刘翔宇;王颖;刘珍;王锦;

• 1:内蒙古工业大学机械工程学院

摘要(Abstract)：

在风力机运行过程中，偏侧风状态会导致风能利用率降低，同时降低风机的疲劳寿命。在动态风向变化下，随着侧风角度的变化，风力机叶片上的应变信号存在着规律性变化趋势，但由于应变信号呈现出非平稳、非线性和多种频率成分叠加的复杂特性，使得通过应变信号来揭示侧风角度变化规律有一定难度。文章提出了一种基于应变感知和BP神经网络的风力机风向追踪算法（SPWDP）。首先，通过设计风力机叶片应变测试方案，采集侧风角度变化下的叶片表面的多点应变数据，对应变信号进行变分模态分解（VMD），将叶片应变随侧风角度变化的规律提取出来，定义为风向-应变的特征；然后，使用BP神经网络作为建模算法，对风向-应变特征进行学习，并使用粒子群算法对BP神经网络的初始权值和阈值进行优化；最后，得到动态风向跟踪模型。经风洞实验数据验证，所提SPWPD算法在风力机侧风风向判断上具有可行性。

关键词(KeyWords)： 风向跟踪;叶片应变;变分模态分解;粒子群算法;BP神经网络

Abstract:

Keywords:

基金项目(Foundation): 内蒙古自治区自然科学基金面上项目（2020MS05005）

作者(Authors): 刘翔宇;王颖;刘珍;王锦;

DOI: 10.13941/j.cnki.21-1469/tk.2023.03.013

参考文献(References)：

• [1]辛欣瑶，汪建文，赵爽.基于统计方法的自然风风向预测模型[J].工程热物理学报，2021,42(6):1438-1445.
• [2] Masseran N,Razali A M,Ibrahim K,et al.Fitting a mixture of Von Mises distributions in order to model data on wind direction in Peninsular Malaysia[J].Energy Conversion&Management,2013,72:94-102.
• [3] A Khosravi,R N N Koury,L Machado,et al.Prediction of wind speed and wind direction using artificial neural network,support vector regression and adaptive neurofuzzy inference system[J].Sustainable Energy Technologies and Assessments,2018(25):146-160.
• [4]马剑龙，李佩林，吕文春，等.叶片应变随侧风角度变化的特征分析[J].振动与冲击，2017,36(1):114-119.
• [5]赵元星.气动载荷影响下风力机叶片动态应力特性研究[D].呼和浩特：内蒙古工业大学，2021.
• [6]魏海姣，汪建文，孙晓颖，等.气动力与离心力对风力机叶片应变特性的影响[J].可再生能源，2014,32(7):961-965.
• [7] K Dragomiretskiy,D Zosso.Variational mode decomposition[J].IEEE Transactions on Signal Processing,2014,62(3):531-544.
• [8]王小川，史峰，郁磊.MATLAB神经网络43个案例分析[M].北京：北京航空航天大学出版社，2013.
• [9]丁坤，丁汉祥，王越，等.基于提升小波-BP神经网络的光伏阵列短期功率预测[J].可再生能源，2017,35(4):566-571.
• [10]肖成，焦智，孙介涛，等.基于小波BP神经网络的风电机组变桨系统故障预测[J].可再生能源，2017,35(6):893-899.
• [11] Kennedy J, Eberhart R. Particle swarm optimization[A].IEEE International Conference on Neural Networks[C].Perth:IEEE,2002.1942-1948.
• [12]王赢政.风向非匀速变化工况下叶片动应力特性的实验研究[D].呼和浩特：内蒙古工业大学，2021.
• [13]付晓强，俞缙，刘纪峰，等.隧道爆破振动信号畸变校正及特征提取研究[J].工程爆破，2022,28(1):1-9.