基于氣動聲學故障診斷技術的風機葉片開裂模型仿真與檢測方法研究

摘 "要： 隨著新能源技術的不斷發展，風力發電逐漸成為目前主要的可再生能源發電方式。大型風機的發展對于風力發電行業而言至關重要，但其也存在諸多的運維問題。為了解決風力發電機葉片受載荷不均勻，容易造成尾緣開裂，以及運維困難的問題，通過數值模擬與半經驗聲學模型結合的方法研究風機葉片開裂狀態下氣動噪聲的變化，并提出采用IEEE 2400國際標準進行聲學故障檢測的理論框架。通過對不同的實驗結果以及NREL的半經驗模型軟件仿真結果分析，得出：所提出的非接觸式檢測模型可以有效地識別到風機葉片的開裂故障；同時該方法有較強的推廣性，可以用于其他的風機葉片故障分析與監測。該模型不僅可以檢測風機的葉片開裂故障，還可以用于分析風機運行時的氣動聲學特征，對于完善風機葉片無損檢測、非接觸式具有十分重要的意義。

關鍵詞： 氣動噪聲； 風力發電； 葉片裂紋檢測； 故障診斷； LES模型； 半經驗模型； 噪聲監測

中圖分類號： TN876?34； TM315 " " " " " " " " " 文獻標識碼： A " " " " " " " " " " 文章編號： 1004?373X（2024）06?0102?07

Research on wind turbine trailing edge cracking modeling simulation and measurement based on aeroacoustics fault diagnosis technology

HUANG Zhen1， XUE Yu2

（1. Taihu Laboratory of Deepsea Technological Science Lianyungang Center， Lianyungang 222000， China;

2. College of Engineering， Ocean University of China， Qingdao 266000， China）

Abstract： With the continuous development of new energy technologies， wind power has increasingly become the main renewable energy power generation method. The development of large?scale wind turbines is a trend in the wind power industry， and at the same time it has brought many operation and maintenance problems. In order to solve the problems of uneven load on wind turbine blades， easy occurrence of trailing edge cracking， and difficulties in operation and maintenance， a combination of numerical simulation and semi empirical acoustic models is used to study the changes in aerodynamic noise of wind turbine blades under cracking conditions. A theoretical framework for acoustic fault detection using IEEE 2400 international standard is proposed. By means of the analysis of different experimental results and the simulation results of NREL's semi empirical model software， it is concluded that the proposed non?contact detection model can effectively identify the cracking fault of fan blades. At the same time， this method has strong generalizability and can be used for fault analysis and monitoring of other fan blades. This model can not only detect the cracking failure of the fan blades， but also can be used to analyze the aero?acoustic characteristics of the fan during operation， which is of great significance for perfecting the non?destructive and non?contact detection of fan blades.

Keywords： aerodynamic noise; wind power generation; blade crack detection; fault diagnosis; LES model; semi empirical model; noise monitoring

0 "引 "言

對清潔可再生能源的需求不斷增長以及風力發電機設計技術的進步，導致越來越多的公司投資研發大型風力發電機[1]。例如，美國GE公司生產的大型風電機組葉輪半徑為107 m。雖然葉輪半徑的增大、塔筒高度的提升有利于風機捕獲更多的風能，但隨之而來的就是載荷增加、運維困難等，因此發展一種有效的對葉片健康狀態監測的方法變得更加重要[2]。目前風力發電機葉片存在很多常見的問題，例如雷擊、結冰、開裂、污染等。本文主要分析了在不均勻風速條件下風機葉片來回擺動，導致載荷不均勻、風機葉片尾緣開裂（TEC）的問題。尾緣開裂通常是早期的葉片健康問題，如果維修及時，可以避免一定的經濟損失，否則會導致葉片開叉，甚至斷裂掃塔[3]。

目前葉片裂紋檢測方法有很多，通常使用人工和無人機巡檢。人工巡檢的方式對操作人員的資質與技術要求較為嚴格，針對于海上風機，還涉及許多安全問題，并且設備必須停機檢查，會產生較大的成本。無人機巡檢方式雖然可以代替人工進行巡檢，但是只有在風電機組發生較大問題時才能發現，不能在故障出現的第一時間停機檢修，具有滯后性。近些年，關于葉片狀態監測傳感器的研究一直是無損檢測領域研究的熱點[4]。風電場所處的環境通常比較艱苦，而檢測儀器的穩定性以及對風機葉片的實時狀態監測和故障診斷至關重要，因此，提出了一種魯棒性較強的光學傳感器和具有自學習算法的無線網絡來實現遠程檢測。

這種光學方法的監測相對來講成本較高，而且容易受環境光的影響，且信號處理難度較大。因此基于聲學的檢測方法應運而生[5]。基于聲學的風機葉片健康檢測技術的基礎在于葉片氣動聲學的不斷發展[6]，目前常用的氣動聲學預測手段有數值模擬法與經驗模型法。相比較風機葉片的其他噪聲，尾緣噪聲作為一種主要寬帶噪聲，是目前研究最多的噪聲。

A. S. H. Lau等人通過比較在特定條件下的BPM和TNO模型，提出了一種基于半經驗模型的尾緣噪聲預測方案[7]。基于半經驗模型計算的研究結果表明，二維風洞實驗對于計算氣動噪聲具有時間短和計算快的優點。雖然先進的傳感器技術和半經驗模型相結合可以有效地檢測和分析噪聲，但是作為簡化的模型，省去了湍流的邊界條件模擬和對空氣動力學噪聲的分析，因此也是一種較為粗糙的監測手段。

近年來，基于計算流體力學（CFD）的數值模擬方法得到了較大的發展。 J. R. Hughes等人選取Lighthill的聲類比方法，采用非結構化網格和大渦模擬（LES）分析TE噪聲； Luo K等針對噪聲計算問題，比較了三維渦流動力學和氣動聲學特性以及風洞實驗的結果[8]； S. H. Wasala等分析了不同攻角條件下風力發電機主要空氣動力學噪聲。還有其他研究，通過不同的模型，如LES、直接數值模擬（DNS）、雷諾平均Navier Stokes模擬（RANS）等，改善了基于數值模擬的葉片氣動噪聲計算分析方法[9]。

通過對不同的湍流模型和邊界條件的比較，事實證明，LES在翼型截面周圍的非穩定流入方面比其他方法更準確。在本文中也使用LES湍流模型。

本文主要使用FW?H（Ffowcs Williams?Hawkings）方法計算遠場噪聲。盡管該方程求解需要復雜的微分和延遲時間的計算，但這是目前模擬氣動噪聲最有效的方法。S. Sinayoko等提出了一種新的公式，通過修改Schlinker和Amiet方程式來加快求解聲壓級（SPL）的速度。基本聲學模型的改進使得對空氣動力噪聲的仿真變得快速而準確，但是簡化葉片幾何形狀并僅求解數值解的方法對于精準分析葉片尾緣噪聲是困難的。

Xue S等人采用LES/FW?H與時域分析的方法，結合實際測量的結果，展示了模擬的風機氣動噪聲與實際測量噪聲之間的關系[10]，同時Xue S根據對風機氣動噪聲測量與仿真的研究，主編了針對風機氣動噪聲測量與分析的國際標準，并提出了一種測量和分析調幅噪聲（AMN）的方法[11]。上述諸多先進的研究較為全面地分析了葉片的氣動噪聲，但是基于氣動噪聲的故障檢測的研究很少[12]，特別是針對葉片開裂時氣動噪聲信號的特征和分析方法的研究[13]。

本文的主要研究工作集中在對經常發生的一種葉片故障（即TEC）的氣動噪聲分析，目的是研究葉片故障發生時氣動噪聲的變化與特征。

該方法的優勢在于是一種非接觸的實時檢測方法，并且基于模型分析的結論，可以為聲學傳感器的設計與信號處理提供依據。結合對目前國內外研究論文的調研，尚未發現使用類似的聲學模擬方法來識別和檢測尾緣開裂問題。

本文描述了使用的數學方法，給出了半經驗噪聲影響因素計算、仿真和比較研究的結果，并對結果進行了分析和討論。

1 "氣動噪聲模型計算數學方法

本文采用的數學模型主要為LES與FW?H，本章節主要介紹這兩種數學模型的機理與主要參數。

1.1 "LES模型

LES模型是目前CFD中計算非定常牛頓流體湍流脈動常用的湍流模型。LES是直接將大尺度的渦流分解為小尺度的可以建模的渦。對于復雜流動，在頻域中使用低通濾波，低通濾波在物理空間中是通過積分實現的。假設流動的空間為D，濾波函數為[G（x）]，那么濾波之后的湍流脈動量[f（x）]可以表示為：

[f（x）=G（x，y）f（y）dy]

濾波之后，原湍流渦的湍流速度[ui]分解成為不同的脈動：低通脈動[ui]和小尺度脈動[u′i]，公式如下：

[ui=ui+u′i]

低通脈動可以直接通過對大渦的數值仿真求解，其他的脈動量是子網格模型表示，從而進一步計算小尺度量及湍流的細致流譜。濾波之后的N?S（Navier?Stokes）方程為：

[?ui?t+?uiuj?xj=-1ρ·?p?xi+v?2ui?xi?xj-?（uiuj-uiuj）?xj " " " " " " " " " " " " " " " " " " "?ui?xi=0]

濾波之后的N?S方程包含了大尺度的脈動和子網格尺度的應力差[τij]，公式如下：

[τij=uiuj-uiuj]

式中[τij]表示在可求解的脈動量與濾波之后仍然不可求解的小尺度脈動之間的動量交換。因此為了求解流場的，需要建立亞格子模型閉合控制方程。

本文使用的是WALE（Wall?Adapting Local Eddy）粘度模型，模型中的粘度系數[μv]公式為：

[μv=ρ Δ2（SdijSdij）32（SijSij）52+（SdijSdij）54]

式中：[Δ]為濾波尺度，與仿真網格單元體積之間存在[Δ=0.325V13]；[Sij]為可求解尺度脈動應變率張量；[Sdij]為變率張量，公式為：

[Sdij=12（g2ij+g2ji）-13δijg2kk]

式中[gij=?ui?xj]。

WALE模型能夠優化Wall流亞格子尺度模型粘度的計算方法，使結果更加接近真實流場的粘度條件。

1.2 "氣動聲學仿真模型

Fluent使用的是FW?H方程及其積分解。Farassat 基于FW?H方程給出了優化后的積分解，并且討論了其接受點的計算方法。在噪聲檢測位置的總聲壓級[P（x，t）]包括兩部分：翼型的厚度噪聲[P′T（x，t）]以及載荷噪聲[P′L（x，t）]，公式如下：

[P（x，t）=P′L（x，t）+P′T（x，t）]

式中翼型的尾緣厚度噪聲和載荷噪聲分別定義為：

[P′T（x，t）=14πf=0ρ0（Un+Un）r（1-Mr）2retdS+14πf=0ρ0Un（rMr+c0Mr-c0M2）r2（1-Mr）3retdS]

[P′L（x，t）=14πc0f=0Lrr（1-Mr）2retdS+ " " " " " " " " " 14πf=0Lr-Lmr2（1-Mr）2retdS+ " " " " " " " " "14πc0f=0Lr（rMr+c0Mr-c0M2）r2（1-Mr）3retdS]

式中：[Un=-?f?τ]表示葉片壁面的速度矢量；r為聲音接收位置距離葉片中心的長度；[Mr]為在r位置的馬赫數；下標ret表示延遲時間，表示計算的聲壓級是在發射時間t延遲[τ]時間之后的參數；[c0]表示聲音接收位置的聲速；[Lr]表示沿r方向作用力的投影；[Lm]表示在X方向上的單位力矢量。

2 "半經驗噪聲影響因素計算

采用半經驗模型NAFNOISE對影響噪聲的幾個因素進行了分析，這是因為半經驗模型的運算速度較CFD快很多，對于前期分析噪聲的特性具有十分重要的意義。NAFNOISE是美國可再生能源研究中心（NREL）研發的一款用于計算翼型噪聲的半經驗模型軟件，其在內部嵌入了TNO、BPM等模型，采用Xfoil計算邊界層參數，具有運算速度快、計算結果多等優點。本文采用了山東某風場的實際翼型作為輸入，重點研究了風速、攻角、尾緣厚度、弦長對氣動噪聲的影響。

圖1為該風場1.5 MW風機葉片的實際翼型，翼型的相對厚度為18%，初始弦長為c，展向長度為5c。

半經驗模型的噪聲檢測位置受多種因素的影響。噪聲的觀測點位置參考已有文獻，本文設置了不同的角度對比組，觀測原理如圖2所示。其中U為簡化翼型的移動速度矢量。

首先采用半經驗模型計算氣動噪聲的指向性圖，如圖3所示。仿真條件為：攻角（AOA）為6°，頻率為2 500 Hz，速度為60 m/s，尾緣厚度為3 mm。噪聲的指向圖展示了噪聲在不同的聲音檢測位置的分布，總體趨勢呈現出偶極子特性；同時還可以看出，在噪聲聲壓級的峰值頻率為2 500 Hz時，總噪聲的主要成分為鈍尾緣噪聲，兩者幅值基本重合。當降低頻率時，噪聲的分布與指向性增強，但是對稱性降低，呈現出“蝴蝶狀”分布。

然后根據風機的總噪聲與尾緣噪聲的分布情況，重點分析了影響噪聲的幾個主要因素，即尾緣厚度、攻角等。尾緣噪聲是翼型自噪聲的主要噪聲，也是對風機尾緣開裂產生直接影響的氣動噪聲。圖4所示為采用BPM模型計算的風機葉片尾緣厚度對風機的鈍尾緣噪聲造成的影響，圖中葉片尾緣厚度的增加會使葉片的鈍尾緣噪聲（噪聲SPL）的峰值增加，但是該峰值出現的頻率會隨之下降，比如尾緣厚度為5 mm時，噪聲的峰值為62.22 dB，該聲壓級峰值所對應的頻率約為1 690 Hz；但當尾緣厚度增加到12 mm，鈍尾緣噪聲的聲壓級峰值變為68.99 dB，但是對應頻率卻變為730 Hz。數據直觀地表明：當尾緣厚度增加時，表現為尾緣開裂或者蒙皮鼓包等問題，會導致葉片自噪聲聲壓級增大，頻率降低，即聲音變得更加尖銳，通常伴隨著呼嘯聲的出現。同時，從圖4也可以看出，尾緣厚度對尾緣噪聲的影響很大，但其否是影響尾緣噪聲或者總噪聲的唯一因素，還需要通過對其他影響因素的分析確定。

最后，重點分析了不同的尾緣厚度對總噪聲的影響，圖5所示為葉片尾緣厚度對總噪聲聲壓級的影響，圖6所示為葉片尾緣厚度對鈍尾緣噪聲聲壓級的影響。

通過圖5與圖6可以看出：尾緣厚度的變化主要影響了鈍尾緣噪聲，而對其他噪聲的影響很小。圖5仿真的總噪聲在500～3 000 Hz之間，總噪聲的幅值發生了變化，但是不能得出這些變化是尾緣厚度影響了總噪聲中的那些噪聲，所以在圖6中重點對鈍尾緣噪聲進行了仿真，發現隨尾緣厚度的增加，鈍尾緣噪聲的變化趨勢與圖5中噪聲的變化趨勢（在500～3 000 Hz之間）基本相同，因此進一步確定尾緣厚度變化對自噪聲中的鈍尾緣噪聲產生了主要的影響，而對其他噪聲的影響不是很大，這一結論提高了噪聲故障檢測的針對性，對利用噪聲進行葉片健康狀態檢測具有很重要的價值。在CFD模擬的結果中，很難分離各種噪聲，因此這個結論也適用于對CFD結果進行處理。

3 "計算氣動聲學仿真分析

相對于半經驗模型分析，基于CFD的計算氣動聲學方法具有較高的精度。本文采用了FW?H聲學計算公式，分析了在風機尾緣出現典型開裂故障時（尾緣開裂3 mm）的氣動噪聲波形。利用前期半經驗模型的結論，確定了CFD的計算條件，即：自由流速度為60 m/s，未開裂的葉片尾緣厚度為4 mm，開裂葉片尾緣厚度為7 mm，湍流強度為0.05%，攻角為6°，弦長為1 m，展向為5 m。對開裂與未開裂的葉片氣動噪聲進行了仿真，圖7所示為開裂葉片示意圖。

針對葉片健康狀態檢測問題，仿真了開裂與未開裂兩種情況，仿真環境為：64位Windows 10，64核心Intel?Xeon，256 GB內存，運行周期為8 000步，計算頻率范圍為0～2 000 Hz。

圖8所示為尾緣開裂葉片渦量結構示意圖，圖9所示為未開裂葉片渦量脫落示意圖。

首先對CFD計算的渦量進行了分析，從兩種葉片的渦量結果可以看出，在尾緣處開有裂縫的葉片，渦量與完整葉片有很大不同，特別是在接近尾緣處。從渦脫落的結果分析造成葉片尾緣開裂氣動噪聲呼嘯的原因，可能是渦結構發生了改變。本文主要分析的是葉片的健康狀態檢測方法，所以對流體渦不進行過多的分析。

通過CFD/CAA計算結果的分析，本文旨在獲得旋轉葉片在開裂或者損壞情況下的氣動噪聲變化，利用這種方法建立的聲學知識集可以提升非接觸式聲學檢測的準確性。通過對攻角為6°的葉片氣動噪聲仿真結果對比可知：在使用傳感器進行檢測時，檢測位置決定了是否能完整地檢測到氣動噪聲的變化，因此選擇合適的檢測位置十分重要。

本文對比了兩個不同檢測位置的氣動噪聲變化趨勢，如圖10所示。CFD/CAA計算的結果采用FFT處理，聲音計量單位為dB，頻率計量單位為Hz。

1） 圖10a）與圖10b）是在葉片的正上方檢測到的開裂葉片與未開裂葉片的氣動噪聲，檢測位置均為3 000 mm。

2） 圖10a）與圖10b）的比較說明了氣動噪聲在葉片的正上方（垂直于弦長的方向）時，利用檢測到的氣動噪聲判斷葉片的健康狀態是困難的，因為觀察兩個不同檢測位置的聲功率譜的變化，兩者基本是一致的。然后改變檢測位置，圖10c）與圖10d）所展示的是在延葉片弦長的方向靠近尾緣端的檢測位置，距離尾緣的檢測距離都為5 000 mm。

3） 從檢測結果上看，在噪聲的低頻部分，兩種葉片的表現基本相同，看不出功率譜或者頻率上的差異；但是在高頻部分，差異相對比較明顯。

4） 圖10c）所示的開裂葉片的波形明顯，聲音在高頻部分的能量較大。所以，故障檢測傳感器的檢測位置的變化直接影響故障檢測的結果。

5） 從圖10所得的結論來看，對于采用聲學判斷風機葉片健康狀態的方法，傳感器的最佳檢測位置可能是在下風向葉片尾緣后方。

基于前文的研究，本文還分析了葉片在開裂狀態下，即尾緣厚度增加的情況下，CFD/CAA計算的聲音波形與NAFNOISE半經驗模型計算數據的對比情況，如圖11所示。

從圖11中可以發現，采用半經驗模型計算的結果可以基本模擬CFD的趨勢變化，但是如果比較噪聲的頻率，兩者結果相差較大。這可能是因為CFD計算時，網格的精度或者半經驗模型的參數匹配造成的，在后續的研究中，將會對這些影響因素進行進一步的分析。

根據上述分析，在進行旋轉葉片的尾緣開裂故障分析時，可以在合適的檢測位置檢測能反映故障類型的氣動噪聲。

圖11所示為在發生故障時氣動噪聲的變化情況。由圖可知，采用500 Hz高通濾波處理信號，如果在線監測設備檢測到超過500 Hz、高于40 dB的噪聲時，那么可以做出報警動作，提示葉片出現故障。

4 "結 "論

本文重點研究了葉片翼型截面的空氣聲噪聲建模分析和測量方法，還提出了一種通過將仿真與經驗結果進行比較來分析TEC問題的方法。該方法首先利用Fluent CFD、LES湍流模型和FW?H模型來計算遠場聲壓信號；然后將Fluent LES和FH?H模擬的聲信號的功率譜與通過NAFNOISE半經驗模型計算數據進行對比分析，以研究TEC問題對翼型噪聲的影響，并找到分析TEC噪聲的最有效方法。

在這項研究中，目標模型和方法可用于開發聲傳感器的有效遠程測量，以實時監測風力渦輪機葉片的空氣聲噪聲，包括傳感器安裝位置和數據處理算法。這項研究工作不僅可以分析葉片后緣裂紋檢測的航空聲學特性，還將為完整的風力渦輪機葉片健康監測技術做出貢獻。

參考文獻

[1] 林楚.未來5年我國風電行業發展空間巨大[J].電力系統裝備，2021（21）：14?15.

[2] 盛昌盛.玻纖穩健增長隔膜、風電葉片底部向上：中材科技研究報告[J].中國建材，2021（12）：90?97.

[3] 紀東辰.基于智能噴涂傳感器網絡的風機葉片損傷定位[D].南京：南京郵電大學，2019.

[4] 杜永峰，侯斌，李萬潤，等.Lamb波檢測法及其在風機葉片結構健康監測中的應用[J].無損檢測，2015，37（9）：80?86.

[5] LIU P， XU D， LI J， et al. Damage mode identification of composite wind turbine blade under accelerated fatigue loads using acoustic emission and machine learning [J]. Structural health monitoring， 2020， 19（4）： 1092?1103.

[6] 曾明伍，朱衛軍，孫振業，等.風力機葉片氣動噪聲的影響參數[J].應用聲學，2020，39（6）：924?931.

[7] LAU A S H， KIM J W， HURAULT J， et al. A study on the prediction of aerofoil trailing‐edge noise for wind‐turbine applications [J]. Wind energy， 2018， 20（2）： 233?252.

[8] LUO K， ZHANG S， GAO Z， et al. Large?eddy simulation and wind?tunnel measurement of aerodynamics and aeroacoustics of a horizontal?axis wind turbine [J]. Renewable energy， 2018， 77： 351?362.

[9] LIU C， GHOSAL S， JIANG Z， et al. An unsupervised spatiotemporal graphical modeling approach to anomaly detection in distributed CPS [C]// 2016 ACM/IEEE 7th International Conference on Cyber?Physical Systems. [S.l.]： IEEE， 2019： 1?10.

[10] XUE S， YAN L， TING G. TAM noise analysis and first look at offshore wind turbine aero noise simulation study [C]// International Wind Turbine Noise 2013 Conference. Denver， USA： ACM， 2013： 147?155.

[11] YE X， XUE S. An amplitude modulation noise measurement and analysis for IEEE P2400 project [C]// International Wind Turbine Noise 2015 Conference. Glasgow， Scotland： IEEE， 2015： 1123?1132.

[12] 顏京忠，王磊，周進，等.風電機組葉片開裂缺陷在線監測終端研制[J].電氣自動化，2018，40（5）：116?118.

[13] 趙娟.風機葉片健康監測聲學特征提取方法研究[D].北京：北京郵電大學，2018.