基于模态频率的风力机叶片覆冰检测方法

摘要

目前,风力机叶片覆冰后通常使用加热系统除冰,其消耗的能源是发电机组1%~4%的年发电量。本文通过试验模态调校叶片有限元模型,用有限元模型的仿真模态得出不同位置的覆冰厚度和固有频率对应关系方程,用这些方程生成随机样本训练BP神经网络模型,建立以固有频率为输入,以覆冰厚度为输出的非线性关系,以实现覆冰状态的检测。研究表明,通过叶片的力锤激励模态试验结果,调整叶片模型参数,优化后的叶片覆冰中空实体三维模型前三阶固有频率与试验值误差在2%以内。通过BP神经网络建模和训练,模型检测覆冰厚度的结果与实际值相对误差率平均值为8.83%,叶尖处误差最小,叶根处误差最大,相对误差率随着冰层厚度的增加而降低。训练好的BP神经网络模型可以基本实现覆冰的位置和厚度信息检测,为加热系统精确加热位置和加热时间、降低能源消耗提供理论依据。