典型文献
基于神经网络技术的风力机叶片覆冰预测方法
文献摘要：
安装在寒冷地区的风力机叶片不可避免地会发生覆冰现象,影响风电机组的正常工作.叶片的不同覆冰位置和覆冰质量,使得叶片固有频率发生不同改变.文章对2 MW风力机叶片进行有限元模态分析,构建了覆冰叶片的固有频率变化率和不同位置覆冰质量之间的关系,利用该数据集训练BP人工神经网络并对预测能力进行分析.研究表明,使用考虑叶片不同位置覆冰对全覆冰叶片的固有频率的影响程度构建的关系式训练人工神经网络,预测叶片全部覆冰平均相对误差率为13.21％,比Gantasala等人的预测精度提高1.56％.训练好的人工神经网络模型可实现叶片覆冰位置和质量的检测,可为后续加热除冰、超声波除冰等提供数据支撑,提高除冰效率,降低能源消耗.
文献关键词：
风力机叶片;神经网络;固有频率;覆冰
中图分类号：
作者姓名：
马飞宇;张春芝;李飞宇
作者机构：
北京工业职业技术学院 电气安全技术研究所, 北京 100000;内蒙古农业大学 机电工程学院, 呼和浩特 010018
文献出处：
引用格式：
[1]马飞宇;张春芝;李飞宇-.基于神经网络技术的风力机叶片覆冰预测方法)[J].复合材料科学与工程,2022(11):96-101
A类：
Gantasala
B类：
神经网络技术,风力机叶片,叶片覆冰,覆冰预测,寒冷地区,风电机组,覆冰质量,固有频率,同改,MW,有限元模态分析,频率变化率,不同位置,集训,预测能力,关系式,平均相对误差,误差率,练好,人工神经网络模型,除冰效率,降低能源消耗
AB值：
0.250646
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
