CN109614640A - 一种大型风电机组轮毂疲劳寿命预测方法及*** - Google Patents
一种大型风电机组轮毂疲劳寿命预测方法及*** Download PDFInfo
- Publication number
- CN109614640A CN109614640A CN201811278093.9A CN201811278093A CN109614640A CN 109614640 A CN109614640 A CN 109614640A CN 201811278093 A CN201811278093 A CN 201811278093A CN 109614640 A CN109614640 A CN 109614640A
- Authority
- CN
- China
- Prior art keywords
- wheel hub
- hub
- stress
- fatigue life
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000005611 electricity Effects 0.000 title claims abstract description 24
- 230000006378 damage Effects 0.000 claims abstract description 63
- 230000008569 process Effects 0.000 claims abstract description 27
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 238000002474 experimental method Methods 0.000 claims abstract description 10
- 238000004088 simulation Methods 0.000 claims description 49
- 238000006073 displacement reaction Methods 0.000 claims description 14
- 229910000831 Steel Inorganic materials 0.000 claims description 12
- 239000010959 steel Substances 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 9
- 239000007787 solid Substances 0.000 claims description 4
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 238000009661 fatigue test Methods 0.000 claims description 3
- 238000012300 Sequence Analysis Methods 0.000 claims 1
- 238000005096 rolling process Methods 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 7
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 240000002853 Nelumbo nucifera Species 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012731 temporal analysis Methods 0.000 description 2
- 238000000700 time series analysis Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
一种大型风电机组轮毂疲劳寿命预测方法及***，包括：基于预先获得的轮毂有限元模型，进行单位载荷加载分析和载荷时间序列分析，得到轮毂的应力；基于所述轮毂的应力进行疲劳实验得到所述轮毂各部位的疲劳受损度，将所述疲劳受损度通过预先设置的置信区间筛选，得到危险区域；获取所述危险区域的应力，通过关键平面法预测风电机组轮毂疲劳寿命。本发明提供的本发明的计算过程粗细结合，先快递粗算整个轮毂的疲劳寿命，得到危险区域，之后对该区域进行局部细算，既提高了计算的准确性，又缩短了计算时间，提交工作效率。
Description
技术领域
本发明涉及新能源领域，具体涉及一种大型风电机组轮毂疲劳寿命预测方法及***。
背景技术
随着风电机组大型化的发展，风电机组的部件强度校核显得更加重要，而疲劳强度分析作为部件强度校核非常重要的一部分是不可或缺的。轮毂作为连接叶片、主轴的重要部件，合理的分析其损伤疲劳，得到较高精度的耐久性、可靠性数据，认证标准规定的设计寿命为20年，对轮毂满足20年疲劳寿命设计、成本控制以及对整个风电机组的事故预防、维护维修都有重要的意义。现有的疲劳预测方法繁琐，耗时长，并且计算结果不精确，提高寿命预测精度，对整个风电机组的运行状态有着至关重要的作用。
发明内容
为了解决现有技术中所存在的疲劳预测方法繁琐，耗时长，并且计算结果不精确的问题，本发明提供一种大型风电机组轮毂疲劳寿命预测方法及***。
本发明提供的技术方案是：
一种大型风电机组轮毂疲劳寿命预测方法，包括：
基于预先获得的轮毂有限元模型，进行单位载荷加载分析和载荷时间序列分析，得到轮毂的应力；
基于所述轮毂的应力进行疲劳实验得到所述轮毂各部位的疲劳受损度，将所述疲劳受损度通过预先设置的置信区间筛选，得到危险区域；
获取所述危险区域的应力，通过关键平面法预测风电机组轮毂疲劳寿命。
优选的，所述轮毂有限元模型的建立，包括：
基于所述轮毂实物模型，通过局部特征简化处理，得到轮毂模拟模型；
基于轮毂模拟模型，采用远程位移约束的方式，得到约束轮毂模型；
基于所述约束轮毂模型，通过三维绘制软件得到轮毂有限元模型。
优选的，所述基于所述轮毂实物模型，通过三维绘制软件，得到轮毂模拟模型，包括：
将所述轮毂实物模型经过局部特征简化与修改过程，去除轮毂各部件间的连接螺栓孔，得到初始轮毂实物模型；
基于所述初始轮毂实物模型，将变桨轴承外圈与轮毂本体绑定连接，将变桨轴承内圈与叶片假体绑定连接，主轴与轮毂本体绑定连接，变桨轴承内外圈之间的钢球采用模拟滚珠进行模拟，主轴轴承内外圈之间的钢球采用模拟滚珠进行模拟，得到轮毂模拟模型。
优选的，所述基于轮毂模拟模型，采用远程位移约束的方式，得到约束轮毂模型，包括：
基于轮毂模拟模型，通过所述远程位移约束，在变桨轴承以外的位置设置作用点；
基于所述轮毂模型，通过所述远程位移约束，确定变桨轴承外圈为作用位置；
通过接触将所述作用点和所述作用位置连接，限制变桨轴承坐标系Z轴方向的转动，使主轴完全约束，得到约束轮毂模型。
优选的，所述基于所述约束轮毂模型，通过三维绘制软件得到轮毂有限元模型，包括：
基于所述约束轮毂模型，通过三维绘制软件，去掉螺栓孔、倒角，得到初始轮毂有限元模型；
基于所述初始轮毂有限元模型，将轮毂本体采用四面体单元进行网格划分，将叶片假体、变桨轴承、主轴、主轴轴承采用三维8节点固体结构单元进行网格划分，将模拟滚珠构建成三维有限应变杆单元，得到轮毂有限元模型。
优选的，所述将模拟滚珠构建成三维有限应变杆单元，包括：
将变桨轴承的模拟滚珠构建成第一三维有限应变杆单元；
将主轴轴承的模拟滚珠构建成第二三维有限应变杆单元；
其中，所述第一三维有限应变杆单元与所述第二三维有限应变杆单元数目相等。
优选的，所述基于预先获得的轮毂有限元模型，进行单位载荷加载分析和载荷时间序列分析，得到轮毂的单位应力，包括：
在所述轮毂有限元模型的三个叶片上分别加载沿X轴、Y轴和Z轴方向上的单位荷载，得到单位荷载应力；
基于所述单位荷载应力，结合载荷时间序列，得到应力；
所述荷载包括：弯矩和力。
优选的，所述基于所述轮毂的应力进行疲劳实验得到所述轮毂各部位的疲劳受损度，将所述疲劳受损度通过预先设置的置信区间筛选，得到危险区域，包括：
以所述应力为输入量，进行应力-循环疲劳破坏的疲劳试验，得到数据拟合曲线；
基于所述数据拟合曲线获取各部位的疲劳受损度，并将所述疲劳受损度与所述置信区间进行对比筛选，将置信区间内的疲劳受损度对应的部位为危险区域。
优选的，所述获取所述危险区域的应力，通过关键平面法预测风电机组轮毂疲劳寿命，包括；
采集所述危险区域的真实应力，并将所述真实应力转换为标量应力；
基于所述标量应力应用到应力循环疲劳破坏曲线中，得到载荷下的损坏次数；
基于所述损坏次数通过所述疲劳寿命预算公式预测风电机组轮毂疲劳寿命。
优选的，所述基于所述损坏次数通过所述疲劳寿命预算公式预测风电机组轮毂疲劳寿命，按下式计算：
S＝1/D；
式中，D为疲劳损伤值，S为风电机组轮毂疲劳寿命；
其中，D＝n/N；
式中，D为疲劳损伤值，n为荷载下的损坏次数，N为预设的循环次数。
优选的，所述获取所述危险区域的应力，通过关键平面法预测风电机组轮毂疲劳寿命，还包括：
根据预设数量，通过疲劳寿命预算公式预测所述风电机组轮毂损伤最严重的区域，并进行排序。
一种大型风电机组轮毂疲劳寿命预测***，包括：
应力获取模块：基于预先获得的轮毂有限元模型，进行单位载荷加载分析和载荷时间序列分析，得到轮毂的应力；
危险区域筛选模块：基于所述轮毂的应力进行疲劳实验得到所述轮毂各部位的疲劳受损度，将所述疲劳受损度通过预先设置的置信区间筛选，得到危险区域；
寿命预测模块：获取所述危险区域的应力，通过关键平面法预测风电机组轮毂疲劳寿命。
优选的，所述应力获取模块中包括轮毂有限元模型建立子模块；
所述有限元模型建立子模块包括：
轮毂模拟模型建立单元：基于所述轮毂实物模型，通过局部特征简化处理，得到轮毂模拟模型；
约束轮毂模型建立单元：基于轮毂模拟模型，采用远程位移约束的方式，得到约束轮毂模型；
有限元模型建立单元：基于所述约束轮毂模型，通过三维绘制软件得到轮毂有限元模型。
优选的，所述有限元模型建立单元，包括：
初始轮毂实物模型建立子单元：将所述轮毂实物模型经过局部特征简化与修改过程，去除轮毂各部件间的连接螺栓孔，得到初始轮毂实物模型；
轮毂模拟模型建立子单元：基于所述初始轮毂实物模型，将变桨轴承外圈与轮毂本体绑定连接，将变桨轴承内圈与叶片假体绑定连接，主轴与轮毂本体绑定连接，变桨轴承内外圈之间的钢球采用模拟滚珠进行模拟，主轴轴承内外圈之间的钢球采用模拟滚珠进行模拟，得到轮毂模拟模型。
与现有技术相比，本发明的有益效果为：
本发明提供了一种大型风电机组轮毂疲劳寿命预测方法与***，包括：基于预先获得的轮毂有限元模型，进行单位载荷加载分析和载荷时间序列分析，得到轮毂的应力；基于所述轮毂的应力进行疲劳实验得到所述轮毂各部位的疲劳受损度，将所述疲劳受损度通过预先设置的置信区间筛选，得到危险区域；获取所述危险区域的应力，通过关键平面法预测风电机组轮毂疲劳寿命。本发明的计算过程粗细结合，先快递粗算整个轮毂的疲劳寿命，得到危险区域，之后对该区域进行局部细算，既提高了计算的准确性，又缩短了计算时间，提交工作效率。本发明提供的计算过程不止适用于风电机组轮毂的疲劳计算，同样适用于主轴、机架等机械部件的疲劳计算。此外，计算流程可重复使用。本发明建立疲劳寿命预测计算分析方法标准流程后，如果风电机组只是载荷更改，只需要在疲劳寿命预测计算分析方法流程中替换载荷时间序列即可，不需要再重复建立计算流程。
附图说明
图1为本发明的预测方法流程图；
图2为风电机组轮毂几何模型；
图3为风电机组轮毂网格模型；
图4为风电机组轮毂单位载荷变形计算结果；
图5为风电机组轮毂单位载荷应力计算结果；
图6为风电机叶片坐标系。
具体实施方式
为了更好地理解本发明，下面结合说明书附图和实例对本发明的内容做进一步的说明。
实施例1：
图1为基于同步量测与灵敏度估计的配电网电压控制方法流程图，如图1所示，本发明提供的一种大型风电机组轮毂疲劳寿命预测方法，包括：
S1、基于预先获得的轮毂有限元模型，进行单位载荷加载分析和载荷时间序列分析，得到轮毂的应力
将一些不影响全局应力的局部特征简化和修改，去掉轮毂接连的所有螺栓孔。
将变桨轴承外圈与轮毂绑定连接，变桨轴承内圈与叶片假体绑定连接，主轴与轮毂绑定连接，变桨轴承内外圈之间的钢球采用杆件进行模拟，主轴轴承内外圈之间的钢球采用杆件进行模拟。
为防止变桨轴承内圈相对于变桨轴承外圈的转动，采用远程位移约束的方式，作用点在变桨轴承以外的位置，作用位置在变桨轴承外圈，通过接触对将其连接。限制其绕变桨坐标系Z轴的转动，主轴完全约束。
建立轮毂的有限元模型，通过三维软件绘制部件的三维模型，去掉不关注的螺栓孔、倒角，就变成用于有限元计算的有限元模型，其中轮毂采用四面体单元进行网格划分，叶片假体、变桨轴承、主轴、主轴轴承采用三维8节点固体结构单元进行网格划分，模拟滚珠采用三维有限应变杆单元，用来模拟轴承传力的形式和滚珠的非线性刚度。共有3个变桨轴承和1个主轴轴承，每个变桨轴承有2个环形滚道，每个滚道采用与一个主轴轴承滚珠相同组数的三维有限应变杆单元，比如每个滚道有100个滚珠，那么每个滚道就采用100组三维有限应变杆单元。主轴轴承模拟同样采用与滚珠数目相同组数的三维有限应变杆单元。
在轮毂的有限元模型上进行单位载荷加载，在叶片1、叶片2、叶片3上分别单独加载单位载荷Mx，My，Mz，Fx，Fy，Fz，共18个工况，Mx：即X方向的弯矩，Fx：即X方向的力，得到18个单位载荷计算结果文件，得到的是单位载荷下模型计算出的应力，用于计算疲劳损伤。
疲劳分析采用载荷时间序列，每个工况为含18个载荷分量即1Mx，1My，1Mz，1Fx，1Fy，1Fz，2Mx，2My，2Mz，2Fx，2Fy，2Fz，3Mx，3My，3Mz，3Fx，3Fy，3Fz为三支叶片上弯矩和力随时间的变化的载荷时间历程，载荷时间序列是指仿真发生的时刻对应的载荷，载荷表第一列为时刻从0-600秒，后面列为对应时刻的载荷。用于与中得到的单位载荷下的应力相结合，得到真实载荷下的应力。
S2、基于所述轮毂的应力进行疲劳实验得到所述轮毂各部位的疲劳受损度，将所述疲劳受损度通过预先设置的置信区间筛选，得到危险区域。
统计疲劳载荷工况的的年出现次数，通过载荷时间序列得到的真实应力用于S-N曲线，得到该时间序列的损伤发生的次数，然后乘以该时间序列的年发生次数，得到最终的损伤发生次数。
计算轮毂所用材料的S-N曲线，S-N曲线即应力-循环疲劳破坏曲线S-N曲线是在恒幅对称载荷下进行疲劳试验，通过绘制数据拟合曲线。。
首先确定置信区间，应用疲劳寿命预测有限元计算分析方法进行快速轮毂整体疲劳分析，确定出危险区域，即计算结果中损伤较大点集中的区域。
S3、获取所述危险区域的应力，通过关键平面法预测风电机组轮毂疲劳寿命
提取危险区域的节点，采用关键平面法再进行详细评估，最终确定疲劳损伤最大的区域及点，关键平面法(critical plane)也是一种疲劳寿命的计算算法，相比粗算时的算法，该算法耗时长，计算更精确。
关键平面法是一种应力叠加方法，将载荷计算结果文件中的应力张量转化为标量的方法。计算过程粗细结合，缩短计算时间。
转换为标量的应力应用到SN曲线中即可得到相应载荷下的损坏次数，所有载荷下的损坏次数n的和与设计循环次数N的比值即为疲劳损伤D。
D＝n/N，
将计算出的疲劳损伤值排序，可约定损伤最大的前50个点为损伤最大区域。
疲劳寿命＝1/疲劳损伤值。
实施例2：
基于同一种发明构思，本发明还提供了一种大型风电机组轮毂疲劳寿命预测***，包括：
应力获取模块：基于预先获得的轮毂有限元模型，进行单位载荷加载分析和载荷时间序列分析，得到轮毂的应力；
危险区域筛选模块：基于所述轮毂的应力进行疲劳实验得到所述轮毂各部位的疲劳受损度，将所述疲劳受损度通过预先设置的置信区间筛选，得到危险区域；
寿命预测模块：获取所述危险区域的应力，通过关键平面法预测风电机组轮毂疲劳寿命。
所述应力获取模块中包括轮毂有限元模型建立子模块；
所述有限元模型建立子模块包括：
轮毂模拟模型建立单元：基于所述轮毂实物模型，通过局部特征简化处理，得到轮毂模拟模型；
约束轮毂模型建立单元：基于轮毂模拟模型，采用远程位移约束的方式，得到约束轮毂模型；
有限元模型建立单元：基于所述约束轮毂模型，通过三维绘制软件得到轮毂有限元模型。
所述有限元模型建立单元，包括：
初始轮毂实物模型建立子单元：将所述轮毂实物模型经过局部特征简化与修改过程，去除轮毂各部件间的连接螺栓孔，得到初始轮毂实物模型；
轮毂模拟模型建立子单元：基于所述初始轮毂实物模型，将变桨轴承外圈与轮毂本体绑定连接，将变桨轴承内圈与叶片假体绑定连接，主轴与轮毂本体绑定连接，变桨轴承内外圈之间的钢球采用模拟滚珠进行模拟，主轴轴承内外圈之间的钢球采用模拟滚珠进行模拟，得到轮毂模拟模型。
所述约束轮毂模型建立单元，包括：
作用点设置子单元：基于轮毂模拟模型，通过所述远程位移约束，在变桨轴承以外的位置设置作用点；
作用位置确定子单元：基于所述轮毂模型，通过所述远程位移约束，确定变桨轴承外圈为作用位置；
约束轮毂模型获取子单元：通过接触将所述作用点和所述作用位置连接，限制变桨轴承坐标系Z轴方向的转动，使主轴完全约束，得到约束轮毂模型。
所述有限元模型建立单元，包括：
初始有限元模型建立子单元：基于所述约束轮毂模型，通过三维绘制软件，去掉螺栓孔、倒角，得到初始轮毂有限元模型；
轮毂有限元模型建立子单元：基于所述初始轮毂有限元模型，将轮毂本体采用四面体单元进行网格划分，将叶片假体、变桨轴承、主轴、主轴轴承采用三维8节点固体结构单元进行网格划分，将模拟滚珠构建成三维有限应变杆单元，得到轮毂有限元模型。
所述轮毂有限元模型建立子单元中的三维有限应变杆单元的构建，按下述步骤设置：
将变桨轴承的模拟滚珠构建成第一三维有限应变杆单元；
将主轴轴承的模拟滚珠构建成第二三维有限应变杆单元；
其中，所述第一三维有限应变杆单元与所述第二三维有限应变杆单元数目相等。
所述应力获取模块，包括：
单位荷载应力获取单元：在所述轮毂有限元模型的三个叶片上分别加载沿X轴、Y轴和Z轴方向上的单位荷载，得到单位荷载应力；
基于所述单位荷载应力，结合载荷时间序列，得到应力；
所述荷载包括：弯矩和力。
所述危险区域筛选模块，包括：
数据拟合曲线获取单元：以所述应力为输入量，进行应力-循环疲劳破坏的疲劳试验，得到数据拟合曲线；
危险区域划分单元：基于所述数据拟合曲线获取各部位的疲劳受损度，并将所述疲劳受损度与所述置信区间进行对比筛选，将置信区间内的疲劳受损度对应的部位为危险区域。
所述寿命预测模块，包括；
标量应力转换单元：采集所述危险区域的真实应力，并将所述真实应力转换为标量应力；
损坏次数获取单元：基于所述标量应力应用到应力循环疲劳破坏曲线中，得到载荷下的损坏次数；
寿命估算单元：基于所述损坏次数通过所述疲劳寿命预算公式预测风电机组轮毂疲劳寿命。
所述寿命估算单元中风电机组轮毂疲劳寿命的计算，按下式所示：
S＝1/D；
式中，D为疲劳损伤值，S为风电机组轮毂疲劳寿命；
其中，D＝n/N；
式中，D为疲劳损伤值，n为荷载下的损坏次数，N为预设的循环次数。
所述寿命预测模块，还包括：
损伤程度排序子模块：根据预设数量，通过疲劳寿命预算公式预测所述风电机组轮毂损伤最严重的区域，并进行排序。
实施例3：
以某一型号的风电机组轮毂为例：
寿命预测步骤如下所示：
将轮毂几何模型进行清理，清理完成的几何模型如图2所示；
对图2的几何模型进行网格划分，划分后的网格模型如图3所示；
对图3的网格模型进行边界条件约束、部件间接触约束；
单位载荷加载计算后，计算结果如图4、图5所示，提取计算结果文件；
应用疲劳寿命预测有限元计算分析方法，加入载荷时间历程和18个单位载荷工况的静强度结果进行计算，风电机组叶片坐标系如图6所示。
首先采用绝对值最大主应力法计算整体损伤，得到危险区域，之后对该区域采用关键平面算法进行局部细算，得到最终的疲劳寿命。
显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。
Claims (14)
1.一种大型风电机组轮毂疲劳寿命预测方法，其特征在于，包括：
基于预先获得的轮毂有限元模型，进行单位载荷加载分析和载荷时间序列分析，得到轮毂的应力；
基于所述轮毂的应力进行疲劳实验得到所述轮毂各部位的疲劳受损度，将所述疲劳受损度通过预先设置的置信区间筛选，得到危险区域；
获取所述危险区域的应力，通过关键平面法预测风电机组轮毂疲劳寿命。
2.如权利要求1所述的一种大型风电机组轮毂疲劳寿命预测方法，其特征在于，所述轮毂有限元模型的建立，包括：
基于所述轮毂实物模型，通过局部特征简化处理，得到轮毂模拟模型；
基于轮毂模拟模型，采用远程位移约束的方式，得到约束轮毂模型；
基于所述约束轮毂模型，通过三维绘制软件得到轮毂有限元模型。
3.如权利要求2所述的一种大型风电机组轮毂疲劳寿命预测方法，其特征在于，所述基于所述轮毂实物模型，通过三维绘制软件，得到轮毂模拟模型，包括：
将所述轮毂实物模型经过局部特征简化与修改过程，去除轮毂各部件间的连接螺栓孔，得到初始轮毂实物模型；
基于所述初始轮毂实物模型，将变桨轴承外圈与轮毂本体绑定连接，将变桨轴承内圈与叶片假体绑定连接，主轴与轮毂本体绑定连接，变桨轴承内外圈之间的钢球采用模拟滚珠进行模拟，主轴轴承内外圈之间的钢球采用模拟滚珠进行模拟，得到轮毂模拟模型。
4.如权利要求2所述的一种大型风电机组轮毂疲劳寿命预测方法，其特征在于，所述基于轮毂模拟模型，采用远程位移约束的方式，得到约束轮毂模型，包括：
基于轮毂模拟模型，通过所述远程位移约束，在变桨轴承以外的位置设置作用点；
基于所述轮毂模型，通过所述远程位移约束，确定变桨轴承外圈为作用位置；
通过接触将所述作用点和所述作用位置连接，限制变桨轴承坐标系Z轴方向的转动，使主轴完全约束，得到约束轮毂模型。
5.如权利要求2所述的一种大型风电机组轮毂疲劳寿命预测方法，其特征在于，所述基于所述约束轮毂模型，通过三维绘制软件得到轮毂有限元模型，包括：
基于所述约束轮毂模型，通过三维绘制软件，去掉螺栓孔、倒角，得到初始轮毂有限元模型；
基于所述初始轮毂有限元模型，将轮毂本体采用四面体单元进行网格划分，将叶片假体、变桨轴承、主轴、主轴轴承采用三维8节点固体结构单元进行网格划分，将模拟滚珠构建成三维有限应变杆单元，得到轮毂有限元模型。
6.如权利要求5所述的一种大型风电机组轮毂疲劳寿命预测方法，其特征在于，所述将模拟滚珠构建成三维有限应变杆单元，包括：
将变桨轴承的模拟滚珠构建成第一三维有限应变杆单元；
将主轴轴承的模拟滚珠构建成第二三维有限应变杆单元；
其中，所述第一三维有限应变杆单元与所述第二三维有限应变杆单元数目相等。
7.如权利要求1所述的一种大型风电机组轮毂疲劳寿命预测方法，其特征在于，所述基于预先获得的轮毂有限元模型，进行单位载荷加载分析和载荷时间序列分析，得到轮毂的单位应力，包括：
在所述轮毂有限元模型的三个叶片上分别加载沿X轴、Y轴和Z轴方向上的单位荷载，得到单位荷载应力；
基于所述单位荷载应力，结合载荷时间序列，得到应力；
所述荷载包括：弯矩和力。
8.如权利要求1所述的一种大型风电机组轮毂疲劳寿命预测方法，其特征在于，所述基于所述轮毂的应力进行疲劳实验得到所述轮毂各部位的疲劳受损度，将所述疲劳受损度通过预先设置的置信区间筛选，得到危险区域，包括：
以所述应力为输入量，进行应力-循环疲劳破坏的疲劳试验，得到数据拟合曲线；
基于所述数据拟合曲线获取各部位的疲劳受损度，并将所述疲劳受损度与所述置信区间进行对比筛选，将置信区间内的疲劳受损度对应的部位为危险区域。
9.如权利要求1所述的一种大型风电机组轮毂疲劳寿命预测方法，其特征在于，所述获取所述危险区域的应力，通过关键平面法预测风电机组轮毂疲劳寿命，包括；
采集所述危险区域的真实应力，并将所述真实应力转换为标量应力；
基于所述标量应力应用到应力循环疲劳破坏曲线中，得到载荷下的损坏次数；
基于所述损坏次数通过所述疲劳寿命预算公式预测风电机组轮毂疲劳寿命。
10.如权利要求9所述的一种大型风电机组轮毂疲劳寿命预测方法，其特征在于，所述基于所述损坏次数通过所述疲劳寿命预算公式预测风电机组轮毂疲劳寿命，按下式计算：
S＝1/D；
式中，D为疲劳损伤值，S为风电机组轮毂疲劳寿命；
其中，D＝n/N；
式中，D为疲劳损伤值，n为荷载下的损坏次数，N为预设的循环次数。
11.如权利要求1所述的一种大型风电机组轮毂疲劳寿命预测方法，其特征在于，所述获取所述危险区域的应力，通过关键平面法预测风电机组轮毂疲劳寿命，还包括：
根据预设数量，通过疲劳寿命预算公式预测所述风电机组轮毂损伤最严重的区域，并进行排序。
12.一种大型风电机组轮毂疲劳寿命预测***，其特征在于，包括：
应力获取模块：基于预先获得的轮毂有限元模型，进行单位载荷加载分析和载荷时间序列分析，得到轮毂的应力；
危险区域筛选模块：基于所述轮毂的应力进行疲劳实验得到所述轮毂各部位的疲劳受损度，将所述疲劳受损度通过预先设置的置信区间筛选，得到危险区域；
寿命预测模块：获取所述危险区域的应力，通过关键平面法预测风电机组轮毂疲劳寿命。
13.如权利要求12所述的一种大型风电机组轮毂疲劳寿命预测***，其特征在于，所述应力获取模块中包括轮毂有限元模型建立子模块；
所述有限元模型建立子模块包括：
轮毂模拟模型建立单元：基于所述轮毂实物模型，通过局部特征简化处理，得到轮毂模拟模型；
约束轮毂模型建立单元：基于轮毂模拟模型，采用远程位移约束的方式，得到约束轮毂模型；
有限元模型建立单元：基于所述约束轮毂模型，通过三维绘制软件得到轮毂有限元模型。
14.如权利要求13所述的一种大型风电机组轮毂疲劳寿命预测***，其特征在于，所述有限元模型建立单元，包括：
初始轮毂实物模型建立子单元：将所述轮毂实物模型经过局部特征简化与修改过程，去除轮毂各部件间的连接螺栓孔，得到初始轮毂实物模型；
轮毂模拟模型建立子单元：基于所述初始轮毂实物模型，将变桨轴承外圈与轮毂本体绑定连接，将变桨轴承内圈与叶片假体绑定连接，主轴与轮毂本体绑定连接，变桨轴承内外圈之间的钢球采用模拟滚珠进行模拟，主轴轴承内外圈之间的钢球采用模拟滚珠进行模拟，得到轮毂模拟模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811278093.9A CN109614640A (zh) | 2018-10-30 | 2018-10-30 | 一种大型风电机组轮毂疲劳寿命预测方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811278093.9A CN109614640A (zh) | 2018-10-30 | 2018-10-30 | 一种大型风电机组轮毂疲劳寿命预测方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109614640A true CN109614640A (zh) | 2019-04-12 |
Family
ID=66001722
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811278093.9A Pending CN109614640A (zh) | 2018-10-30 | 2018-10-30 | 一种大型风电机组轮毂疲劳寿命预测方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109614640A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110348151A (zh) * | 2019-07-17 | 2019-10-18 | 国电联合动力技术有限公司 | 风电机组塔筒法兰连接螺栓设计方法及装置 |
| CN111625910A (zh) * | 2020-05-29 | 2020-09-04 | 华东交通大学 | 一种基于静强度和疲劳约束的柔顺机构拓扑优化方法 |
| CN112329305A (zh) * | 2020-11-05 | 2021-02-05 | 中车株洲电力机车研究所有限公司 | 一种风电机组变桨轴承软带位置及打磨量的确定方法 |
| CN113887108A (zh) * | 2021-10-20 | 2022-01-04 | 西安热工研究院有限公司 | 一种大型风电机组轮毂疲劳寿命预测方法 |
| CN114021288A (zh) * | 2021-11-19 | 2022-02-08 | 西安热工研究院有限公司 | 一种风电机组偏航轴承寿命预测的方法 |
| CN116423527A (zh) * | 2023-06-12 | 2023-07-14 | 之江实验室 | 一种机械臂的构建方法、装置、存储介质及电子设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101393079A (zh) * | 2008-11-06 | 2009-03-25 | 上海交通大学 | 汽车车身结构疲劳寿命预测*** |
| CN103745132A (zh) * | 2014-01-23 | 2014-04-23 | 中国北方发动机研究所(天津) | 一种增压器压气机叶轮叶片振动疲劳可靠寿命评价方法 |
| CN104573172A (zh) * | 2014-11-19 | 2015-04-29 | 新疆金风科技股份有限公司 | 风力发电机组中的结构件的疲劳分析方法和疲劳分析装置 |
| CN105160067A (zh) * | 2015-08-05 | 2015-12-16 | 许继集团有限公司 | 风机变桨轴承与轮毂和叶片连接螺栓强度性能的校核方法 |
| CN107609235A (zh) * | 2017-08-28 | 2018-01-19 | 大连理工大学 | 一种基于工程机械结构的疲劳寿命评估方法 |
| CN108108577A (zh) * | 2018-01-29 | 2018-06-01 | 扬州大学 | 一种水泵叶片疲劳寿命预测及其与导叶最优间距确定方法 |
-
2018
- 2018-10-30 CN CN201811278093.9A patent/CN109614640A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101393079A (zh) * | 2008-11-06 | 2009-03-25 | 上海交通大学 | 汽车车身结构疲劳寿命预测*** |
| CN103745132A (zh) * | 2014-01-23 | 2014-04-23 | 中国北方发动机研究所(天津) | 一种增压器压气机叶轮叶片振动疲劳可靠寿命评价方法 |
| CN104573172A (zh) * | 2014-11-19 | 2015-04-29 | 新疆金风科技股份有限公司 | 风力发电机组中的结构件的疲劳分析方法和疲劳分析装置 |
| CN105160067A (zh) * | 2015-08-05 | 2015-12-16 | 许继集团有限公司 | 风机变桨轴承与轮毂和叶片连接螺栓强度性能的校核方法 |
| CN107609235A (zh) * | 2017-08-28 | 2018-01-19 | 大连理工大学 | 一种基于工程机械结构的疲劳寿命评估方法 |
| CN108108577A (zh) * | 2018-01-29 | 2018-06-01 | 扬州大学 | 一种水泵叶片疲劳寿命预测及其与导叶最优间距确定方法 |
Non-Patent Citations (5)
| Title |
|---|
| 夏耀等: ""高强带肋钢筋疲劳寿命置信区间的分析方法比较"", 《材料科学与工程学报》, vol. 35, no. 4, 31 August 2017 (2017-08-31) * |
| 张晓琳等: ""风力发电机组的轮毂强度与疲劳寿命分析"", 《机械管理开发》, no. 6, 29 August 2016 (2016-08-29), pages 25 - 27 * |
| 晏红文等: ""风力发电机组大型铸件多轴疲劳计算"", 《机械设计 JOURNAL OF MACHINE DESIGN》, vol. 32, no. 9, 30 September 2015 (2015-09-30) * |
| 殷之平: "《结构疲劳与断裂》", 30 June 2012, 西北工业大学出版社, pages: 38 - 39 * |
| 田纵横等: ""基于雨流计数法的高低频复合疲劳试验研究"", 《船舶工程》, 25 October 2018 (2018-10-25) * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110348151A (zh) * | 2019-07-17 | 2019-10-18 | 国电联合动力技术有限公司 | 风电机组塔筒法兰连接螺栓设计方法及装置 |
| CN111625910A (zh) * | 2020-05-29 | 2020-09-04 | 华东交通大学 | 一种基于静强度和疲劳约束的柔顺机构拓扑优化方法 |
| CN111625910B (zh) * | 2020-05-29 | 2022-06-07 | 华东交通大学 | 一种基于静强度和疲劳约束的柔顺机构拓扑优化方法 |
| CN112329305A (zh) * | 2020-11-05 | 2021-02-05 | 中车株洲电力机车研究所有限公司 | 一种风电机组变桨轴承软带位置及打磨量的确定方法 |
| CN112329305B (zh) * | 2020-11-05 | 2023-10-20 | 中车株洲电力机车研究所有限公司 | 一种风电机组变桨轴承软带位置及打磨量的确定方法 |
| CN113887108A (zh) * | 2021-10-20 | 2022-01-04 | 西安热工研究院有限公司 | 一种大型风电机组轮毂疲劳寿命预测方法 |
| CN114021288A (zh) * | 2021-11-19 | 2022-02-08 | 西安热工研究院有限公司 | 一种风电机组偏航轴承寿命预测的方法 |
| CN114021288B (zh) * | 2021-11-19 | 2024-02-20 | 西安热工研究院有限公司 | 一种风电机组偏航轴承寿命预测的方法 |
| CN116423527A (zh) * | 2023-06-12 | 2023-07-14 | 之江实验室 | 一种机械臂的构建方法、装置、存储介质及电子设备 |
| CN116423527B (zh) * | 2023-06-12 | 2023-09-01 | 之江实验室 | 一种机械臂的构建方法、装置、存储介质及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109614640A (zh) | 一种大型风电机组轮毂疲劳寿命预测方法及*** | |
| Chengwei et al. | Dynamic parametric modeling-based model updating strategy of aeroengine casings | |
| CN110210044A (zh) | 风力发电机组的载荷预测方法和装置 | |
| Tinga et al. | Aligning PHM, SHM and CBM by understanding the physical system failure behaviour | |
| CN105008887A (zh) | 使用非接触测量和动态响应重构技术的涡轮机叶片疲劳寿命分析 | |
| Gillaugh et al. | Mistuning evaluation comparison via as-manufactured models, traveling wave excitation, and compressor rigs | |
| CN103646147A (zh) | 一种宇航元器件的成熟度综合评价方法 | |
| CN110487578A (zh) | 基于支座反力和应变的梁结构损伤识别方法 | |
| Liu et al. | Crack growth analysis and fatigue life estimation in the piston rod of a Kaplan hydro turbine | |
| Wu et al. | Development of sensor placement optimization tool and application to large-span cable-stayed bridge | |
| Mohanty et al. | An adaptive neuro fuzzy inference system model for studying free in plane and out of plane vibration behavior of curved beams | |
| Hakim et al. | Structural damage detection using soft computing method | |
| Akintunde et al. | Singular value decomposition and unsupervised machine learning for virtual strain sensing: Application to an operational railway bridge | |
| Chondros | Variational formulation of a rod under torsional vibration for crack identification | |
| CN102682344A (zh) | 一种性能数据伴随的产品寿命及其可靠性预测方法 | |
| Kostka et al. | A simulation-based monitoring of a composite plate using an integrated vibration measurement system | |
| Vettori et al. | Virtual sensing for wind turbine blade full field response estimation in operational modal analysis | |
| CN114021288B (zh) | 一种风电机组偏航轴承寿命预测的方法 | |
| CN111325431A (zh) | 一种卫星***集成成熟度的评估方法 | |
| Häckell | A holistic evaluation concept for long-term structural health monitoring | |
| Nabiyan et al. | Structural identification for dynamic strain estimation in wind turbine towers | |
| Vettori et al. | A virtual sensing approach to operational modal analysis of wind turbine blades | |
| Flores Terrazas et al. | A streamline approach to multiaxial fatigue monitoring using virtual sensing | |
| Drăgoi et al. | Evaluating the lifetime of hydro-mechanical equipment for low head hydropower plants | |
| Cukor et al. | An inverse approach for load identification of cracked wind turbine components |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |