2022/09/08

【技术】天洑数据建模实施案例集锦（3）- 风力机轮毂强度快速评估

背景和概述

风力发电机主要由叶片、变桨系统、齿轮箱、发电机、偏航系统和轮毂等部分组成。轮毂是风力发电机组中的关键零部件，连接着叶片根部和风机主轴，叶片上承受推力、扭矩、弯矩等复杂的交变载荷，通过变桨轴承作用在轮毂上，再经由轮毂传速给主传动系统。因而在整个风力发电机组中，对轮毂的强度及寿命要求必须严格控制。

轮毂结构的强度计算属于极其复杂的工程实际问题，利用现有的工程力学和弹性力学等理论很难准确地对承受复杂载荷的轮毂结构进行受力状态描述，即通过理论计算难以获得轮毂强度、寿命问题的解析解。

问题和难点

风力机轮毂的设计及强度分析存在以下的问题和难点：

1. 传统的风电机组轮毂设计受设计人员的主观因素影响较大，而且设计出轮毂的强度往往安全裕量过大，不满足控制生产成本的要求；

2. 基于有限元的轮毂强度分析方法需要耗费大量的计算资源和时间，研发周期较长，这是影响轮毂强度计算的主要瓶颈；

3. 轮毂设计和优化需要依赖高精度的强度分析模型。
解决方案：基于DTEmpower的轮毂强度分析建模实战 

为了对轮毂在不同载荷下的应力情况进行快速分析，快速判断轮毂结构的可靠性，本案例基于DTEmpower数据建模平台，采用数据驱动的方法建立轮毂载荷和轮毂应力之间高精度的回归模型，为轮毂的强度分析提供代理模型支撑。

轮毂强度分析建模试验1

1. 数据集介绍：根据客户提供的计算程序，结合AIPOD中的智能采样功能生成轮毂强度数据集。数据集的3维输入表示轮毂上的三个扭矩，5维输出表示五个节点的应力。目标是得到输入输出变量之间的映射关系；

2. 建模方法和结果：图1所示的建模方法采用了GBDT、随机森林和AIAgent等多种算法进行回归分析，最终选取精度最高的模型；

图1.png


图1 基于DTEmpower软件平台的轮毂强度分析建模流程和结果。首先利用AIPOD的智能采样功能计算生成数据集，然后在DTEmpower中进行建模分析
3. 建模结果分析：结合DTEmpower数据建模工具，使用 AIAgent拟合输入输出变量之间的映射关系，可使模型的R2指标达到99%以上，优于其他训练算法。

轮毂强度分析建模试验2

1. 数据集介绍：某头部风机制造商提供的结构应力评估数据集，含有15维输入，为5个测点在三个方向上的载荷；输出为9个测点的应力，共27维。数据集中有2400个样本，目标是快速评估测点的结构应力；
2. 建模方法和结果：图3所示的建模方法在试验1的基础上综合使用了ROD、MDI/MDA等数据和特征的预处理技术。然后在不同的实验条件下对比模型的评价指标。其中ROD是一种基于回归分析并搭配使用天洑软件自研的tf_accuracy作为评价指标的异常点检测方法。ROD在本数据集上的检测结果如图2所示；
图2.png
图2 ROD的异常点检测结果，ROD成功的检测出部分样本的输出变量量纲较小，发现数据集中存在样本采样不均衡的问题，并得到客户认可
图3.png
图3 基于ROD的轮毂强度分析建模对比结果：试验中使用了普通的异常点检测算法和ROD进行异常点的筛选。对比结果表明了ROD在挖掘工业数据集中 “潜在异常点”的优秀性能

3. 建模结果分析：结合DTEmpower数据建模工具，并综合使用ROD、MDA和AIAgent，通过层层递进式的数据挖掘探索和建模，可使最终模型的R2指标达到0.94左右。

总结 

本案例基于DTEmpower软件平台，采用数据建模的方式建立轮毂的载荷-应力代理模型，为轮毂的强度分析提供高精度的数据模型支撑。

实验1使用 AIAgent智能训练算法进行回归分析，最终模型R2指标在0.99以上；实验2在实验1建模方法的基础上综合使用ROD、MDI/MDA和AIAgent等关键模块，逐步迭代探索数据、特征和训练算法，最终使模型的R2指标提高到0.94。 

DTEmpower建模工具在风力机轮毂强度分析的建模实验中提供了一站式的数据建模解决方案，平台提供了强大的异常点检测、特征工程、回归分析等支撑技术，可以帮助用户快速、便捷的构建高精度的数据模型。

应用价值


节省风力机轮毂强度分析的建模时间

采用数据训练的方式得到轮毂载荷-应力的高精度代理模型，用户只需给定相应的输入条件，即可在毫秒级的时间内得到输出。这与小时级别的基于有限元分析的轮毂强度的建模耗时相比，具有巨大优势。

强有力的轮毂强度数据模型支撑

试验中所得到的轮毂载荷-应力模型的R2指标在0.99以上，这为后续的轮毂结构设计和优化提供强有力的数据模型支撑。
相关案例


如对完整实施方案或相关软件感兴趣，可以联系我们或申请软件试用。