论文部分内容阅读
摘要：模态分析识别对于风机设计与运行十分的重要，目前风机模态分析识别方法有很多种，但这些方法在实际工程运用中出现很多问题。笔者根据最新的研究动态，对实际工程中模态分析的各种方法以及识别精度进行论述，并比较了各种方法的优点与不足。
关键词：风机模态识别；环境激励；综述报告
1、背景及意义
风力发电机由于结构细长并且在高耸塔筒的顶端安装有质量很大的叶轮、机械装置及其附属配件等，这些因素导致风机结构柔度增加，自振频率降低，因此这些细长结构的固有自振频率和由环境以及叶轮旋转所激发的频率非常接近，塔筒将产生较大的振动甚至发生共振，使塔筒产生较大的动应力，并产生较大的疲劳应力幅，缩短整机的使用寿命，甚至导致整机无法工作。所以风机的模态识别与设计对风机的寿命以及正常运行有重要影响。
2、研究现状
2015年，董霄峰等针对干扰信号处理不当易导致模态识别失真与产生虚假模态等问题这一问题提出了基于自适应滤波与集成经验模态分解（EEMD）法的组合降噪方法.该方法可以更加有效地降低各种噪声的干扰以完整保留响应信号中体现结构自身振动的信息，再结合随机减量法（random decrement technique， RDT）和特征系统实现法（eigensystem realization algorithm ，ERA）对重构信号进行模态识别.并与小波阈值方法和“EMD+小波”方法进行比较，发现小波阈值方法和“EMD+小波”方法第2、3阶模态频率变化较不稳定，而文章中方法对实测信号处理后的识别频率随外部环境条件的波动较小，说明该降噪方法对海上风机结构工作模态的稳定识别具有更好的工程适用性[1]。
2004年，Wei-Xin Ren等提出在真实环境激励下模态识别的重要性。介绍两种风机模态分析方法peak picking （PP） method和stochastic subspace identification （SSI） method并用这两个方法对一个15层高的钢筋混凝土建筑和一个钢管拱桥两个现场实例进行了分析。结果显示，两种方法均能有效识别模态， 通过比较可以看出，PP法具有主观性，获得的是结构挠曲形状而不是振型，不过，如果模态很好的分开，这并不是主要缺点，因为挠曲形状十分接近振型，用这种方法识别阻尼不是很准确，但用该方法操作简单节省时间。SSI法可以识别出PP法遗漏的频率，频率识别质量更高，并且在多数情况下可以给出更合理的振型[2]。2013年，M.Damgaard等用两种方法在停机和正常运转的两个工况下研究了估计风机塔架的固有频率和阻尼，第一种方法用函数拟合停机工况下自由振动峰值的衰减来估计阻尼，第二种方法用频谱法来估计阻尼，与第一种方法相比，频谱法具有不影响风机正常运转的优势。并研究了在不同土壤条件下，特定风机模态的变化，结果表明海床的冲刷和沉积对模态有影响[3]。
2013年，R.Shirzadeh等用Polymax求解器分别计算了环境激励条件下以及切出风速条件下风机的第一自振频率，两种工况下，识别出的频率相近与数值计算的结果一致。并指出功率谱中一些小的峰值和浪有关，浪的频率很接近风机的本征频率，因此浪对风机的寿命起到很重要的作用。同时介绍了风机阻尼的组成部分以及阻尼的取值范围[4]. 2015年，Christina Koukour等对用来识别振动结构模态参数的方法Enhanced Frequency Domain Decomposition法进行了介绍。与传统阻尼估计用指数曲线拟合衰减曲线峰值点的方法相比，这种方法操作简单，计算速度快。并用EFDD法来识别了停机和正常运行工况下海上风机的阻尼，同时指出侧向阻尼由于自相关函数和谐波的跳跃现象使侧向阻尼识别不是很准确[5]。
2015年，Wei-Hua Hu等介绍了风力发电系统的技术指标，并建立了有限元模型，分析结构的动力特性。随后的介绍了连续动态监测系统，并采用基于参考最小二乘复频域（p-LSCF）方法以及随机子空间（SSI）法的分析程序对模态进行了识别，并且指出参考最小二乘复频域（p-LSCF）方法比随机子空间（SSI）法识别效果好。研究发现塔架的基频与三个叶片旋转引起的谐波频率匹配时，可以观察到显著地共振。随着风速进一步增大，叶片的旋转速度停止增大，输入能量只有助于塔架振幅的积累[6]。
3、小结
在国内文献中，有关风机识别的文獻较少。对例如高层楼房、桥、大坝等构筑物模态识别的中文文献较多并且运用了很多方法，英文文献海上风机模态识别方向，运用峰值法和随机子空间方法来识别模态较多。模态一步识别算法中，峰值法具有运算速度快操作简单的优点，缺点是模态识别具有人的主观性，识别精度不足。随机子空间法具有同时处理多维数据特点，频率识别质量更高，无需要贵重的激励设备，不需要中断结构的正常使用，SSI识别方法在识别阻尼比时，精度高于增强频域分解（EFDD）法。在噪声条件较好的情况下，SSI对相邻模态的识别要优于增强频域分解（EFDD）法，可以识别出PP法遗漏的频率，但面对响应数据量大时，其计算效率比较低，并且随机子空间方法易受到环境噪声影响，普遍存在定阶有虚假模态的情况。EFDD法实际操作方法简单，EFDD表现出更好的抗噪声性能和识别稳定性。频域分解法（FDD法）要求输入的激励为白噪声，且研究的对象为小阻尼情况。随机减量法（RDT）、峰值拾取法（PP）以及频域分解法（FDD）识别法现场实测较难捕捉其局部模态，不能很好的识别密集模态，但容易获得结构主振模态。
参考文献：
[1]董霄峰，练继建，杨敏，王海军.海上风机结构工作模态识别的组合降噪方法[J].天津大学学报（自然科学与工程技术版），2015，（03）：203-208.
[2] Wei-Xin Ren and Zhou-Hong Zong Output-only modal parameter identification of civil engineering structures Structural Engineering and Mechanics[J]，（17）：No. 3-4 （2004） 000-000.
[3] Cross-wind modal properties of offshore wind turbines identified by full scale testing[J]， Journal of Wind Engineering and Industrial Aerodynamics， 2013（116）： 94-108.
[4]R. Shirzadeh， C. Devriendt， M.A. Bidakhvidi， P. Guillaume， Experimental and computational damping estimation of an offshore wind turbine on a monopile foundation[J]， Journal of Wind Engineering and Industrial Aerodynamics， 2013（120）： 96-106.
[5] Christina Koukoura， Anand Natarajan， Allan Vesth， Identification of support structure damping of a full scale offshore wind turbine in normal operation[J]， Renewable Energy， 2015 （81）： 882-895
[6]Wei-Hua Hu， Sebastian Th?ns， Rolf Günter Rohrmann， Samir Said， Werner Rücker， Vibration-based structural health monitoring of a wind turbine system.Part I： Resonance phenomenon[J]， Engineering Structures， 2015（89）：260-272.
作者简介：
赵俭斌（1960-），男，黑龙江呼兰人，从事风机基础相关研究。
祝 军（1992-），男，硕士，研究方向：风机基础疲劳研究
关键词：风机模态识别；环境激励；综述报告
1、背景及意义
风力发电机由于结构细长并且在高耸塔筒的顶端安装有质量很大的叶轮、机械装置及其附属配件等，这些因素导致风机结构柔度增加，自振频率降低，因此这些细长结构的固有自振频率和由环境以及叶轮旋转所激发的频率非常接近，塔筒将产生较大的振动甚至发生共振，使塔筒产生较大的动应力，并产生较大的疲劳应力幅，缩短整机的使用寿命，甚至导致整机无法工作。所以风机的模态识别与设计对风机的寿命以及正常运行有重要影响。
2、研究现状
2015年，董霄峰等针对干扰信号处理不当易导致模态识别失真与产生虚假模态等问题这一问题提出了基于自适应滤波与集成经验模态分解（EEMD）法的组合降噪方法.该方法可以更加有效地降低各种噪声的干扰以完整保留响应信号中体现结构自身振动的信息，再结合随机减量法（random decrement technique， RDT）和特征系统实现法（eigensystem realization algorithm ，ERA）对重构信号进行模态识别.并与小波阈值方法和“EMD+小波”方法进行比较，发现小波阈值方法和“EMD+小波”方法第2、3阶模态频率变化较不稳定，而文章中方法对实测信号处理后的识别频率随外部环境条件的波动较小，说明该降噪方法对海上风机结构工作模态的稳定识别具有更好的工程适用性[1]。
2004年，Wei-Xin Ren等提出在真实环境激励下模态识别的重要性。介绍两种风机模态分析方法peak picking （PP） method和stochastic subspace identification （SSI） method并用这两个方法对一个15层高的钢筋混凝土建筑和一个钢管拱桥两个现场实例进行了分析。结果显示，两种方法均能有效识别模态， 通过比较可以看出，PP法具有主观性，获得的是结构挠曲形状而不是振型，不过，如果模态很好的分开，这并不是主要缺点，因为挠曲形状十分接近振型，用这种方法识别阻尼不是很准确，但用该方法操作简单节省时间。SSI法可以识别出PP法遗漏的频率，频率识别质量更高，并且在多数情况下可以给出更合理的振型[2]。2013年，M.Damgaard等用两种方法在停机和正常运转的两个工况下研究了估计风机塔架的固有频率和阻尼，第一种方法用函数拟合停机工况下自由振动峰值的衰减来估计阻尼，第二种方法用频谱法来估计阻尼，与第一种方法相比，频谱法具有不影响风机正常运转的优势。并研究了在不同土壤条件下，特定风机模态的变化，结果表明海床的冲刷和沉积对模态有影响[3]。
2013年，R.Shirzadeh等用Polymax求解器分别计算了环境激励条件下以及切出风速条件下风机的第一自振频率，两种工况下，识别出的频率相近与数值计算的结果一致。并指出功率谱中一些小的峰值和浪有关，浪的频率很接近风机的本征频率，因此浪对风机的寿命起到很重要的作用。同时介绍了风机阻尼的组成部分以及阻尼的取值范围[4]. 2015年，Christina Koukour等对用来识别振动结构模态参数的方法Enhanced Frequency Domain Decomposition法进行了介绍。与传统阻尼估计用指数曲线拟合衰减曲线峰值点的方法相比，这种方法操作简单，计算速度快。并用EFDD法来识别了停机和正常运行工况下海上风机的阻尼，同时指出侧向阻尼由于自相关函数和谐波的跳跃现象使侧向阻尼识别不是很准确[5]。
2015年，Wei-Hua Hu等介绍了风力发电系统的技术指标，并建立了有限元模型，分析结构的动力特性。随后的介绍了连续动态监测系统，并采用基于参考最小二乘复频域（p-LSCF）方法以及随机子空间（SSI）法的分析程序对模态进行了识别，并且指出参考最小二乘复频域（p-LSCF）方法比随机子空间（SSI）法识别效果好。研究发现塔架的基频与三个叶片旋转引起的谐波频率匹配时，可以观察到显著地共振。随着风速进一步增大，叶片的旋转速度停止增大，输入能量只有助于塔架振幅的积累[6]。
3、小结
在国内文献中，有关风机识别的文獻较少。对例如高层楼房、桥、大坝等构筑物模态识别的中文文献较多并且运用了很多方法，英文文献海上风机模态识别方向，运用峰值法和随机子空间方法来识别模态较多。模态一步识别算法中，峰值法具有运算速度快操作简单的优点，缺点是模态识别具有人的主观性，识别精度不足。随机子空间法具有同时处理多维数据特点，频率识别质量更高，无需要贵重的激励设备，不需要中断结构的正常使用，SSI识别方法在识别阻尼比时，精度高于增强频域分解（EFDD）法。在噪声条件较好的情况下，SSI对相邻模态的识别要优于增强频域分解（EFDD）法，可以识别出PP法遗漏的频率，但面对响应数据量大时，其计算效率比较低，并且随机子空间方法易受到环境噪声影响，普遍存在定阶有虚假模态的情况。EFDD法实际操作方法简单，EFDD表现出更好的抗噪声性能和识别稳定性。频域分解法（FDD法）要求输入的激励为白噪声，且研究的对象为小阻尼情况。随机减量法（RDT）、峰值拾取法（PP）以及频域分解法（FDD）识别法现场实测较难捕捉其局部模态，不能很好的识别密集模态，但容易获得结构主振模态。
参考文献：
[1]董霄峰，练继建，杨敏，王海军.海上风机结构工作模态识别的组合降噪方法[J].天津大学学报（自然科学与工程技术版），2015，（03）：203-208.
[2] Wei-Xin Ren and Zhou-Hong Zong Output-only modal parameter identification of civil engineering structures Structural Engineering and Mechanics[J]，（17）：No. 3-4 （2004） 000-000.
[3] Cross-wind modal properties of offshore wind turbines identified by full scale testing[J]， Journal of Wind Engineering and Industrial Aerodynamics， 2013（116）： 94-108.
[4]R. Shirzadeh， C. Devriendt， M.A. Bidakhvidi， P. Guillaume， Experimental and computational damping estimation of an offshore wind turbine on a monopile foundation[J]， Journal of Wind Engineering and Industrial Aerodynamics， 2013（120）： 96-106.
[5] Christina Koukoura， Anand Natarajan， Allan Vesth， Identification of support structure damping of a full scale offshore wind turbine in normal operation[J]， Renewable Energy， 2015 （81）： 882-895
[6]Wei-Hua Hu， Sebastian Th?ns， Rolf Günter Rohrmann， Samir Said， Werner Rücker， Vibration-based structural health monitoring of a wind turbine system.Part I： Resonance phenomenon[J]， Engineering Structures， 2015（89）：260-272.
作者简介：
赵俭斌（1960-），男，黑龙江呼兰人，从事风机基础相关研究。
祝 军（1992-），男，硕士，研究方向：风机基础疲劳研究