【技术实现步骤摘要】
本专利技术涉及风力机故障诊断，更具体的说是涉及一种基于lamb波和主被动融合的风力机叶片健康监测方法。
技术介绍
1、叶片作为风力机中直接捕获风能的关键部件，所处环境恶劣、受力复杂，极易因微小缺陷或损伤逐步引发其异常弯曲或折断，叶片结构的健康状态监测及裂纹诊断成为风力机组运行状态监测的核心部分。使用高效、简单、可靠的方法，在第一时间监测到裂纹、冲击的产生，并对叶片损伤区域进行诊断，给出评估，对损伤发展的监测与叶片寿命预测，成为叶片结构健康监测的重要内容。且相对于尺寸长、体量大且由复合材料组成的大型风力机叶片而言，其所需状态监测方法与典型机械结构有显著差别，当前叶片结构的健康监测研究滞后于大部分风电机组其他部件结构健康监测的发展。
2、目前，针对风力机叶片的结构健康监测方法分为被动监测方法和主动监测方法。被动监测方法偏向于瞬时损伤信号，如砂石冲击、雷击等，可全时段实时地监测结构健康状态并监测到冲击位置，但对固有损伤的监测效果不佳，只能通过接收损伤扩展时所产生的声发射信号进行监测，且会大大提高系统采样频率和复杂度。主动监测方法能够有效监测固有损伤信息，使用损伤散射信号作为基准信号，能够表征损伤区域边界并对损伤区域进行评估，但对损伤产生原始位置的定位效果不佳，需要系统进行主动激励，对全时段的监测的效果不佳。
3、因此，主被动监测方法各有其优势和劣势，现有的检测方法一般将主被动技术作为单独的技术进行研究，但风力机叶片的损伤形成与形式较为复杂，单一的主动监测方法或被动监测方法无法全面、有效地监测整个损伤发展过程，进
技术实现思路
1、有鉴于此，本专利技术提供至少解决上述部分技术问题的一种基于lamb波和主被动融合的风力机叶片健康监测方法，以便于解决现有的风力机叶片结构健康监测技术存在无法全时段监测，定位误差大等的问题。
2、为实现上述目的，本专利技术采取的技术方案为：提供一种基于lamb波和主被动融合的风力机叶片健康监测方法，该方法包括以下步骤：
3、s1、风力机在正常工况运行时，叶片结构健康监测系统在被动监测状态下待机，设定触发通道，监测是否有冲击产生，且系统的主动监测部分周期性检测叶片结构健康状态；
4、s2、冲击发生时，系统的被动监测部分初步确定的冲击发生区域，并确定传感器阵列区域编号；基于距离权值的定位法对冲击响应源进行定位，系统确定被动定位区域信息后，使系统切换为主动监测；
5、s3、基于确定的传感器阵列区域，使冲击位置预设范围内的传感器作为激励传感器，进行窄带激励信号的发生、激励，记录传感信息并进行定位成像；
6、s4、根据定位成像对叶片结构是否有损伤进行判断；若判断有损伤且损伤程度大于等于预设值，则结合多传感器激励下的成像信息以及冲击定位进行冲击损伤成像，并按照被动定位点向主动损伤区域中心的方向给出损伤扩展方向的评估；若判断没有损伤或者损伤程度小于预设值，则返回步骤s1，系统进入被动监测待机状态。
7、进一步地，所述步骤s1中，叶片结构健康监测系统中的传感器阵列选择圆形pzt压电陶瓷片作为基准点，作为主被动监测的激励器和传感器。
8、进一步地，pzt压电传感器依次向风力机叶片结构延展方向进行排布，形成双排长矩形压电传感器阵列，上下两排传感器距离与单排内两两相邻传感器距离相等。
9、进一步地，所述步骤s2中，基于距离权值的方法对冲击响应源进行定位，方法包括：
10、计算第i监测区域的a号与b号传感器可信度，公式为：
11、
12、其中：为第i监测区域的a号与b号传感器可信度，与为每组中a号与b号两个传感器到每一监测区域的距离，ta与tb分别为a号与b号传感器的波达时间，v为实验标定后的冲击波波速；
13、综合所有配对的相邻两个传感器报警阈值，得到第i监测区域的可信度αi为：
14、
15、β＝β18+β12+β27+β23+β36+β34+β45+β56+β67+β78＝1
16、其中：βab为a号至b号传感器所属权值；传感器越趋近于监测区域则所产生的可信度与权值就越高。
17、进一步地，所述步骤s2中，系统确定被动定位区域信息后，使用usb串口信号改变继电器开关矩阵板的逻辑结构，使系统切换为主动监测。
18、进一步地，所述步骤s3具体包括：
19、s31、按照冲击区域周围的传感器顺序，转换为激励传感器，基于确定的传感器阵列区域，依次激励lamb波；同时选择最佳窄带激发hanning窗正弦信号作为激励信号；信号计算表达式为：
20、
21、式中，h(t)表示t时刻激励信号的幅值，n表示hanning窗周期数，f表示激励信号中心频率；
22、s32、对选择的信号进行处理，计算损伤定位所需的散射信号的实际波达时间ti与相关系数ii；
23、s33、将计算的ti作为先验分布，相关系数ii作为后验分布；在椭圆轨迹法的基础上，结合位于(xd,yd)处损伤的散射信号的实际波达时间ti与理论损伤信号波达时间的差值构造似然函数为：
24、
25、式中，θ为未知参数向量(xd,yd,σ)，σ表示实验误差的标准差；d为实测np为激励器—传感器的总路径数；
26、结合先验分布rapid法中(xd,yd)的概率密度函数与σ的概率密度函数，同时考虑到(xd,yd)与σ相互独立，则得到的联合先验概率密度函数p(θ)为：
27、
28、式中，ri(x,y)为第i条发射器—传感器路径存在的损伤概率估计；λ>1为尺寸参数，其控制发射器—传感器路径的影响区域大小，结合实际工况选取λ＝1.06：
29、基于贝叶斯方法得到参数向量θ的后验概率密度函数为：
30、
31、式中，p(θ|d)为贝叶斯方法计算的参数向量θ的后验概率密度；
32、s34、采用马尔科夫链蒙特卡罗采样方法来对知参数向量θ的分布进行估计，以传感器监测区域x轴向及y轴向呈二维正态分布的目标函数构造一条马尔科夫链，使马尔科夫链运行至收敛到目标函数为止，从贝叶斯方法得到的后验概率密度函数中提取样本数据，拟合叶片层合板的x轴向与y轴向的正态分布曲线，结合损伤位置估计参数采样直方图，构造一个表征叶片层合板分层损伤位置的二维正态拟合图，对冲击所造成的损伤进行定位。
33、进一步地，所述步骤s31中，激励信号中心频率f＝160khz，hanning窗周期数n＝5。
34、进一步地，所述步骤s32的具体流程包括：
35、(a)监测区域整体有多条不同激励器—传感器路径，对比每一组损伤信号与基准信号，量化基准信号与损伤信号差异并提取损伤特征，选取基准信号和损伤信号的预设周期lamb波计算相关系数ii，表达式为：
36、
37本文档来自技高网...
【技术保护点】
1.一种基于Lamb波和主被动融合的风力机叶片健康监测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种基于Lamb波和主被动融合的风力机叶片健康监测方法，其特征在于，所述步骤S1中，叶片结构健康监测系统中的传感器阵列选择圆形PZT压电陶瓷片作为基准点，作为主被动监测的激励器和传感器。
3.根据权利要求2所述的一种基于Lamb波和主被动融合的风力机叶片健康监测方法，其特征在于，PZT压电传感器依次向风力机叶片结构延展方向进行排布，形成双排长矩形压电传感器阵列，上下两排传感器距离与单排内两两相邻传感器距离相等。
4.根据权利要求3所述的一种基于Lamb波和主被动融合的风力机叶片健康监测方法，其特征在于，所述步骤S2中，基于距离权值的方法对冲击响应源进行定位，方法包括：
5.根据权利要求4所述的一种基于Lamb波和主被动融合的风力机叶片健康监测方法，其特征在于，所述步骤S2中，系统确定被动定位区域信息后，使用USB串口信号改变继电器开关矩阵板的逻辑结构，使系统切换为主动监测。
6.根据权利要求4所述的一种基
7.根据权利要求6所述的一种基于Lamb波和主被动融合的风力机叶片健康监测方法，其特征在于，所述步骤S31中，激励信号中心频率f＝160kHz，Hanning窗周期数n＝5。
8.根据权利要求6所述的一种基于Lamb波和主被动融合的风力机叶片健康监测方法，其特征在于，所述步骤S32的具体流程包括：
9.根据权利要求1所述的一种基于Lamb波和主被动融合的风力机叶片健康监测方法，其特征在于，叶片结构健康监测系统的主动监测和被动监测是基于时序的连续性对叶片结构进行不间断监测。
...【技术特征摘要】
1.一种基于lamb波和主被动融合的风力机叶片健康监测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种基于lamb波和主被动融合的风力机叶片健康监测方法，其特征在于，所述步骤s1中，叶片结构健康监测系统中的传感器阵列选择圆形pzt压电陶瓷片作为基准点，作为主被动监测的激励器和传感器。
3.根据权利要求2所述的一种基于lamb波和主被动融合的风力机叶片健康监测方法，其特征在于，pzt压电传感器依次向风力机叶片结构延展方向进行排布，形成双排长矩形压电传感器阵列，上下两排传感器距离与单排内两两相邻传感器距离相等。
4.根据权利要求3所述的一种基于lamb波和主被动融合的风力机叶片健康监测方法，其特征在于，所述步骤s2中，基于距离权值的方法对冲击响应源进行定位，方法包括：
5.根据权利要求4所述的一种基于lamb波和主被动融合...
【专利技术属性】
技术研发人员：郑玉巧，陆界杉，张鹤羽，曹永勇，魏泰，董付刚，施成龙，
申请(专利权)人：兰州理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。