基于径向基函数神经网络的风力机结构适应性评估

来源 :太阳能学报 | 被引量 : 0次 | 上传用户:stern_pea
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
提出一种基于径向基函数神经网络(radial basis function,RBF)的风力机结构适应性评估方法,综合考虑多个载荷分量对风力机结构应力响应的影响.该新型适应性评估方法与当前采用的单变量、线性插值预测方法相比精度更高更可靠,与有限元方法相比更高效.采用该评估方法,1 min内可完成风力机机头部件及关键连接螺栓强度评估,最大应力预测误差不超过1%.
其他文献
首先,从馈线及主变层面分析N-1故障时考虑馈线分段转供的必要性.其次,根据风、光的概率分布函数建立相应的随机出力模型.然后,基于机会约束规划,建立考虑馈线分段转供及风光
针对气动弹性的发散不稳定振动,阐述基于弦向刚性尾缘襟翼的2D翼型的等效滑模控制算法在风力机叶片颤振抑制中的应用.结构模型基于弹性挥舞/扭转位移的分析,纳入刚性尾缘襟翼
采用一种结合串列、并列和错列布置的耦合连接五圆柱柱群结构为能量转换器,在不同间距比不同约化速度下,以流固双向耦合数值算法对其进行涡激振动模拟和计算分析.通过对比相
以2 MW风力机为研究对象,基于实际风力机状态(SCADA)系统大数据,选取叶片正常状态和覆冰状态下的风速、功率、桨距角和偏航角数据,采用核密度-均值数据处理方法,得到叶片覆冰