风电叶片多点静力测试神经网络偏差耦合控制策略

为解决风电叶片全尺寸静力加载测试中叶片参数出现变化时系统加载拉力偏离的问题,文中参照偏差耦合控制方式,通过建立基于偏差耦合控制的反向传播神经网络自整定比例积分微分控制算法,搭建基于Labview的静力测试仿真模型来验证算法的有效性。结果表明,该算法在叶片参数波动微弱情况下加载点拉力维持在较低误差;叶片参数在波动较大情况下加载点拉力出现轻微波动,但维持在符合测试标准内。由此可见,该算法有利于提高系统的鲁棒性,解决了系统拉力在参数变化时偏离的问题,提高了加载曲线的精度,增强了系统的自适应能力。

风电叶片全尺寸静力加载测试载荷扰动分析

为解决风电叶片全尺寸静力加载测试中动滑轮和加载缆索构成的弹簧系统带来的载荷扰动问题,基于牛顿第二定律建立了叶片-加载缆索-动滑轮动力学模型,并基于Simulink和Adams分析了叶片和动滑轮之间的相对位置参数对叶片和动滑轮振动特性的影响。最后,针对某型叶片进行四点静力加载试验。仿真以及试验结果表明,缩小叶片和动滑轮之间挥舞方向的相对距离可以有效地缓解动滑轮和叶片在挥舞方向的抖动现象,并能使叶片和动滑轮的位移快速趋于稳态值,从而减小载荷扰动。在四点静力加载试验的各保持阶段对比中,改进参数后加载点处的实测载荷曲线和目标载荷曲线之间的误差较小,最大误差不超过3%,精度较高。