[发明专利]风力发电机叶片的疲劳损伤监测方法和装置有效
| 申请号: | 201810247182.0 | 申请日: | 2018-03-23 |
| 公开(公告)号: | CN110296053B | 公开(公告)日: | 2020-06-05 |
| 发明(设计)人: | 郝吉芳;贾志强;刘芳 | 申请(专利权)人: | 北京金风慧能技术有限公司;江苏金风软件技术有限公司 |
| 主分类号: | F03D17/00 | 分类号: | F03D17/00 |
| 代理公司: | 北京市立方律师事务所 11330 | 代理人: | 张筱宁;宋海斌 |
| 地址: | 100176 北京市大兴区北京经*** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 风力发电机 叶片 疲劳 损伤 监测 方法 装置 | ||
1.一种风力发电机叶片的疲劳损伤监测方法,其特征在于,包括:
获取实时振动数据和风速数据;其中,所述振动数据包括平行于机组发电机轴承方向的第一机舱加速度AX和垂直于机组发电机轴承方向的第二机舱加速度AY;
根据所述振动数据、所述风速数据及词频-逆文档频率TF-IDF算法,提取叶片的运行特征和环境特征;所述运行特征包括振动数据、所述环境特征包括风速数据;
根据叶片的失效机理,对所述运行特征和所述环境特征进行组合,得到叶片的非周期性载荷特征;
根据所述非周期性载荷特征和PM疲劳理论,确定叶片随时间的累加疲劳值;所述累加疲劳值及累加疲劳值的变化特征能够表征叶片疲劳损伤的程度;
其中,根据所述振动数据、所述风速数据及词频-逆文档频率TF-IDF算法,提取叶片的运行特征和环境特征包括:
对预设时间段的所述振动数据和所述风速数据进行窗口切分;
将每个窗口的第一机舱加速度AX、第二机舱加速度AY和风速应用于TF-IDF算法,得到每个窗口的TF-IDF值;
根据每个窗口的所述TF-IDF值,计算每个窗口中的第一机舱加速度AX、第二机舱加速度AY和风速相对于全部窗口的矢量距离,得到每个窗口的第一机舱加速度AX的矢量距离、第二机舱加速度AY的矢量距离、风速的矢量距离。
2.根据权利要求1所述的方法,其特征在于,
所述第一机舱加速度AX的矢量距离、所述第二机舱加速度AY的矢量距离为运行特征;
所述风速的矢量距离为环境特征。
3.根据权利要求1或2所述的方法,其特征在于,所述根据叶片的失效机理,对所述运行特征和所述环境特征进行组合,得到叶片的非周期性载荷特征,包括:
根据第一机舱加速度AX的矢量距离与风速的矢量距离,得到第一峰值比;
根据第二机舱加速度AY的矢量距离与风速的矢量距离,得到第二峰值比;
选取第一峰值比和第二峰值比中较大的值;
当所述值大于预设阈值时,确定该值为叶片的非周期性载荷特征。
4.根据权利要求1所述的方法,其特征在于,所述根据所述非周期性载荷特征和PM疲劳理论,确定叶片随时间的累加疲劳值,包括:
根据所述非周期性载荷特征和与材料相关常数,得到作用载荷应力水平下的疲劳寿命;
将所述疲劳寿命与PM疲劳理论结合,得到叶片随时间的累加疲劳值。
5.根据权利要求1所述的方法,其特征在于,所述确定叶片随时间的累加疲劳值之后,所述方法还包括:
根据叶片随时间的累加疲劳值,绘制疲劳曲线;
当疲劳曲线的形态特征满足预设的条件时,发出预警。
6.根据权利要求1所述的方法,其特征在于,所述提取叶片的运行特征和环境特征之前,所述方法还包括:
对获取的振动数据和风速数据进行异常值处理,得到已剔除异常数据样本的振动数据和风速数据。
7.根据权利要求6所述的方法,其特征在于,所述提取叶片的运行特征和环境特征之前,所述方法还包括:
对已剔除异常数据样本的振动数据和风速数据进行离散化处理,得到离散后的振动数据和风速数据。
8.根据权利要求1所述的方法,其特征在于,所述获取实时振动数据和风速数据,包括:
采集机组传感器监测的实时振动数据和风速数据。
9.一种电子设备,其特征在于,包括:存储器,用于存储可执行程序;处理器,用于执行所述存储器中存储的所述可执行程序时,实现权利要求1至8任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1至8任一项所述的方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京金风慧能技术有限公司;江苏金风软件技术有限公司,未经北京金风慧能技术有限公司;江苏金风软件技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810247182.0/1.html,转载请声明来源钻瓜专利网。





