一种提高风机塔筒气动载荷识别稳定性的测点优化方法

本发明涉及风机塔筒气动载荷识别领域，特别涉及一种提高风机塔筒气动载荷识别稳定性的测点优化方法。

背景技术：

1、在工程结构的在线监测与安全评估中，准确获取结构受到的外部载荷是进行结构分析的关键一步。然而，大多数结构的外部载荷难以直接测量，需要通过结构响应数据间接测量。对于风机塔筒结构来说，风电机组运行时产生的气动载荷是其受到的主要载荷，也是引起结构疲劳的主要原因。动态载荷识别技术可以利用风机结构的监测数据，识别其顶部遭受的气动载荷。

2、动态载荷识别主要分为时域动态载荷识别和频域动态载荷识别。其中，时域法很难解决初始状态非零、误差累积等问题。当载荷持续时间较长时，识别精度就会明显下降。并且时域法需要求解每一个时间点的载荷值，使得计算量非常大，难以进行实时的载荷识别。而频域动态载荷识别方法理论和计算方法较为完善，并且计算量较小，在工程中得到了广泛的应用。

3、在频域动态载荷识别领域中，如何解决频响矩阵的病态问题，目前主要采用的方法包括以下几种：

4、采用枚举法进行测点优化。但是在测点数量较多的情况下，枚举的数量非常大，在100个测点中枚举10个测点组合，就有.7e13种情况，测点优化难度较大。并且频响函数矩阵数量非常多，如果全部频率都进行计算则数量还要增加。

5、采用正则化、截断奇异值等数学方法降低数学模型的病态问题。在测点位置不佳时，数学模型为病态模型，无论是正则化或者截断奇异值方法都不能求解稳定的解。特别是同时识别多种载荷的情况下，非常容易出现过度拟合的情况，导致只有部分载荷的识别精度提高，其余载荷的识别精度下降。并且采用正则化、截断奇异值方法会降低计算效率。

6、dod采用了逐次交换算法，通过不断交换测点，获得病态程度最低的矩阵，虽然收敛速度快，但是容易陷入局部最优解，并且矩阵的灵敏度只适合于实数矩阵。

7、cod采用逐次缩减法，通过不断缩减测点，寻找条件数最小的矩阵，使得数学模型缩减到目标维度。但是当目标维度过小时，矩阵的病态程度反而会上升。并且对于复数矩阵适用效果不好。

8、有鉴于此，实有必要提供一种新的技术方案以解决上述问题。

技术实现思路

1、为解决上述技术问题，本申请提供一种提高风机塔筒气动载荷识别稳定性的测点优化方法，能够实现风机塔筒气动载荷的有效识别，获得最优测点布置，降低矩阵病态程度。

2、一种提高风机塔筒气动载荷识别稳定性的测点优化方法，包括：

3、在风机塔筒的内壁上布置若干初始应变监测点位，在应变监测点位上设置应变传感器组；

4、根据初始监测点位布置情况，建立气动载荷与结构响应之间的数学模型；

5、以载荷频域范围内病态程度最严重频响函数矩阵作为优化矩阵进行数学模型优化；

6、采用逐次增加法进行测点优化，得到最优测点矩阵；

7、根据最优测点矩阵重新建立数学模型，采用逆伪激励法识别塔筒受到的气动载荷。

8、优选的，所述在风机塔筒的内壁上布置若干初始应变监测点位，在应变监测点位上设置应变传感器组中，应变传感器组固设于风机塔筒内表面；相邻应变监测点位在高度方向上的间距为2m，且同高度上相邻变监测点位间的夹角为30度；

9、其中，应变监测点位上具有一应变传感器组；应变传感器组包括竖向设置的一应变传感器和倾斜设置的两应变传感器；倾斜设置的两应变传感器对称分布于竖向设置的应变传感器的两侧；倾斜设置的应变传感器与竖向设置的应变传感器的夹角为45度。

10、优选的，所述根据初始监测点位布置情况，建立气动载荷与结构响应之间的数学模型中，气动载荷与结构响应之间的数学模型为：

11、；

12、式中，是系统输出的功率谱密度函数矩阵；是频响函数矩阵；是系统输入功率谱密度函数矩阵；上标h是表示矩阵的共轭转置。

13、优选的，所述以载荷频域范围内病态程度最严重频响函数矩阵作为优化矩阵进行数学模型优化，包括：

14、计算各个频率下频响函数矩阵的条件数，并绘制条件数变化曲线；

15、取整个频率范围内条件数最大的频率点对应的频响函数矩阵作为优化矩阵。

16、优选的，所述采用逐次增加法进行测点优化，得到最优测点矩阵，包括：

17、确定初始矩阵的测点数量，采用枚举法得到所有测点数的矩阵；

18、分别计算所有测点数矩阵的条件数，取条件数最小的矩阵为初始矩；

19、从剩余测点中依次选取一个测点添加到初始矩阵中，得到所有扩充矩阵，并计算其条件数；

20、取条件数最小的矩阵作为新的矩阵，完成一次测点增加；

21、重复增加测点数量，直到测点数量达到目标数量，得到最终矩阵。

22、优选的，所述根据最优测点矩阵重新建立数学模型，采用逆伪激励法识别塔筒受到的气动载荷，包括：

23、根据最优测点矩阵重新建立数学模型；

24、对载荷谱进行谱分解；

25、根据虚拟输入和虚拟输出之间的关系，求出对应的虚拟输入；

26、求解系统输入的功率谱密度函数矩阵。

27、优选的，所述对载荷谱进行谱分解的公式为：

28、；

29、式中，为一个非负正定的共轭矩阵；和分别是矩阵的特征值和对应的特征向量；为矩阵的秩。

30、优选的，所述根据虚拟输入和虚拟输出之间的关系，求出对应的的公式为：

31、；

32、式中，为虚拟输入；为虚拟输出；上标+表示原矩阵的moore-penrose 矩阵伪逆。

33、优选的，求解系统输入的功率谱密度函数矩阵的公式为：

34、。

35、与现有技术相比，本申请至少具有以下有益效果：

36、1、本发明能够实现风机塔筒气动载荷的有效识别，获得最优测点布置，降低矩阵病态程度。

37、2、本发明对初始测点矩阵进行枚举得到的最佳测点布置，在最佳布置的基础上，不断增加测点，搜索最优传感器布置，确定了应变传感器最佳的朝向布置。

38、3、本发明能够在载荷数量远远小于测点数量时，逐次增加法通过枚举初始矩阵，确定的最佳的初始矩阵，避免舍去最佳初始测点。

39、4、本发明只对初始测点进行枚举，能够避免计算量过大。

40、5、本发明在目标测点数量较小时，能有效避免陷入局部最优解，并且最大程度的降低数学模型的维度，提高载荷识别的效率。

技术特征：

1.一种提高风机塔筒气动载荷识别稳定性的测点优化方法，其特征在于，包括：

2.如权利要求1所述的测点优化方法，其特征在于，所述在风机塔筒的内壁上布置若干初始应变监测点位，在应变监测点位上设置应变传感器组中，应变传感器组固设于风机塔筒内表面；相邻应变监测点位在高度方向上的间距为2m，且同高度上相邻变监测点位间的夹角为30度；

3.如权利要求2所述的测点优化方法，其特征在于，所述根据初始监测点位布置情况，建立气动载荷与结构响应之间的数学模型中，气动载荷与结构响应之间的数学模型为：

4.如权利要求3所述的测点优化方法，其特征在于，所述以载荷频域范围内病态程度最严重频响函数矩阵作为优化矩阵进行数学模型优化，包括：

5.如权利要求4所述的测点优化方法，其特征在于，所述采用逐次增加法进行测点优化，得到最优测点矩阵，包括：

6.如权利要求5所述的测点优化方法，其特征在于，所述根据最优测点矩阵重新建立数学模型，采用逆伪激励法识别塔筒受到的气动载荷，包括：

7.如权利要求6所述的测点优化方法，其特征在于，所述对载荷谱进行谱分解的公式为：

8.如权利要求7所述的测点优化方法，其特征在于，所述根据虚拟输入和虚拟输出之间的关系，求出对应的虚拟输入的公式为：

9.如权利要求8所述的测点优化方法，其特征在于，求解系统输入的功率谱密度函数矩阵的公式为：

技术总结
本发明公开了一种提高风机塔筒气动载荷识别稳定性的测点优化方法，属于风机塔筒气动载荷识别技术领域，包括在风机塔筒的内壁上布置若干初始应变监测点位，在应变监测点位上设置应变传感器组；根据初始监测点位布置情况，建立气动载荷与结构响应之间的数学模型；以载荷频域范围内病态程度最严重频响函数矩阵作为优化矩阵进行数学模型优化；采用逐次增加法进行测点优化，得到最优测点矩阵；根据最优测点矩阵重新建立数学模型，采用逆伪激励法识别塔筒受到的气动载荷。本发明能够实现风机塔筒气动载荷的有效识别，获得最优测点布置，降低矩阵病态程度。

技术研发人员：张猛,马福萱,朱凡,李至华,谢耀国,曲先强,崔洪斌,刘红兵
受保护的技术使用者：烟台哈尔滨工程大学研究院
技术研发日：
技术公布日：2024/2/6