基于北斗定位的风电机组叶片状态监测方法及相关设备与流程

本技术涉及数据处理，尤其涉及基于北斗定位的风电机组叶片状态监测方法及相关设备。

背景技术：

1、在相关技术中，大型风电机组叶片在复杂载荷下产生多模态耦合振动，导致疲劳损伤累积，亟需实时形变监测与主动抑振。相关技术主要存在三大瓶颈；绝对空间基准缺失，现有传感器仅能获取局部相对运动，叶片旋转和偏航等刚体运动与弹性形变相互耦合，难以精确解耦，导致形变测量存在系统性误差；稀疏传感与全域重建的矛盾，叶片内部布线受限，可布设传感器极少，从离散点重建全域动态形变场属典型稀疏观测难题，传统插值精度低，纯数据驱动网络跨工况泛化能力差。上述问题长期制约叶片状态监测。

技术实现思路

1、本技术的主要目的在于提供一种基于北斗定位的风电机组叶片状态监测方法及相关设备，旨在解决如何准确监测叶片状态的技术问题。

2、为实现上述目的，本技术提出一种基于北斗定位的风电机组叶片状态监测方法，在风电机组叶片上沿展向布设多个监测截面，每个监测截面处固定安装北斗定位接收机天线和惯性测量单元，并在风电机组机舱顶部安装机舱主接收机，所述基于北斗定位的风电机组叶片状态监测方法包括：

3、基于北斗定位接收机天线、机舱主接收机和风电机组塔筒底部的塔基基准站，通过对比信号差异，构建高精度定位的测量基线，以实时解算各监测截面的三维绝对空间坐标和动态姿态角；

4、融合所述三维绝对空间坐标和所述动态姿态角，并从总运动中剔除叶片整体旋转和偏航的刚体运动分量，得到各监测截面的弹性形变位移时间序列；

5、将所述弹性形变位移时间序列和基于惯性测量单元获取的角速度数据，输入至预设叶片状态监测模型，以通过前向传播计算并输出叶片表面及内部任意位置的三维位移场，其中，所述预设叶片状态监测模型的损失函数中嵌入有叶片运动方程的不平衡量，所述叶片运动方程的不平衡量用于约束三维位移场符合物理规律。

6、在一实施例中，所述融合所述三维绝对空间坐标和所述动态姿态角，并从总运动中剔除叶片整体旋转和偏航的刚体运动分量，得到各监测截面的弹性形变位移时间序列的步骤，还包括：

7、以基于惯性测量单元获取的高频加速度数据和角速度数据作为状态预测输入，以基于北斗定位接收机天线解算出的低频三维绝对空间坐标和动态姿态角作为观测更新输入，通过数据融合算法进行紧耦合融合，得到各监测截面的精确空间位姿；

8、建立叶片旋转坐标系与全局坐标系的转换关系，以确定所述精确空间位姿中的叶片整体旋转角位移和偏航角位移；

9、从所述精确空间位姿中减去所述叶片整体旋转角位移和偏航角位移对应的刚体运动分量，获得各监测截面处仅由弹性形变产生的位移时间序列。

10、在一实施例中，所述将所述弹性形变位移时间序列和基于惯性测量单元获取的角速度数据，输入至预设叶片状态监测模型的步骤之前，还包括：

11、构建以叶片形状和材料沿长度方向变化的梁结构为理论模型的叶片运动方程，所述叶片运动方程包含挥舞方向、摆振方向和扭转方向的多方向振动耦合项以及形状变化引起的非线性项；

12、基于不平衡量形式的所述叶片运动方程，构建总损失函数，基于所述总损失函数，构建叶片状态监测模型；

13、采集叶片仿真模型在多组典型工况下生成的仿真数据，并将所述仿真数据设定为样本数据，所述仿真数据包括叶片各离散点的三维位移、应变和应力；

14、基于所述样本数据，对叶片状态监测模型进行迭代训练，得到预设叶片状态监测模型。

15、在一实施例中，所述通过前向传播计算并输出叶片表面及内部任意位置的三维位移场的步骤之后，还包括：

16、从所述三维位移场中提取当前叶片的主要振动模式特征，所述主要振动模式特征包括挥舞振动频率、摆振振动频率、扭转振动频率、各种振动频率对应的衰减速度、振动幅度和弯曲形态分布；

17、将所述主要振动模式特征与预先设定的报警数值进行比较，当任一振动模式特征的幅度超过所述报警数值时，生成监测预警信号。

18、在一实施例中，所述生成监测预警信号的步骤之后，还包括：

19、将所述主要振动模式特征作为搜索查询条件，在预先构建的运维知识关系网络中执行信息检索与生成相结合的操作，以召回与当前振动模式特征最相似的历史运行情况案例，并召回与所述历史运行情况案例对应的减振策略和执行效果评价；

20、基于所述当前振动模式特征和所述执行效果评价，对所述减振策略进行优化；

21、基于优化后的减振策略，进行振动抑制。

22、在一实施例中，所述基于优化后的减振策略，进行振动抑制的步骤，还包括：

23、基于预先设置的风电机组物理限值集合，对优化后的减振策略进行可行性检查；

24、若优化后的减振策略中的控制参数的推荐范围完全落于所述物理限值集合所限定的安全边界之内，则判定检查通过，并将优化后的减振策略转换为可执行的控制指令序列；

25、若优化后的减振策略中的控制参数的推荐范围部分超出所述安全边界，则对所述控制参数的推荐范围进行截断和重新调整，直至调整后的减振策略完全满足所有物理限值要求；

26、将检查通过后得到的控制指令序列下发给对应的主动减振执行部件，以进行振动抑制，所述主动减振执行部件包括独立变桨控制器、尾缘襟翼驱动器以及电磁阻尼调节器。

27、此外，为实现上述目的，本技术还提出一种基于北斗定位的风电机组叶片状态监测装置，所述基于北斗定位的风电机组叶片状态监测装置包括：

28、构建模块，所述构建模块用于基于北斗定位接收机天线、机舱主接收机和风电机组塔筒底部的塔基基准站，通过对比信号差异，构建高精度定位的测量基线，以实时解算各监测截面的三维绝对空间坐标和动态姿态角；

29、融合模块，所述融合模块用于融合所述三维绝对空间坐标和所述动态姿态角，并从总运动中剔除叶片整体旋转和偏航的刚体运动分量，得到各监测截面的弹性形变位移时间序列；

30、计算模块，所述计算模块用于将所述弹性形变位移时间序列和基于惯性测量单元获取的角速度数据，输入至预设叶片状态监测模型，以通过前向传播计算并输出叶片表面及内部任意位置的三维位移场，其中，所述预设叶片状态监测模型的损失函数中嵌入有叶片运动方程的不平衡量，所述叶片运动方程的不平衡量用于约束三维位移场符合物理规律。

31、此外，为实现上述目的，本技术还提出一种基于北斗定位的风电机组叶片状态监测设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上文所述的基于北斗定位的风电机组叶片状态监测方法的步骤。

32、此外，为实现上述目的，本技术还提出一种存储介质，所述存储介质为计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上文所述的基于北斗定位的风电机组叶片状态监测方法的步骤。

33、此外，为实现上述目的，本技术还提供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上文所述的基于北斗定位的风电机组叶片状态监测方法的步骤。

34、本技术提出的一个或多个技术方案，至少具有以下技术效果：

35、本技术公开了一种基于北斗定位的风电机组叶片状态监测方法及相关设备，涉及数据处理技术领域，与相关技术中，相关技术主要存在三大瓶颈；绝对空间基准缺失，现有传感器仅能获取局部相对运动，叶片旋转和偏航等刚体运动与弹性形变相互耦合，难以精确解耦，导致形变测量存在系统性误差；稀疏传感与全域重建的矛盾，叶片内部布线受限，可布设传感器极少，从离散点重建全域动态形变场属典型稀疏观测难题，传统插值精度低，纯数据驱动网络跨工况泛化能力差相比，在本技术中，首先，基于北斗定位接收机天线、机舱主接收机和风电机组塔筒底部的塔基基准站，通过对比信号差异，构建高精度定位的测量基线，以实时解算各监测截面的三维绝对空间坐标和动态姿态角，然后，融合所述三维绝对空间坐标和所述动态姿态角，并从总运动中剔除叶片整体旋转和偏航的刚体运动分量，得到各监测截面的弹性形变位移时间序列，最后，将所述弹性形变位移时间序列和基于惯性测量单元获取的角速度数据，输入至预设叶片状态监测模型，以通过前向传播计算并输出叶片表面及内部任意位置的三维位移场，其中，所述预设叶片状态监测模型的损失函数中嵌入有叶片运动方程的不平衡量，所述叶片运动方程的不平衡量用于约束三维位移场符合物理规律。

36、可以理解的是，本技术通过北斗与惯性融合解耦刚体运动，并利用嵌入运动方程不平衡量的模型约束物理规律，实现叶片三维形变场的高精度重建，从而准确监测叶片状态。