考虑桨叶旋转采样效应的海上风力发电机组支撑结构疲劳分析

基于多体动力学-有限元一体化分析模型,对海上风力发电机组支撑结构的疲劳损伤进行数值模拟分析。为了考虑桨叶旋转采样效应,提出一种基于三维波数-频率联合谱的时-空直接转换法。该方法无需进行风速场的空间离散与插值,能精确给出旋转桨叶任一单元在任意时刻经历的风速、给出旋转采样风速谱的显式表达,揭示由旋转采样效应导致的风速在频域内发生能量重分布的机制。在此基础上,采用该方法对风-浪共同作用下的单桩式大型海上风力发电机组支撑结构的疲劳损伤与疲劳寿命进行分析,并重点对是否考虑桨叶旋转采样效应对支撑结构疲劳损伤的影响进行对比研究。结果表明,桨叶旋转采样效应使得风力发电机组支撑结构的疲劳损伤显著增加,疲劳寿命明显减小。

基于旋转采样光场数据的物体表面重构

光场的旋转采样模式与图像重建的扫描模式具有相似的几何特性.借鉴图像重建的全刻画模型,提出一种基于旋转采样光场数据的物体表面重构算法,给出了旋转采样光场的参数化表示方法,建立了刻画旋转采样光场数据与物体表面关系的模型,得到物体表面特征点对应光线在旋转采样光场中的分布函数.根据分布函数结合图像的特征点匹配建立表面特征点位置的重构算法,由表面特征点生成物体表面的三维点云,实现物体的三维表面重构.实验结果验证了提出的基于旋转采样光场数据的物体表面重构算法的可行性和有效性.

旋转采样机粒度偏析机理

本文建立了旋转类采样机包含皮带中部采样机、旋斗采样机、旋转缩分机、旋管缩分机的通用数学模型,推导了截取料流时的轨迹方程、速度方程、最大速度波动公式、最大面积波动公式,从数学分析角度阐述了粒度偏析机理,找到了减少粒度偏析及提高采样精度的有效途径。

旋转式防尘采样斗的设计与应用

针对末精煤采样过程中的安全健康防护需求,设计了一种旋转式防尘采样斗装置,起到了主动型安全健康防护作用,取得了良好的使用效果。

风力机旋转叶片脉动风场建模与数值仿真

分析了风力机风场模型与普通建筑风场模型的相同点和不同点,指出叶片的转动将改变叶片上风速模拟点风速谱的能量分布,使相当部分的频率能量集中到风轮旋转频率及其倍频处。根据标准vonKarman模型和旋转采样谱模型,推导并建立了风力机叶片的脉动风速谱功率矩阵,并在此基础上,采用谐波叠加法模拟了叶片脉动风速模拟点的风速时序数据。

大型风电机组脉动风场建模与数值仿真

分析了风电机组风场模型与普通建筑风场模型的异同,指出叶片的周期性运动将改变风速谱的频率成分分布,使相当部分的频率成分集中到风轮旋转频率及其倍频处。根据标准von Karman模型和旋转采样谱模型,分别推导并建立了风电机组固定部件和叶片上脉动风速谱功率矩阵,并在此基础上采用谐波叠加法模拟了风电机组各部件的风速时序数。

本征正交分解法在风电机组风场模拟中的应用

为确定风电机组气动和结构分析所需的紊流风速,采用谐波叠加法和本征正交分解法相结合的方式,运用B样条曲面插值策略准确、高效进行风电机组的风场模拟研究。风场模拟时综合考虑叶片旋转采样、"叶片-塔筒"风场相干性及平均风剖面的影响。以某1.5 MW水平轴风力机为例模拟其顺风向风速时程,其中不动点的脉动风速模拟功率谱与目标谱吻合良好,验证了模拟方法的正确性;而叶片上点由于旋转采样导致脉动风速模拟功率谱与源谱相比能量分布发生改变,在叶片旋转频率的倍数处出现尖峰。

风力机湍流滤波器设计与等效风速的产生

准确构建湍流风速模型对风力机全系统仿真、平稳功率控制、系统动态特性、控制系统设计等方面至关重要。针对湍流发生实时性不强的问题,提出了应用于实时仿真的湍流谱滤波器的设计方法,将高斯白噪声通过所设计的湍流谱滤波器能够获得实时仿真湍流风速,仿真分析表明湍流滤波器能够应用于实时湍流风速的产生。同时,提出了融合风切变、塔影效应、湍流和旋转采样的等效风速实现方法,并在仿真软件中建立了等效风速发生系统。通过对某实际湍流风速仿真分析表明,基于所设计的湍流滤波器的等效风速发生系统是有效可行的。

基于灰度信息的人脸检测系统

提出了一种基于灰度信息的人脸检测系统的结构和方法。该系统是由两级分类器组成,这样既加快了系统检测速度,又保证了其检测精度。两级分类器均是由RBF神经网络构成,并且第二级分类器通过有效的机器学习方法: Adaboost,提高了其识别能力。该方法根据一定的规则把多个弱分类器组合成一个强的分类器,从而达到提高识别率的目的。 实验表明,通过Adaboost增强后,分类器检测能力要优于SVM分类器。另外,由于采用了旋转采样窗口,该系统可以检测到轻微平面旋转(<±20°)的人脸。

基于PCA-SIFT算法的产品表面缺陷检测研究

针对复杂产品表面正确性的快速自动无损检测问题,提出了一种基于PCA-SIFT算法的自动识别。该算法是对基于尺度旋转不变性(SIFT)算法的改进,在保证识别精确度的前提下,利用主元分析法(PCA)进行降维处理,改变了描述子的生成方式,以减少计算的时间,提高算法的实时性,最后通过相关度计算判别各区域有无缺陷。实验表明在保证准确率的前提下本论文所提出的算法比单独使用SIFT算法平均可以节省0.5s。