一种风电机组结构轻量化的设计方法及系统与流程

本技术属于风力发电领域，具体涉及一种风电机组结构轻量化的设计方法及系统。

背景技术：

1、大型风电机组在追求大容量与长叶片直径的过程中，结构轻量化已成为控制制造成本的核心环节。目前常规的风电机组结构设计主要采用离散部件优化与静态边界加载相结合的工程方法。具体的实施流程中，通常预先依据标准气象参数计算出整机的初始气动载荷，并将该固定的静载荷作为外部边界条件进行输入。在获得这一预设载荷边界后，针对叶片、机舱、塔筒等各自独立的承载部件，分别利用常规的力学仿真软件独立开展尺寸减薄或材料布局等轻量化参数寻优，以此满足机组在极限或疲劳工况下的基本强度要求并尽量控制总重。

2、然而，上述常规的轻量化设计流程在实际工程应用中存在明显的局限。首先，风电机组各部件之间存在极强的载荷传递与耦合关系，单独剥离各部件进行寻优割裂了上下游组件间的动态受载影响，使得这种局部轻量化结果的物理堆叠难以达到整机真实的轻量化极限。其次，对于柔性极强的大型风电机组而言，当结构参数发生轻量化改变后，其在运行受载时必然会产生更为显著的形变。这种受载形变会直接改变机组运行时的真实气动外形，进而导致实际承受的气动载荷发生重分布。现有的单向解耦设计由于未引入受载形变后的载荷重估机制，输出的设计参数往往存在较大偏差；但如果在海量的参数寻优迭代中，每次均调用高精度的流体力学求解器进行气动与结构的全耦合计算，又会导致算力开销过于庞大，使得整体设计过程极难收敛且耗时极长。

技术实现思路

1、本技术针对现有风电机组轻量化设计中因各部件孤立寻优导致全局减重效果受限的技术问题，提供一种风电机组结构轻量化的设计方法及系统。

2、为了实现上述目的，本技术采用以下技术方案予以实现：

3、第一方面，一种风电机组结构轻量化的设计方法，包括：

4、获取目标风电场的气象环境参数和风电机组初始三维结构模型，基于所述气象环境参数计算所述风电机组初始气动载荷；

5、将所述初始气动载荷作为边界条件，对所述初始三维结构模型依次进行多部件轻量化参数寻优，生成轻量化结构参数；

6、将所述轻量化结构参数映射至所述初始三维结构模型，生成轻量化三维结构模型，基于所述边界条件计算所述轻量化三维结构模型的结构形变数据，将所述结构形变数据叠加至所述轻量化三维结构模型中，得到受载变形后的轻量化三维结构模型；

7、将所述受载变形后的轻量化三维结构模型，结合预设位移松弛因子输入至预先构建的气动代理模型中，得到更新后的气动载荷，计算所述更新后的气动载荷与所述初始气动载荷之间的载荷偏差值；

8、在所述载荷偏差值小于预设收敛阈值时，输出当前的所述轻量化结构参数作为最终设计参数，基于所述最终设计参数实现所述风电机组的结构轻量化设计。

9、在一些实施方式中，所述对所述初始三维结构模型依次进行多部件轻量化参数寻优，包括：

10、按照从叶片部件、机舱部件到塔筒部件的传递顺序依次进行轻量化参数寻优，在相邻部件寻优传递时，所述传递顺序在先的部件输出动态响应载荷，并折算为等效疲劳载荷，将所述等效疲劳载荷作为输入边界条件施加于所述传递顺序在后的部件。

11、在一些实施方式中，所述按照从叶片部件、机舱部件到塔筒部件的传递顺序依次进行轻量化参数寻优，包括：

12、以刚度最大化和重量最小化为多目标函数，采用多目标遗传算法对所述叶片部件的铺层顺序与纤维体积分数进行优化，将优化后的所述铺层顺序与纤维体积分数作为叶片轻量化结构参数，并提取优化后的所述叶片部件的动态响应载荷并折算为对应等效疲劳载荷；

13、以所述优化后的叶片部件的等效疲劳载荷为输入边界条件，采用拓扑优化算法对所述机舱部件的拓扑构型与材料分布进行优化，将优化后的所述拓扑构型与材料分布作为机舱轻量化结构参数，并提取优化后的所述机舱部件的动态响应载荷并折算为对应等效疲劳载荷；

14、以所述优化后的机舱部件的等效疲劳载荷为输入边界条件，并以满足屈曲稳定性为约束条件，采用梯度优化算法对所述塔筒部件的分段高度、锥度和壁厚进行优化，将优化后的所述分段高度、锥度和壁厚作为塔筒轻量化结构参数；

15、所述叶片轻量化结构参数、所述机舱轻量化结构参数和所述塔筒轻量化结构参数共同组成所述轻量化结构参数。

16、在一些实施方式中，所述对所述初始三维结构模型依次进行多部件轻量化参数寻优的过程中，以所述风电机组的整体结构一阶固有频率避开预设激励频率区间作为动态约束条件，包括：

17、在每次迭代生成所述轻量化结构参数时，提取当前迭代中的所述初始三维结构模型或所述轻量化三维结构模型的质量矩阵和刚度矩阵进行模态分析，计算当前的所述风电机组的整体结构一阶固有频率；

18、判断当前的所述风电机组的整体结构一阶固有频率是否落入所述预设激励频率区间内，若落入，则将当前的所述风电机组的整体结构一阶固有频率作为惩罚变量加入所述多部件轻量化参数寻优的目标函数。

19、在一些实施方式中，所述气动代理模型通过以下步骤进行预先构建：

20、构建所述风电机组的叶片的柔性梁气弹耦合模型，并获取训练样本集，所述训练样本集包含多组气动外形参数与叶片结构形变参数；

21、将所述训练样本集输入至所述柔性梁气弹耦合模型中，并采用计算流体力学算法进行求解，计算得到与每一组所述气动外形参数和所述叶片结构形变参数相对应的气动载荷；

22、以所述气动外形参数和所述叶片结构形变参数作为输入矩阵，以对应的所述气动载荷作为输出矩阵进行机器学习训练，生成所述气动代理模型。

23、在一些实施方式中，所述构建所述风电机组的叶片的柔性梁气弹耦合模型，包括：

24、基于预设的低空气密度工况的流体参数，对预设的基础翼型进行压力分布迭代，得到最大升阻比对应的目标气动外形参数；

25、将所述目标气动外形参数输入至包含叶片几何非线性的结构力学方程中，提取所述风电机组的叶片的挥舞与摆振耦合参数作为叶片结构形变参数；

26、基于所述目标气动外形参数和所述叶片结构形变参数完成所述柔性梁气弹耦合模型的构建。

27、第二方面，一种风电机组结构轻量化的设计系统，包括：

28、初始载荷计算模块，用于获取目标风电场的气象环境参数和风电机组初始三维结构模型，基于所述气象环境参数计算所述风电机组初始气动载荷；

29、参数寻优模块，用于将所述初始气动载荷作为边界条件，对所述初始三维结构模型依次进行多部件轻量化参数寻优，生成轻量化结构参数；

30、形变重构模块，用于将所述轻量化结构参数映射至所述初始三维结构模型，生成轻量化三维结构模型，基于所述边界条件计算所述轻量化三维结构模型的结构形变数据，将所述结构形变数据叠加至所述轻量化三维结构模型中，得到受载变形后的轻量化三维结构模型；

31、气动更新与评估模块，用于将所述受载变形后的轻量化三维结构模型，结合预设位移松弛因子输入至预先构建的气动代理模型中，得到更新后的气动载荷，计算所述更新后的气动载荷与所述初始气动载荷之间的载荷偏差值；

32、收敛输出模块，用于在所述载荷偏差值小于预设收敛阈值时，输出当前的所述轻量化结构参数作为最终设计参数，基于所述最终设计参数实现所述风电机组的结构轻量化设计。

33、第三方面，一种计算机设备，包括：处理器和计算机可读存储介质；

34、处理器，适于执行计算机程序；

35、计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被所述处理器执行时，实现如所述的一种风电机组结构轻量化的设计方法。

36、第四方面，一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序适于被处理器加载并执行如所述的一种风电机组结构轻量化的设计方法。

37、第五方面，一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时，实现如所述的一种风电机组结构轻量化的设计方法。

38、与现有技术相比，本技术具有以下有益效果：

39、本技术提供一种风电机组结构轻量化的设计方法，通过将所述初始气动载荷作为边界条件，对所述初始三维结构模型依次进行多部件轻量化参数寻优生成轻量化结构参数，并将所述轻量化结构参数映射至所述初始三维结构模型，进而将受载变形叠加重构出的轻量化三维结构模型，结合预设位移松弛因子输入至预先构建的气动代理模型中得到更新后的气动载荷，最终在载荷偏差值小于预设收敛阈值时输出设计参数。该方案利用预先训练的气动代理模型替代了常规方法中全量流体力学计算的过程，在引入受载变形数据进行气弹耦合闭环迭代的同时，将庞大的算力开销降至了工程可接受范围。此设计直接克服了现有技术中各部件孤立寻优导致的全局减重效果受限缺陷，并有效解决了结构受载形变导致气动载荷预测失真与计算效率低下之间的技术矛盾。

40、进一步地，通过按照从叶片部件、机舱部件到塔筒部件的传递顺序依次进行轻量化参数寻优，并在相邻部件传递时输出动态响应载荷并折算为等效疲劳载荷，进而将所述等效疲劳载荷作为输入边界条件施加于所述传递顺序在后的部件，打通了风电机组上下游承载结构之间的数据壁垒，确保了下游部件的优化边界条件是基于上游部件轻量化降重后的真实力学状态，彻底排除了传统静载独立优化带来的局部最优陷阱，保障了多部件协同减重设计的物理可靠性。

41、进一步地，通过采用多目标遗传算法对所述叶片部件的铺层顺序与纤维体积分数进行优化，并以所述优化后的叶片部件的等效疲劳载荷为输入边界条件采用拓扑优化算法对所述机舱部件的拓扑构型与材料分布进行优化，最终以所述优化后的机舱部件的等效疲劳载荷为输入边界条件，结合满足屈曲稳定性的约束条件采用梯度优化算法对所述塔筒部件的分段高度、锥度和壁厚进行优化。将宏观的载荷传递精准下沉至各部件特有的材料与几何约束域内，匹配了适宜的算法与工程设计参数，使得最终组合生成的轻量化结构参数具备高度的制造可行性与结构力学表现。