基于模态应变能理论的风机叶片结构损伤辨别仿真

被引:3
作者
张鑫
顾桂梅
机构
[1] 兰州交通大学自动化与电气工程学院
关键词
风机叶片; 损伤识别; 模态应变能; BP神经网络;
D O I
暂无
中图分类号
TM315 [风力发电机];
学科分类号
080802 [电力系统及其自动化];
摘要
为解决风机叶片在多种损伤工况下的结构损伤识别问题,采用一种模态应变能变化率和BP神经网络结合的分步判别方法。首先利用ANSYS软件建立风机叶片的结构模型,选取模态应变能变化率作为检测结构损伤的特征参数;然后分别在单损伤与多损伤工况下,通过比较损伤前后各单元的模态应变能变化初步定位损伤;最后通过BP神经网络精确判定损伤状态,辨别叶片的损伤位置和程度。结果表明,通过比较各单元模态应变能变化率,可以有效实现损伤的初步定位,利用BP神经网络可以准确诊断出叶片损伤位置和程度。这种方法对同一单元不同程度损伤、同程度多损伤等多种损伤工况均有良好的识别效果。
引用
收藏
页码:15 / 19
页数:5
相关论文
共 15 条
[1]
基于改进FOA的风机叶片结构损伤检测 [J].
顾桂梅 ;
王峥 ;
汪芳莉 .
自动化与仪器仪表, 2015, (02) :58-61
[2]
基于轴向振型差变化率的风轮叶片结构损伤识别方法研究 [J].
顾桂梅 ;
王峥 ;
汪芳莉 .
玻璃钢/复合材料, 2014, (11) :11-15
[3]
我国风力发电的现状和前景探讨 [J].
陶金 ;
张雪 ;
刘煜龙 ;
徐明辉 .
现代机械, 2013, (03) :26-28+50
[4]
基于应变模态差的管道损伤识别仿真 [J].
韩红飞 ;
周邵萍 ;
郝占峰 ;
章兰珠 .
振动测试与诊断., 2013, 33(S1) (S1) :210-213+232
[5]
单元模态应变能变化率对框架结构的损伤诊断 [J].
李永梅 ;
胡琨 ;
姚玄一 ;
赵金鑫 .
工业建筑, 2013, 43 (01) :125-130
[6]
模态应变能理论及其在风力机叶片损伤识别中的应用 [J].
李芒芒 ;
李录平 ;
晋风华 ;
谭海辉 .
可再生能源, 2012, 30 (03) :27-31
[7]
基于模态应变能与神经网络的地下拱形结构损伤诊断 [J].
范建设 ;
郑飞 ;
许金余 .
噪声与振动控制, 2011, 31 (03) :120-124
[8]
基于模态应变能和BP神经网络的混凝土框架结构损伤识别 [J].
邓旭华 ;
唐雪松 .
交通科学与工程, 2010, 26 (02) :53-58+91
[9]
风力机桨叶的三维建模与动力学特性有限元计算 [J].
陈顺章 ;
李录平 ;
晋风华 ;
卢绪祥 ;
朱益军 ;
谭海辉 .
可再生能源, 2010, 28 (03) :29-34
[10]
基于模态应变能识别复合材料结构损伤的遗传-神经网络法 [J].
刘江 ;
赵美英 .
强度与环境, 2008, (03) :14-19