CN116576075B - 一种基于叶片振动信号的风机叶片寿命预测方法 - Google Patents
一种基于叶片振动信号的风机叶片寿命预测方法 Download PDFInfo
- Publication number
- CN116576075B CN116576075B CN202310376720.7A CN202310376720A CN116576075B CN 116576075 B CN116576075 B CN 116576075B CN 202310376720 A CN202310376720 A CN 202310376720A CN 116576075 B CN116576075 B CN 116576075B
- Authority
- CN
- China
- Prior art keywords
- blade
- frequency
- order
- deformation
- vibration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2260/00—Function
- F05B2260/82—Forecasts
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/334—Vibration measurements
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Biology (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明提供了一种基于叶片振动信号的风机叶片寿命预测方法,利用安装于发电机组的叶片上的振动传感器实时获取叶片加速度信号,对叶片加速度信号进行处理,获取叶片变形量,根据叶片变形进行叶片载荷计算,利用雨流计算方法计算得到叶片的疲劳寿命。本发明提供的一种基于叶片振动信号的风机叶片寿命预测方法,利用振动传感器实时监测叶片加速度数据,基于模态对叶片加速度数据进行提取,对风机叶片叶根载荷进行推算,计算叶片疲劳损伤并进行长时累加,实现对叶片健康状态的监测及寿命预测功能。
Description
技术领域
本发明涉及风电机组叶片寿命监测技术领域,尤其涉及一种基于叶片振动信号的风机叶片寿命预测方法。
背景技术
叶片是风机发电机组的重要部件,随着机组容量的不断增大,叶片的长度以及重量也不断的增加。叶片由于制造问题,本身结构问题,常导致叶片异常振动、叶轮不平衡等异常问题。严重时容易导致机组扫塔、倒塔等严重事故问题。因此,对叶片健康状态进行评估尤为重要。
在叶片监测中,最常使用的方法是通过监测叶片挥舞和摆振方向的振动幅值来对叶片的健康状态做评估。在这种叶片状态监测方法中,只对叶片瞬时进行监测,并不能实现对叶片的载荷进行计算以及损伤评估。目前对于风机整机控制保护,还有有使用机舱加速度信号分析叶片振动信号的方式进行,但从机组机舱加速度数据中能够获取的叶轮面的有效信息有限,并不能很全面的体现叶片及叶轮面的振动情况。此外,还有视频监测方法、音频监测方法等,视频监测方法只能识别叶片的表面故障特征,故障识别覆盖面不足,而音频识别监测方法由于周围噪声较严重,不容易识别。
发明内容
为了解决现有技术的不足,本发明提供了一种基于叶片振动信号的风机叶片寿命预测方法,利用振动传感器实时监测叶片加速度数据,基于模态对叶片加速度数据进行提取,对风机叶片叶根载荷进行推算,计算叶片疲劳损伤并进行长时累加,实现对叶片健康状态的监测及寿命预测功能。
本发明为解决其技术问题所采用的技术方案是:提供了一种基于叶片振动信号的风机叶片寿命预测方法,包括以下步骤:
S1、利用安装于发电机组的叶片上的振动传感器实时获取叶片加速度信号;
S2、对叶片加速度信号进行处理,获取叶片变形量;
S3、根据叶片变形进行叶片载荷计算;
S4、利用雨流计算方法计算得到叶片的疲劳寿命。
步骤S1中,振动传感器的安装位置根据叶片模态确定,安装于一阶模态和二阶模态状态下叶片变形量最大区间范围内。
步骤S2具体包括以下过程:
S2.1、对叶片加速度信号进行FFT变换,得到各频率下的频域幅值,其中包括叶片一阶模态频率下的加速度频域幅值a1st和叶片二阶模态频率下的加速度频域幅值a2nd,
S2.2、对各频率下的频域幅值进行筛选,筛选出外部激励频率aexcition、叶片一阶模态频率ω1st以及叶片二阶模态频率ω2nd;
S2.3、通过以下公式将外部激励频率的频域幅值通过放大系数转换到模态频率对应幅值:
a1st-excition=βa-1sta1st
a2nd-excition=βa-2ndand
其中,a1st-excition和a2nd-excition分别为外部激励对应叶片一阶模态下的频率幅值及外部激励对应叶片二阶模态下的频率幅值,βa-1st和βa-2nd分别为叶片一阶模态频率下的加速度放大系数和叶片二阶模态频率下的加速度放大系数,通过以下公式求得:
其中,λ1st为外部激励频域与叶片一阶模态频率之比,λ1st=aexcition/a1st,λ2nd为外部激励频域与叶片一阶模态频率之比,λ2nd=aexcition/a2nd,为阻尼比,经验值为0.002;
S2.4、将转换后的模态频率对应幅值通过以下公式计算得到振动传感器安装处的一阶模态频率下的叶片变形和二阶模态频率下的叶片变形,再将其求和得到叶片实际变形:
其中S1st和s2nd分别为振动传感器安装处的一阶模态频率下的叶片变形和二阶模态频率下的叶片变形,ω1st和ω2nd分别为叶片一阶模态频率和叶片一阶模态频率;
S2.5、利用叶片模型得到叶片一阶振型和二阶振型,结合叶片实际变形,计算出整个叶片的变形量。
步骤S3具体包括以下过程:
S3.1、当叶片发生一阶振动,通过一阶模态振型及振幅计算叶片各截面的曲率半径ρ;
S3.2、根据以下公式计算叶片各截面载荷:
其中M为截面载荷,EI为弯曲刚度,由叶片材料参数获得,ρ为曲率半径,由叶片模态振型曲线y=y(x)的曲率半径公式计算得到:
其中,
本发明基于其技术方案所具有的有益效果在于:
(1)本发明提供的一种基于叶片振动信号的风机叶片寿命预测方法通过叶片模态确定振动传感器的安装位置,使得传感器能够精确反应风电机组叶片变化响应;
(2)本发明提供的一种基于叶片振动信号的风机叶片寿命预测方法可以用于验证新机型叶片实际变形是否与叶片设计变形相匹配;
(3)本发明提供的一种基于叶片振动信号的风机叶片寿命预测方法可以用于叶片疲劳损伤的监测,并用于叶片剩余寿命预测。
附图说明
图1是本发明提供的一种基于叶片振动信号的风机叶片寿命预测方法的处理流程示意图。
图2是振动传感器安装位置示意图。
图3是叶片振动简化模型示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
由于叶片模型可简化为底部固定的悬臂梁的弯曲变形,其简化模型如图3所示。将悬臂梁分解为多自由度动力学系统,其总的振动是各个模态振动的线性叠加效果。由于实际振动中叶片一阶、二阶能量占比最大,因此可以通过叶片一阶、二阶模态对叶片振动进行计算。
基于上述原理,本发明提供了一种基于叶片振动信号的风机叶片寿命预测方法,参照图1,包括以下步骤:
S1、利用安装于发电机组的叶片上的振动传感器实时获取叶片加速度信号。参照图2,振动传感器的安装位置根据叶片模态确定,安装于一阶模态和二阶模态状态下叶片变形量最大区间范围内。
S2、对叶片加速度信号进行处理,获取叶片变形量。具体包括以下过程:
S2.1、对叶片加速度信号进行FFT变换,得到各频率下的频域幅值,其中包括叶片一阶模态频率下的加速度频域幅值a1st和叶片二阶模态频率下的加速度频域幅值a2nd,
S2.2、对各频率下的频域幅值进行筛选,筛选出外部激励频率aexcition、叶片一阶模态频率ω1st以及叶片二阶模态频率ω2nd;
S2.3、通过以下公式将外部激励频率的频域幅值通过放大系数转换到模态频率对应幅值:
a1st-excition=βa-1sta1st
a2nd-excition=βa-2ndand
其中,a1st-excition和a2nd-excition分别为外部激励对应叶片一阶模态下的频率幅值及外部激励对应叶片二阶模态下的频率幅值,βa-1st和βa-2nd分别为叶片一阶模态频率下的加速度放大系数和叶片二阶模态频率下的加速度放大系数,通过以下公式求得:
其中,λ1st为外部激励频域与叶片一阶模态频率之比,λ1st=aexcition/a1st,λ2nd为外部激励频域与叶片一阶模态频率之比,λ2nd=aexcition/a2nd,为阻尼比,是叶片参数,经验值为0.002;
S2.4、将转换后的模态频率对应幅值通过以下公式计算得到振动传感器安装处的一阶模态频率下的叶片变形和二阶模态频率下的叶片变形,再将其求和得到叶片实际变形:
其中s1st和s2nd分别为振动传感器安装处的一阶模态频率下的叶片变形和二阶模态频率下的叶片变形,ω1st和ω2nd分别为叶片一阶模态频率和叶片一阶模态频率;
S2.5、利用叶片模型得到叶片一阶振型和二阶振型,结合叶片实际变形,计算出整个叶片的变形量。
S3、根据叶片变形进行叶片载荷计算。具体包括以下过程:
S3.1、当叶片发生一阶振动,通过一阶模态振型及振幅计算叶片各截面的曲率半径ρ;
S3.2、根据以下公式计算叶片各截面载荷:
其中M为截面载荷,EI为弯曲刚度,由叶片材料参数获得,ρ为曲率半径,由叶片模态振型曲线y=y(x)的曲率半径公式计算得到:
其中,
S4、利用雨流计算方法计算得到叶片的疲劳寿命。
本发明提供的一种基于叶片振动信号的风机叶片寿命预测方法,利用振动传感器实时监测叶片加速度数据,基于模态对叶片加速度数据进行提取,对风机叶片叶根载荷进行推算,计算叶片疲劳损伤并进行长时累加,实现对叶片健康状态的监测及寿命预测功能。
Claims (3)
1.一种基于叶片振动信号的风机叶片寿命预测方法,其特征在于包括以下步骤:
S1、利用安装于发电机组的叶片上的振动传感器实时获取叶片加速度信号;
S2、对叶片加速度信号进行处理,获取叶片变形量;具体包括以下过程:
S2.1、对叶片加速度信号进行FFT变换,得到各频率下的频域幅值,其中包括叶片一阶模态频率下的加速度频域幅值和叶片二阶模态频率下的加速度频域幅值,
S2.2、对各频率下的频域幅值进行筛选,筛选出外部激励频率、叶片一阶模态频率以及叶片二阶模态频率;
S2.3、通过以下公式将外部激励频率的频域幅值通过放大系数转换到模态频率对应幅值:
,
,
其中,和分别为外部激励对应叶片一阶模态下的频率幅值及外部激励对应叶片二阶模态下的频率幅值,和分别为叶片一阶模态频率下的加速度放大系数和叶片二阶模态频率下的加速度放大系数,通过以下公式求得:
,
,
其中,为外部激励频域与叶片一阶模态频率之比,,为外部激励频域与叶片一阶模态频率之比,,为阻尼比;
S2.4、将转换后的模态频率对应幅值通过以下公式计算得到振动传感器安装处的一阶模态频率下的叶片变形和二阶模态频率下的叶片变形,再将其求和得到叶片实际变形:
,
其中和分别为振动传感器安装处的一阶模态频率下的叶片变形和二阶模态频率下的叶片变形,和分别为叶片一阶模态频率和叶片一阶模态频率;
S2.5、利用叶片模型得到叶片一阶振型和二阶振型,结合叶片实际变形,计算出整个叶片的变形量;
S3、根据叶片变形进行叶片载荷计算;
S4、利用雨流计算方法计算得到叶片的疲劳寿命。
2.根据权利要求1所述的基于叶片振动信号的风机叶片寿命预测方法,其特征在于:步骤S1中,振动传感器的安装位置根据叶片模态确定,安装于一阶模态和二阶模态状态下叶片变形量最大区间范围内。
3.根据权利要求1所述的基于叶片振动信号的风机叶片寿命预测方法,其特征在于:步骤S3具体包括以下过程:
S3.1、当叶片发生一阶振动,通过一阶模态振型及振幅计算叶片各截面的曲率半径ρ;
S3.2、根据以下公式计算叶片各截面载荷:
,
其中M为截面载荷,EI为弯曲刚度,由叶片材料参数获得,ρ为曲率半径,由叶片模态振型曲线的曲率半径公式计算得到:
,
其中,,。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310376720.7A CN116576075B (zh) | 2023-04-11 | 2023-04-11 | 一种基于叶片振动信号的风机叶片寿命预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310376720.7A CN116576075B (zh) | 2023-04-11 | 2023-04-11 | 一种基于叶片振动信号的风机叶片寿命预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116576075A CN116576075A (zh) | 2023-08-11 |
| CN116576075B true CN116576075B (zh) | 2024-09-17 |
Family
ID=87542239
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310376720.7A Active CN116576075B (zh) | 2023-04-11 | 2023-04-11 | 一种基于叶片振动信号的风机叶片寿命预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116576075B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117028172A (zh) * | 2023-09-06 | 2023-11-10 | 无锡风电设计研究院有限公司 | 一种风电叶片流转状态监测系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107061185A (zh) * | 2017-04-14 | 2017-08-18 | 广州特种承压设备检测研究院 | 一种基于振动检测与无线信号传输的风力机叶片状态监测方法及系统 |
| CN107454925A (zh) * | 2015-04-13 | 2017-12-08 | 乌本产权有限公司 | 用于确定风能设备的剩余使用寿命的方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2019478946B2 (en) * | 2019-12-16 | 2024-04-11 | Envision Energy Technology Pte Ltd. | Method and system for monitoring health state of blade root fastener |
| CN113323816A (zh) * | 2021-06-09 | 2021-08-31 | 东方电气集团科学技术研究院有限公司 | 一种基于叶片载荷分析的叶片检测方法 |
| CN115478984B (zh) * | 2022-08-04 | 2025-04-01 | 明阳智慧能源集团股份公司 | 衰减风电机组塔筒前后方向二阶振动与载荷的方法与系统 |
-
2023
- 2023-04-11 CN CN202310376720.7A patent/CN116576075B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107454925A (zh) * | 2015-04-13 | 2017-12-08 | 乌本产权有限公司 | 用于确定风能设备的剩余使用寿命的方法 |
| CN107061185A (zh) * | 2017-04-14 | 2017-08-18 | 广州特种承压设备检测研究院 | 一种基于振动检测与无线信号传输的风力机叶片状态监测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116576075A (zh) | 2023-08-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2868921B1 (en) | Wind turbine and method for evaluating health state of blade thereof | |
| CN110177934B (zh) | 风力涡轮机的噪声分析与控制 | |
| JP6297555B2 (ja) | 回転ブレードの健康状態を監視するための方法及びシステム | |
| EP3043062B1 (en) | Condition monitoring apparatus for wind turbine | |
| CA2898931C (en) | System and method for enhanced operation of wind parks | |
| US11422052B2 (en) | System and method for diagnosing a rotor unbalance of a wind turbine | |
| US20190203694A1 (en) | Controlling wind turbine noise | |
| US11125210B2 (en) | Analysis of wind turbine noise | |
| CN116576075B (zh) | 一种基于叶片振动信号的风机叶片寿命预测方法 | |
| CN118653967A (zh) | 一种风电叶片结构故障损伤预警系统和方法 | |
| CN119738079A (zh) | 一种无线无源声表面波螺栓应力监测系统及方法 | |
| EP3642481B1 (en) | A method for determining wind turbine blade edgewise load recurrence | |
| Saeed | on line condition monitoring system for wind turbine | |
| JP6869156B2 (ja) | 状態監視装置および状態監視方法 | |
| CN119163566B (zh) | 一种风电场的风机缺陷试验检测方法 | |
| CN120409353A (zh) | 一种基于mimo非线性动态系统的海上风机叶片频域疲劳评估方法及系统 | |
| CN116757087B (zh) | 海上风电支撑结构的状态评估方法及相关设备 | |
| CN119163560A (zh) | 一种风力发电机组叶片实时监测系统 | |
| CN120042750A (zh) | 一种风力发电机故障监测系统 | |
| KR102456392B1 (ko) | 음질평가를 통한 풍력발전기 유지보수 지원 시스템 및 방법 | |
| CN120007528B (zh) | 一种叶片状态监测方法 | |
| Devriendt et al. | Estimating damping of an offshore wind turbine using an overspeed stop and ambient excitation | |
| CN120930437B (zh) | 一种桥梁承载能力的精确评定方法 | |
| CN121024862A (zh) | 风电机组偏航系统故障判断方法、装置、设备及存储介质 | |
| CN120930437A (zh) | 一种桥梁承载能力的精确评定方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Zhang Tao Inventor after: Li Jinhu Inventor after: Wang Xianwu Inventor after: Tang Bin Inventor before: Zhang Tao Inventor before: Li Jinhu Inventor before: Wang Xianwu Inventor before: Tang Bin Inventor before: Sun Kai Inventor before: Liu Jun Inventor before: Ao Rui |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |