[发明专利]一种风力发电机主轴载荷谱计算方法

权利要求书

1.一种风力发电机主轴载荷谱计算方法，其特征在于，该方法的步骤如下：

1)、采集风力发电机轮毂处在不同工况下的XN、YN、ZN方向的载荷数据，得到六个自由度：F_XN、F_YN、F_ZN、M_XN、M_YN、M_ZN的载荷值，其中：F_XN为风力发电机轮毂处的轴向载荷，F_YN、F_ZN为风力发电机轮毂处XN、YN方向的径向载荷，M_XN为风力发电机轮毂处的轴向扭矩，M_YN、M_ZN分别为风力发电机轮毂处XN、YN方向的倾覆力矩；统计风力发电机不同工况的运行情况，得到每种工况下的时间权重；

2)、分别对每种工况下的六自由度载荷值进行波峰波谷处理，以便进行雨流计数；

3)、对处理后的载荷数据进行雨流计数处理，得到每种工况下六个自由度：F_XN、F_YN、F_ZN、M_XN、M_YN、M_ZN载荷值的均值和幅值，所述雨流计数处理即将风机载荷历程简化为若干个风机载荷循环，并计算风机载荷循环的均值和幅值：

式中：σ_m为风机载荷循环的均值，σ_a为风机载荷循环的幅值，σ_max为风机载荷循环的最大值，σ_min为风机载荷循环的最小值；

4)、对每种工况下六个自由度载荷值的均值、幅值分别进行自相关系数分析及偏自相关系数分析，得到每个自由度载荷值的均值、幅值滞后的步长；

5)、对每种工况下六个自由度载荷值的均值和幅值分别进行小波包分解，分别将分解后的每种工况下六个自由度载荷值的均值和幅值进行整合，得到高维度的每种工况下六个自由度载荷值的均值和幅值；所述小波包分解用来提取均值和幅值的时频域特征；

6)、根据步骤4得到的步长构建需要输入到长短期记忆网络的经小波包分解后的均值或幅值数据以及标签，并划分训练集与测试集；

7)、构建长短期记忆网络模型，所述长短期记忆网络模型包括输入层、隐含层、全连接层和输出层；输入层用来接收构建好的数据集；隐含层包括2层，每层包含128个神经元，用来进行特征提取；全连接层用于将长短期记忆网络学习到的特征映射到输出值即下一时刻经小波包分解后的均值或幅值；损失函数设置为均方误差函数：

式中：N为批次个数，Y′_i为均值或幅值的预测值，Y_i为均值或幅值的真实值；

8)、设置长短期记忆网络模型的轮次、批次和学习率，将长短期记忆网络模型的损失函数值下降到合理的数值，确保长短期记忆网络模型的可用性；

9)、根据长短期记忆网络模型将每种工况下的六个自由度载荷值的均值分别扩展到规定的次数，将每种工况下的六个自由度载荷值的幅值分别扩展到规定的次数；

10)、将每种工况下的六自由度的均值和幅值进行波动中心法处理，得到均值的波动中心，同时对每种工况下的六自由度的幅值进行比值系数法划分，得到单工况下的风机主轴载荷谱；

11)、根据各工况的时间权重，得到整体载荷均值的波动中心，以及对整体载荷幅值进行比值系数法划分，得到多工况下的风机主轴载荷谱。

2.根据权利要求1所述的一种风力发电机主轴载荷谱计算方法，其特征在于：所述不同工况是指风机在正常运行状况下风速在4m/s-22m/s下，间隔为2m/s的工况。

3.根据权利要求1所述的一种风力发电机主轴载荷谱计算方法，其特征在于：所述波峰波谷处理既将载荷数据峰值与谷值之间的数据进行清除。

4.根据权利要求1所述的一种风力发电机主轴载荷谱计算方法，其特征在于：所述自相关系数分析为间隔为K的均值或幅值之间的相关系数值，偏自相关系数分析为第N个均值或幅值与前K个均值或幅值的相关系数值。

5.根据权利要求1所述的一种风力发电机主轴载荷谱计算方法，其特征在于：所述波动中心法将载荷均值、幅值简化为一元随机变量进行分析计算；比值系数法将连续的载荷累积频次化分为阶梯型的累积频次。