由模态应变能法诊断结构破损的实验研究. 东南大学学报, 1999, 11(3): 134-138.
[6] 李永梅, 胡琨, 姚玄一, 等. 单元模态应变能变化率对框架结构的损伤诊断. 工业建筑, 2013, 43(1): 125-130.
[7] 罗武, 赵美英, 万小朋. 基于模态应变能比与神经网络的复合材料结构损伤辨识. 机械强度, 2006, 28(1): 146-149.
[8] 范建设, 郑飞, 许金余. 基于模态应变能与神经网络的地下拱形结构损伤诊断. 噪声与振动控制, 2011, (3): 120-124.
[9] 李芒芒, 李录平, 晋风华. 模态应变能理论及其在风力机叶片损伤识别中的应用. 可再生能, 2012, 30(3): 27-31.
[10] 邓旭华, 唐雪松. 基于模态应变能和BP神经网络的混凝土框架结构损伤识别. 交通科学与工程, 2010, 26(2): 53-58.
[11] 顾桂梅, 王峥, 汪芳莉. 基于轴向振型差变化率的风轮叶片结构损伤识别方法研究. 玻璃钢/复合材料, 2014, (11): 11-15.
[12] 李芒芒. 风力机叶片机械损伤动态监测方法与技术研究. 长沙: 长沙理工大学, 2012.
[13] 陈顺章, 李录平, 晋风华. 风力机浆叶的三维建模与动力学特性的有限元计算. 可再生能源, 2010, 28(3): 30-34.
[14] 宋玉普, 刘志鑫, 纪卫红. 基于模态应变能与神经网络的钢网架损伤检测方法. 土木工程学报, 2007, 40(10): 13-18.
[15] 刘江, 赵美英. 基于模态应变能识别复合材料结构损伤的遗传-神经网络法. 强度与环境, 2008, 35(3): 14-19.