基于声发射和小波分析的大型风力机叶片材料损伤识别研究

发布时间：2020-10-17 12:06

　　 大型风力机关键部件的可靠性是影响其生产成本和效率的最重要的因素,由于风力状况的复杂性,在风力机运行的时候其叶片、主轴承和增速箱等关键部件会有强烈过载及损伤现象。研究其损伤识别有重要意义,可为进一步的工作——实现其结构健康监测奠定基础。 本课题针对风力机叶片的损伤,应用其叶片材料在损伤时会引起应变而产生声发射,进而利用声发射辨识和诊断故障的特点,首先进行不同形式损伤的声发射时域信号与功率谱的实验对照研究,讨论基于声发射时域信号的损伤辨识的优越性。然后,着重对不同类型损伤的声发射信号进行参数分析,得出各参数对损伤的反应趋势和敏感性。最后,对时域信号特性进行实验研究,借助小波分析的良好时频分析性能,通过对能反映声发射源的频带信号进行重构,来更好更有效的提取声发射信号的本质特征,区别不同类型的损伤。进而挖掘出各种情况损伤的特征,为大型风力机叶片的损伤监测提供有效参考。 通过实验的验证发现:不同类型损伤的功率谱的比较不足以进行损伤识别。而声发射的时频信号则带有较为不同的信息,但单纯比较时域信号的特征,又无法排除噪声等干扰,通过小波分析对含有声发射特征的频带进行重构,重构后的信号可更好的反映声发射源的特征。也足以区分了裂纹损伤和边缘损伤。重构后的信号可更好的反映声发射源的特征。通过对重构信号的分析可识别出较高频特征和低频特征是噪声特征,而不是声发射信号的本质特征。得出识别方法:裂纹损伤的信号表现为逐渐衰减的性质;而边缘损伤的信号则会出现类似周期性的冲击波动,如果边缘损伤持续进行,可能会出现周期性的波形。
【学位单位】：沈阳工业大学
【学位级别】：硕士
【学位年份】：2009
【中图分类】：TK83
【部分图文】：

容量 1347MW，增幅达 107%左右，增速为世界第一。据国家发改委的计划安排，我国的装机容量 2010 年达 5000MW，2015 年达 15000MW，2020 年达 30000MW，拟占届时国内总发电量的 15%左右。因此风力发电在我国未来的十几年间将有相当大的发展空间，形成了当前国内的风电热[1]。1.2.1 大型风力机叶片损伤识别概述大型风力机的可靠性是影响其生产成本和效率的最重要的因素，较高的可靠性可以减少由于故障带来的停机时间，降低高昂的维修费用。大型风力机长期暴露在风沙、雨雪、温度骤变等恶劣环境，承受雷击、闪电、暴风冰霜和电网损坏造成的额外载荷，即承受瞬态、频变疲劳载荷。但由于风力机叶片、主轴承和增速箱等关键部件因受高空气流、腐蚀及风载荷等环境因素影响，造成其载荷状况复杂，状态退化机理和可靠性评估非常复杂，尚不清楚，在今后的几年内，这些问题会大量暴露出来[2]，如图 1.1。

测的覆盖面广，在一次试验过程中，只需要布置足够数量的传够整体探测和评价整个结构中活性缺陷的状态。无损检测通常检测已经形成的缺陷，对几何形状十分敏感，有求进入对象；对于大型构件，过程则复杂繁琐。可以分为广义和狭义两种，狭义通常认为材料受外力或内力作量而产生瞬态弹性波的一种现象。广义的声发射认为在(如泄漏能量波在材料中传播的现象也认为是声发射。我们可以通过接号达到检测和诊断的目的。运用仪器检测、纪录、分析声发射对声发射源进行定量、定性和定位的技术叫声发射检测技术。 是目前最常用的谐振频率为 150kHz 的 AE 传感器的突发型输界反射产生的回波叠加效应和 AE 传感器的振铃效应。

二章 风力机叶片材料损伤试验及信号初步分析 风力机叶片材料损伤试验台的设计设计的实验台简图如图 2.1 所示，由两个木制支架支撑，采用与大型风力机叶片的玻璃钢材料板，切割成同等大小的多块板（长 500mm 宽 200mm）。放置于支架
【引证文献】

相关期刊论文 前1条

1 周伟;孙诗茹;冯艳娜;张亭;韩江云;戚海东;;风电叶片复合材料拉伸损伤破坏声发射行为[J];复合材料学报;2013年02期

相关硕士学位论文 前4条

1 李芒芒;风力机叶片机械损伤动态监测方法与技术研究[D];长沙理工大学;2012年

2 朱昌堆;滚动轴承声发射信号特征选取及状态识别方法研究[D];北京化工大学;2012年

3 杜文超;基于声发射技术的大型风力机叶片材料的损伤研究[D];南京航空航天大学;2012年

4 林鑫;旋转机械故障诊断中微弱信号特征提取方法研究[D];北京化工大学;2013年

本文编号：2844752