当前位置：文档之家 › 叶片基于神经网络与果蝇优化算法的涡轮叶片低循环疲劳寿命健壮性设计

叶片基于神经网络与果蝇优化算法的涡轮叶片低循环疲劳寿命健壮性设计

  • 格式：pdf
  • 大小：583.85 KB
  • 文档页数：6

第２８卷第５期　２０１３年５月　航空动力学报　Ｊｏｕｒｎａｌ　ｏｆ　Ａｅｒｏｓｐａｃｅ　Ｐｏｗｅｒ　Ｖｏｌ＿２８　ＮＯ．５　Ｍａｙ　２０１３　

文章编号：１０００—８０５５（２０１３）０５　１０１３—０６　

基于神经网络与果蝇优化算法的涡轮叶片　低循环疲劳寿命健壮性设计　周　平，白广忱　（北京航空航天大学能源与动力工程学院，北京１００１９１）　摘　要：在对涡轮叶片低循环疲劳寿命概率分析的基础上，将广义回归型神经网络（ｇｅｎｅｒａｌｉｚｅｄ　ｒｅｇｒｅｓ—　ｓｉｏｎ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ，ＧＲＮＮ）与果蝇优化算法（ｆｒｕｉｔ　ｆｌｙ　ｏｐｔｉｍｉｚａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ，ＦＦＯＡ）结合，利用果蝇优化算　法的多点全局的快速搜索能力来优化影响疲劳寿命的随机变量，进行涡轮叶片低循环疲劳寿命健壮性优化　设计．优化结果表明：疲劳寿命的概率区间减小１７．９Ｖ０，对随机变量的敏感度降低，从而可以更精确地对疲劳　寿命进行估计．计算结果验证了该方法在工程应用中的可行性．　关键词：涡轮叶片；低循环疲劳；概率寿命；广义回归型神经网络；果蝇优化算法；健壮性　中图分类号：Ｖ２１　文献标志码：Ａ　

Ｒｏｂｕｓｔ　ｄｅｓｉｇｎ　ｏｆ　ｔｕｒｂｉｎｅ—ｂｌａｄｅ　ｌｏｗ　ｃｙｃｌｅ　ｆａｔｉｇｕｅ　ｌｉｆｅ　ｂａｓｅｄ　ｏｎ　

ｎｅｕｒａｌ　ｎｅｔｗｏｒｋｓ　ａｎｄ　ｆｒｕｉｔ　ｆｌｙ　ｏｐｔｉｍｉｚａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　

ＺＨＯＵ　Ｐｉｎｇ，ＢＡＩ　Ｇｕａｎｇ—ｃｈｅｎ　

（Ｓｃｈｏｏｌ　ｏｆ　Ｅｎｅｒｇｙ　ａｎｄ　Ｐｏｗｅｒ　Ｅｎｇｉｎｅｅｒｉｎｇ，　

Ｂｅｉｊｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ａｅｒｏｎａｕｔｉｃｓ　ａｎｄ　Ａｓｔｒｏｎａｕｔｉｃｓ，Ｂｅｉｊｉｎｇ　１００１９１，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｂｙ　ｃｏｍｂｉｎｉｎｇ　ｇｅｎｅｒａｌｉｚｅｄ　ｒｅｇｒｅｓｓｉｏｎ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ（ＧＲＮＮ）ｗｉｔｈ　ｆｒｕｉｔ　ｆｌｙ　

ｏｐｔｉｍｉｚａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ（ＦＦＯＡ）ａｎｄ　ｕｓｉｎｇ　ＦＦＯＡ　ｍｕｌｔｉ—ｐｏｉｎｔ　ｇｌｏｂａｌ　ｓｅａｒｃｈ　ａｂｉｌｉｔｙ　ｔｏ　ｏｐｔｉｍｉｚｅ　ｔｈｅ　ｒａｎｄｏｍ　ｖａｒｉａｂｌｅ　ｗｈｉｃｈ　ａｆｆｅｃｔｓ　ｔｈｅ　ｆａｔｉｇｕｅ　ｌｉｆｅ，ａ　ｒｏｂｕｓｔ　ｏｐｔｉｍｉｚａｔｉｏｎ　ｄｅｓｉｇｎ　ｆｏｒ　ｌｏｗ　ｃｙｃｌｅ　

ｆａｔｉｇｕｅ　ｌｉｆｅ　ｏｆ　ｔｕｒｂｉｎｅ——ｂｌａｄｅ　ｃａｎ　ｂｅ　ｍａｄｅ　ｏｎ　ｔｈｅ　ｂａｓｅ　ｏｆ　ｐｒｏｂａｂｉｌｉｔｙ　ａｎａｌｙｓｉｓ　ｆｏｒ　ｔｕｒｂｉｎｅ——ｂｌａｄｅ　

ｌｏｗ　ｃｙｃｌｅ　ｆａｔｉｇｕｅ　ｌｉｆｅ．Ｏｐｔｉｍｉｚａｔｉｏｎ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ｐｒｏｂａｂｉｌｉｔｙ　ｉｎｔｅｒｖａｌ　ｏｆ　ｆａｔｉｇｕｅ　ｌｉｆｅ　ｄｅｃｒｅａｓｅｓ　１　７．９　，ａｎｄ　ｔｈｅ　ｓｅｎｓｉｔｉｖｉｔｙ　ｏｆ　ｔｈｅ　ｌｏｗ　ｃｙｃｌｅ　ｆａｔｉｇｕｅ　ｌｉｆｅ　ｏｆ　ｔｈｅ　ｒａｎｄｏｍ　ｖａｒｉａｂｌｅ　ｃａｎ　

ｂｅ　ｒｅｄｕｃｅｄ，ＳＯ　ｔｈｅ　ｆａｔｉｇｕｅ　ｌｉｆｅ　ｃａｎ　ｂｅ　ｅｓｔｉｍａｔｅｄ　ｍｏｒｅ　ａｃｃｕｒａｔｅｌｙ．Ｏｐｔｉｍｉｚａｔｉｏｎ　ｒｅｓｕｌｔｓ　ｉｎｄｉ—　ｃａｔｅ　ｔｈａｔ　ｔｈｅ　ｐｒｏｐｏｓｅｄ　ｍｅｔｈｏｄ　ｉｓ　ａｖａｉｌａｂｌｅ　ａｎｄ　ｆｅａｓｉｂｌｅ　ｆｏｒ　ｔｈｅ　ｅｎｇｉｎｅｅｒｉｎｇ　ａｐｐｌｉｃａｔｉｏｎ．　

Ｋｅｙ　ｗｏｒｄｓ：ｔｕｒｂｉｎｅ—ｂｌａｄｅ；ｌｏｗ　ｃｙｃｌｅ　ｆａｔｉｇｕｅ；ｐｒｏｂａｂｉｌｉｔｙ　ｌｉｆｅ；　

ｇｅｎｅｒａｌｉｚｅｄ　ｒｅｇｒｅｓｓｉｏｎ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ（ＧＲＮＮ）：　

ｆｒｕｉｔ　ｆｌｙ　ｏｐｔｉｍｉｚａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ（ＦＦＯＡ）；ｒｏｂｕｓｔ　

涡轮叶片低循环疲劳失效是涡轮叶片结构失　

效的主要形式之一　，并且低循环疲劳寿命具有　

很大的分散性，因此对涡轮叶片进行低循环疲劳　寿命概率分析具有重要意义．传统的强度寿命分　

析都是以确定性的几何参数和材料参数进行分析　计算，而涡轮叶片真实工作环境中各种参数都存　在着不确定性，因此考虑参数的不确定性对叶片　

结构进行低循环疲劳寿命概率分析才能更真实展　

现疲劳寿命概率分布．由于涡轮叶片模型非常复　杂，直接利用Ｍｏｎｔｅ—Ｃａｒｌｏ方法结合有限元进行　

收稿日期：２０１２—０５—１９　网络出版地址：ｈｔｔｐ：／／ｗｗｗ．ｃｎｋｉ．ｎｅｔ／ｋｃｍｓ／ｄｅｔａｉ１／１１．２２９７．Ｖ．２０１３０５０８．０９４９．２０１３０５．１０１３００８．ｈｔｍｌ　作者简介：周平（１９８９一），男，陕西兴平人，硕士生，研究方向为发动机结构可靠性和优化设计．　航空动力学报　第２８卷　

疲劳寿命概率分析，计算量大，效率低．广义回归　型神经网络（ＧＲＮＮ）具有强大的非线性映射能　

力，训练速度快，精度高．用ＧＲＮＮ来模拟随机变　量与疲劳寿命之间的函数关系，然后用Ｍｏｎｔｅ—　

Ｃａｒｌｏ方法结合ＧＲＮＮ进行疲劳寿命概率分析，　不但可以满足精度要求，而且效率高，已经在相关　文献中得到验证［２＿３１．　

健壮性设计是由日本质量专家Ｔａｇｕｃｈｉ＿４　提　

出的一种质量改进技术，是一种有效减小产品质　

量波动的方法，近年来健壮性设计思想被引人工　程领域ｌ＿５。］．健壮性设计基于两点原则，一方面使　

目标值接近最优均值，另一方面使目标值的波动　

范围越小越好．　由于随机变量波动的影响使得涡轮叶片低循　

环疲劳寿命分布具有很大的概率区间，因此需要　对涡轮叶片低循环疲劳寿命进行健壮性设计　］。　

对疲劳寿命分布产生影响的变量分为可控变量和　不可控变量　］，在低循环疲劳寿命概率分析的基　

础上通过ＦＦＯＡ算法结合ＧＲＮＮ对可控变量进　

行优化，使疲劳寿命对变量波动的敏感性降低，概　率分布区问减小，进而更精确地估计涡轮叶片低　

循环疲劳寿命．　

广义回归型神经网络　

ＧＲＮＮ是径向基函数神经网络的一种变化　

形式，它由一个径向基隐含层和一个特殊的线性　网络层组成，由于训练速度快，非线性映射能力很　强，通常用来实现函数逼近＿１　．ＧＲＮＮ的结构如　

图１所示，它由输入层（　个神经元），隐含层（Ｐ　个径向基神经元）和输出层（ｑ个线性神经元）组　

成，其中隐含层选用Ｇａｕｓｓ函数Ｒ（ｚ）作为基　函数．　

Ｒ．　）　

图１　ＧＲＮＮ结构　Ｆｉｇ．１　Ｓｔｒｕｃｔｕｒｅ　ｏｆ　ＧＲＮＮ　

２果蝇优化算法　

果蝇优化算法（ＦＦＯＡ）是由中国台湾学者　Ｐａｎｃ“　根据果蝇寻找食物的方法得到启发而提出　的一种新型优化算法．果蝇寻找食物是根据食物　

气味浓度来判断飞行方向，而且果蝇种群初始飞　行方向是随机的，如果一个种群中的某个果蝇飞　

行方向的食物气味浓度最高，其他的果蝇都会朝　

此方向飞行，以此位置为初始位置继续随机飞行，　

以此类推就会寻找到食物．将其原理用于优化算　法，就可以由目标函数与目标值之间的差来寻找　

飞行方向，最终找到最优解．由于果蝇种群是在全　局范围随机飞行，因此可以避免局部最优化，而且　

由于众多果蝇同时寻找，因此收敛速度快．ＦＦＯＡ　

的流程图如图２所示．　

图２　ＦＦＯＡ流程图　Ｆｉｇ．２　Ｆｌｏｗ　ｃｈａｒｔ　ｏｆ　ＦＦＯＡ　

３涡轮叶片热一结构耦合分析　

涡轮叶片结构复杂，直接在有限元软件中进　行建模很困难，因此在三维绘图软件ＵＧ中对叶　

片进行建模，然后将建好的模型导入到有限元分　析软件ＡＮＳＹＳ中对叶片结构进行网格划分和　

热一结构耦合分析，涡轮叶片的叶身部分采用六面　

体单元进行网格划分，榫头部分采用四面体单元　进行网格划分，涡轮叶片结构网格划分后模型如　

图３所示．涡轮叶片材料为ＧＨ４０３３高温合金，叶　

片工作转速为４　７００　ｒ／ｍｉｎ，密度为８．２　ｇ／ｃｍ。．

　航空动力学报　第２８卷　

证样本，对训练好的ＧＲＮＮ进行检验，结果显示　ＧＥＮＮ的函数拟合精度满足相对误差小于１　９／６．　

表１可靠性分析随机变量　Ｔａｂｌｅ　１　Ｒａｎｄｏｍ　ｖａｒｉａｂｌｅｓ　ｆｏｒ　ｒｅｌｉａｂｉｌｉｔｙ　ａｎａｌｙｓｉｓ　

利用Ｍｏｎｔｅ—Ｃａｒｌｏ方法对训练好的ＧＲＮＮ　

进行１０００００次随机抽样，得到叶根最大应力处　

的低循环疲劳寿命分布，如图６所示，横坐标是低　循环疲劳寿命Ｎ　，纵坐标是抽样次数．由图可知　最小的寿命为９　３０１，最大的寿命为１０９　３６０．均值　

为３０　６１１．叶片低循环疲劳寿命Ｎ　的累计概率分　

布函数如图７所示．　通过Ｍｏｎｔｅ—Ｃａｒｌｏ方法结合ＧＲＮＮ进行低　

循环疲劳寿命计算，只需１　ｈ左右时间，而且精度　可以达到工程要求水平，而直接调用有限元进行　

１０００００次抽样将要花费几千小时，所耗费的时间　是难以承受的，因此使用ＧＲＮＮ来模拟复杂程度　

高、多输入变量、非线性程度高的问题不但精度　

高，而且效率也非常高．　

最　

低循环疲劳寿命　１０　

图６低循环疲劳寿命分布　Ｆｉｇ．６　Ｄｉｓｔｒｉｂｕｔｉｏｎ　ｏｆ　ｌｏｗ　ｃｙｃｌｅ　ｆａｔｉｇｕｅ　ｌｉｆｅ　低循环疲劳寿命　１（）４　

图７低循环疲劳寿命累计概率分布　Ｆｉｇ．７　Ｃｕｍｕｌａｔｉｖｅ　ｐｒｏｂａｂｉｌｉｔｙ　ｄｉｓｔｒｉｂｕｔｉｏｎ　ｏｆ　ｌｏｗ　ｃｙｃｌｅ　ｆａｔｉｇｕｅ　ｌｉｆｅ　

５　涡轮叶片低循环疲劳寿命健壮性　

设计　

５．１　低循环疲劳寿命健壮性的分位数优化设计　

模型　

健壮性分位数优化模型　］一方面使得设计　

目标尽可能地接近均值，另一方面使得在概率区　间里的波动范围尽可能小，通过对两者进行权衡　比重组成目标函数，而约束条件使得概率寿命的　

分位数区间的上限小于优化前，下限大于优化前，　

其具体表达式如式（２）所示．　（ｍｉｎ　ｎ（Ｎ。一一“）　＋（１一口）（Ｎ。・　一Ｎ。・。　）　Ｉ　。　ｓ．ｔ．Ｎ　一ｗ＜０　ｌ Ｎｏ一０５Ｗ　＞０　

（２）　式中Ｎ　为概率为０．５的下侧分位数，Ｎ　一　Ｎｏ　为概率为０．９５与概率为０．０５的下侧分位数　

之差，　为优化前的均值，ａ为权重系数，取０．３，　

ｗ为优化前概率为０．９５的下侧分位数，ｗ　为优　化前概率为０．０５的下侧分位数．　

５．２健壮性优化变量的选取　

由于随机变量中一部分是不可控随机变量，　

此类随机变量大小不能进行控制，只能作为随机　

输入参数而不能将其作为待优化参数．热膨胀系　数ａ、弹性模量Ｅ、疲劳强度系数　；、疲劳强度指　

数６、疲劳延性系数￡；、疲劳延性指数ｃ均为与材　料有关参数，不可以控制其大小，因此为不可控变　

量．另一部分为可控随机变量，可以对其大小进行　

控制，因此可以作为待优化参数，可以通过改变其　大小来寻找最优目标值．温度和转速大小均可以　

进行控制，因此可作为可控变量；为了满足发动机

合集下载

基于Isight和Abaqus缩短涡轮叶片燕尾榫结构优化设计周期

基于Isight和Abaqus缩短涡轮叶片燕尾榫结构优化设计周期

ChineseJournalofTurbomachinery

ShorteningtheOptimizationDesignCycleofDovetailGeometriesofTurbineBladesBasedonIsightandAbaqus

Yan-feiYuWeiZhang(DassaultSystèmes)Abstract：Inthispaper,Abaqussoftwareisusedtoanalyzetheminimumcontactpressureandstressaroundthedovetailoftypicalturbineblades,andthesimulationprocessautomationandoptimizationdesignarestudiedbasedonthemultidisciplinaryoptimizationdesignplatformIsight,inordertofindanefficientoptimizationdesignschemeonthepremiseofmeetingthedesignrequirements.Atthebeginningofthedesign,avarietyofalgorithmsprovidedbyIsightwereusedforoptimizationdesign,andtheoptimizationresultsandtimeofdifferentalgorithmswerecompared.ItwasfoundthatalthoughtheoptimizationtimeofNonlinearSequentialQuadraticProgramming(NLPQLP)andDownhillSimplexwasshort,theoptimizationresultsfellintolocaloptimization,andtheoptimizationresultsofMulti-IslandGeneticAlgorithm(MIGA)andtheNon-dominatedSortingGeneticAlgorithm(NSGA-II)wereideal,buttheoptimizationefficiencyislow.Onthisbasis,twoimprovementschemesareproposed.First,basedonthetoolsprovidedbyIsight,theOptimalLatinHypercubeisusedtocollectdesignsamplestocreateanagentmodel,andthentheagentmodelisusedforfurtheroptimization.Inthesecondway,acombinationoptimizationstrategyisadopted.First,MIGAorNSGA-IIisusedforasmallamountofglobaloptimization,andthentheoptimizationresultsareusedastheinitialschemeforthenextoptimization.NLPQLPandDownhillSimplexareusedforlocaloptimization.Finally,theoptimizationresultsandefficiencyofvariousschemesarecomparedandevaluated.Keywords：Downhill-Simplex;NLPQLP;NSGA-II;MIGA;Kriging;CPRESS;Von-Mises摘要：采用Abaqus软件对典型涡轮叶片燕尾榫结构周围的最小接触压力和应力进行有限元分析，并基于Isight软件进行仿真流程自动化和优化设计研究，以期在满足设计要求的前提下，找到一种高效的优化设计方案。首先利用Isight提供的多种算法进行优化设计，并对比不同算法的优化结果和优化运行时间，发现序列二次规划法（NLPQLP）和下山单纯型法（DownhillSimplex）虽然优化时间短，但是优化结果陷入局部最优，多岛遗传算法（MIGA）和非支配排序遗传算法（NSGA-II）虽然优化结果理想，但是优化效率较低。然后，提出了两种改进方案。第一种，首先基于Isight提供的工具LatinHypercube创建代理模型，再利用代理模型进一步优化。第二种，采用组合优化策略的方式，先采用MIGA或NSGA-II进行少量的全局优化，再以优化结果作为下一步优化的初始方案，使用NLPQLP或DownhillSimplex进行局部优化。最终对多种方案的优化结果和优化效率进行对比和评价。关键词：下山单纯型法；非线性序列二次规划法；第二代非支配排序遗传算法；多岛遗传算法；克里金模型；接触压力；米塞斯应力中图分类号：TK47文章编号：1006-8155-（2024）01-0048-07文献标志码：ADOI：10.16492/j.fjjs.2024.01.0008禹燕飞张伟（达索系统（上海）信息技术有限公司北京分公司）基于Isight和Abaqus缩短涡轮叶片燕尾榫结构优化设计周期

轴流压气机叶片设计的深度学习方法研究

轴流压气机叶片设计的深度学习方法研究

轴流压气机叶片设计的深度学习方法研究

一、引言

目前航空发动机已成为现代航空工业的核心，而轴流压气机作为发动机的关键部件之一，对于提高发动机的效率和性能具有至关重要的作用。在研究中，发现传统的轴流压气机叶片设计方法存在一定的缺陷，如设计周期长、设计牵涉面广、叶片形态复杂等等。因此提出一种新的、高效的轴流压气机叶片设计方法具有至关重要的意义。

二、传统的轴流压气机叶片设计方法

传统的轴流压气机叶片设计方法通常基于实验和经验规则。传统的叶片设计方法通过在计算机中利用大量的原理实验数据准确地计算出一组最优叶片参数。但是这种方法需要投入大量的时间和人力资源，并且具有一定的不确定性，同时设计出的叶片具有固有的局限性，无法满足较高标准的设计要求。

三、深度学习方法概述

深度学习方法是一种能够泛化的机器学习方法，它使计算机能够自动学习有关对象的特征和规律，并从大量的、多样的数据中提取这些特征和规律。深度学习模型可以训练一个大量的、多层次的神经网络来完成任务，从而获得较高的预测准确性。

四、利用深度学习方法进行轴流压气机叶片设计 在利用深度学习方法进行轴流压气机叶片设计时，需要借助于神经网络理论、数据科学理论、机器学习理论等各类深度学习理论和技术。通过收集大量的叶片数据，在特征提取与分类上采用深度学习模型，反复迭代训练，对该神经网络进行优化，得出具有良好预测能力的叶片设计。

五、深度学习方法在轴流压气机叶片设计中的应用

1.对数据的处理与预处理

深度学习需要大量的数据进行训练，而在处理轴流压气机叶片设计相关的数据时，需要进行归一化处理、缺失值补齐和异常值的深度清理等操作，以便于神经网络能够更好的学习到叶片设计数据中的规律和特征。

2.选择合适的深度学习算法

选择合适的深度学习算法是进行轴流压气机叶片设计必不可少的环节。针对不同的叶片设计问题，选择合适的机器学习算法，例如卷积神经网络、循环神经网络和深度神经网络等，以便于得到更准确的结果。

基于BP神经网络的叶片共振频率与疲劳寿命研究

基于BP神经网络的叶片共振频率与疲劳寿命研究

第５２卷第６期　

２０１０年１２月　汽轮机技术　

ＴＵＲＢＩＮＥ　ＴＥＣＨＮＯＬＯＧＹ　Ｖ０ｌ＿５２　Ｎｏ．６　

Ｄｅｃ．２０ｌ０　

基于ＢＰ神经网络的叶片共振频率与疲劳寿命研究　

赵兵兵　，程　礼　，高　潮　

（１空军工程大学工程学院，西安７１００３８：　

２西安交通大学机械制造系统工程国家重点实验室，西安７１００４９）　

摘要：通过Ｋ４１７材料标准试片振动疲劳试验研究了叶片共振频率与疲劳寿命的关系，根据共振频率随循环次数的　

变化定义了试片疲劳破坏的３个阶段，并用ＢＰ神经网络对试验数据进行拟合，网络训练、测试结果较为准确，说明　

在少量参数的情况下，可以用神经网络对试验情况进行模拟，从而减少试验次数。用共振频率定义了试片的疲劳　

损伤参量。计算结果表明疲劳损伤参量的变化能较准确地描述试片的疲劳破坏过程，共振频率可作为监测叶片疲　

劳损伤的重要参量。　

关键词：疲劳损伤；共振频率；寿命预测；神经网络　

分类号：０３２２　文献标识码：Ａ　文章编号：１００１－５８８４（２０１０）０６－０４４０－０３　

Ｓｔｕｄｙ　ｏｆ　Ｒｅｓｏｎａｎｔ　Ｆｒｅｑｕｅｎｃｙ　ａｎｄ　Ｆａｔｉｇｕｅ　Ｌｉｆｅ　ｏｆ　Ｂｌａｄｅ　Ｂａｓｅｄ　ｏｎ　ＢＰ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ　

ＺＨＡＯ　Ｂｉｎｇ—ｂｉｎｇ　，ＣＨＥＮＧ　Ｌｉ　，ＧＡＯ　Ｃｈａｏ　

（１　Ａｉｒ　Ｆｏｒｃｅ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ　７１００３８，Ｃｈｉｎａ；　

２　Ｓｔａｔｅ　Ｋｅｙ　Ｌａｂｏｒａｔｏｒｙ　ｆｏｒ　Ｍａｎｕｆａｃｔｕｒｉｎｇ　ｓｙｓｔｅｍｓ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｘｉ’ａｎ　Ｊｉａｏｔｏｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ　７１００４９，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｔｈｅ　ｒｅｌａｔｉｏｎ　ｂｅｔｗｅｅｎ　ｒｅｓｏｎａｎｔ￣ｅｑｕｅｎｅｙ　ａｎｄ　ｆａｔｉｇｕｅ　ｌｉｆｅ　ｏｆ　ｂｌａｄｅ　ｗａｓ　ｉｎｖｅｓｔｉｇａｔｅｄ　ｔｈｒｏｕｇｈ　Ｋ４１７　ｍａｔｅｒｉａｌ　ｓｔａｎｄａｒｄ　ｓｐｅｃｉｍｅｎｓ　ｆａｔｉｇｕｅ　ｔｅｓｔ，ｂｙ　ｗｈｉｃｈ　ｔｈｅ　３　ｐｈａｓｅｓ　ｏｆ　ｆａｔｉｇｕｅ　ｄａｍａｇｅ　ｗｅｒｅ　ｄｅｆｉｎｅｄ．Ｔｈｅ　ＢＰ　ｎｅｔｗｏｒｋ　ｗａｓ　ｅｓｔａｂｌｉｓｈｅｄ　ｔｈｒｏｕｇｈ　ｔｈｅ　

基于Adam优化BP神经网络的风机等效疲劳载荷预测

基于Adam优化BP神经网络的风机等效疲劳载荷预测

现代电子技术Modern Electronics Technique2023年9月1日第46卷第17期Sep. 2023Vol. 46 No. 17

0 引 言近年来风力发电产业蓬勃发展，风电质量也越来越好，这一切都要归功于新技术的变革与推动[1⁃3]。大型风机运行时所处的环境多变，风机所承受的载荷也非常复杂。因此，需要对风机载荷采取高效且准确的计算和分析方法。在风机载荷计算和分析领域，叶素⁃动量理论（Blade Element Momentum, BEM）的计算模型相对于计算流体力学和涡尾迹方法更加高效，因此BEM是目前各类研究中最常用的载荷分析方法。文献[4⁃6]基于BEM计算并分析了风切变等不同的风况条件对风机各部位载荷的最值、均值以及等效疲劳载荷的影响特性。文献[7]提出了一种将势流（Potential Flow）与BEM相结合的模型，以此深入研究了塔影效应对风机叶根载荷的影响。文献[8]采用GH Bladed仿真软件计算并分析了基于Adam优化BP神经网络的风机等效疲劳载荷预测王 伟， 王海云（新疆大学 电气工程学院， 新疆 乌鲁木齐 830046）摘 要： 针对传统风机载荷分析方法计算量大的问题，以风机载荷计算软件OpenFAST的仿真数据为基础，提出一种基于Adam算法优化BP神经网络的风机等效疲劳载荷预测模型。以叶根和偏航处的等效疲劳载荷作为特征样本数据进行训练和测试；采用可决系数和相对误差均值对模型的预测性能进行评估，并与采用随机梯度下降法（SGD）优化的传统载荷预测模型进行对比。结果表明：Adam算法优化下的神经网络载荷预测模型的预测性能要明显优于采用SGD优化的传统预测模型；相较于传统模型，δm最多可降低31.7%，R2最多可提升7.8%。因此，提出的载荷预测模型能进一步提高风机载荷预测的准确度。关键词： 风机； Adam优化算法； BP神经网络； 等效疲劳载荷预测； 随机梯度下降法； 雨流计数法中图分类号： TN99⁃34 文献标识码： A 文章编号： 1004⁃373X（2023）17⁃0102⁃05Wind turbine equivalent fatigue load prediction based on Adam optimized BP neural networkWANG Wei, WANG Haiyun(School of Electrical Engineering, Xinjiang University, Urumqi 830046, China)Abstract： The traditional wind turbine load analysis methods require a large amount of calculation, so a wind turbine equivalent fatigue load prediction method based on Adam optimized BP neural network is proposed on the basis of the simulation data of wind turbine load calculation software OpenFAST. The equivalent fatigue loads of blade root and yaw bearing are taken as the characteristic sample data for training and testing. The prediction performance of the model is evaluated by R2 (coefficient of determination) and δm (mean relative error). The proposed model is compared with the traditional SGD (stochastic gradient descent) optimized load prediction model. The results show that the prediction performance of the Adam optimized BP neural network load prediction model is obviously better than the traditional SGD optimized prediction model. In comparison with the traditional model, its δm can be reduced by 31.7% at most and its R2 can be increased by 7.8% at most. Therefore, the proposed load prediction model can further improve the accuracy of wind turbine load prediction.Keywords： wind turbine; Adam optimization algorithm; BP neural network; equivalent fatigue load prediction; SGD method; rain⁃flow counting methodDOI：10.16652/j.issn.1004⁃373x.2023.17.020引用格式：王伟，王海云.基于Adam优化BP神经网络的风机等效疲劳载荷预测[J].现代电子技术，2023，46（17）：102⁃106.