under age10 years old成绩 评定 | |
课 题 名 称 | 中文：基于声发射技术的风机叶片无损检测技术研究 | ||||
英文：The Rearch of Wind Turbine Blade Nondestructive Testing Technology Bad on Acoustic Emission | |||||
选 题 来 源 | √ 科研项目 学习选题 兴趣选题 | ||||
fashion show信息调研要点 | 需要查证的内容要点： 1、了解声发射技术的原理、优缺点、应用情况和发展方向； 2、了解风机叶片常见的故障与缺陷无损检测技术； 3、了解声发射技术在风机叶片无损检测方面的研究和应用； 4、了解声发射技术信号小波分析中小波基的选取。 | ||||
信息调研方法 | √ 常规检索法 √orr 引文法 实地考察 √ 访谈法 | ||||
文 献 信 息 检reference 索 | 检索 范围 | 1、CNKI《中国学术文献总库》1999年 - 2016年4月 2、万方《中国重要会议论文全文数据》1999年 - 2016年4月 3、万方《中国学位论文库》1999年 - 2016年4月 jenniferhudson 4、《Web of Science》1999年– 2016年4月； 5、《EI Compendex》 1999年– 2016年4月； 6、《Elvier SD》1999年– 2016年4月； | |||
文 献 信 息station怎么读 blade检 索 | 检索 词和 检索 式 | 1、 检索词（中文／英文）九年级英语作业本 （1）声发射技术/Acoustic Emission （2）风机（风力发电机）/ Wind Turbine （3）叶片（叶轮）/ Balde，Rotor （4）无损检测技术/ Nondestructive Testing Technology 2、检索式 (acoustic emission) and (wind turbine*blad*or wind turbine*rotor*) and (nondestructive*testing *technology*) 注： 1. 以上检索式仅为一般表达式，具体形式因不同文库而异。 | |||
检 bwg索 结果 | [1] Joos P. Acoustic Emission Monitoring of Small Wind Turbine Blades[J]. Journal of Solar Energy Engineering, 2002, 124(4):401-411. [2] Blanch M J, Dutton A G. Acoustic Emission Monitoring of Field Tests of an operating Wind Turbine[J]. Key Engineering Materials, 2003, 245-246:475-482. [3] Lee G S, Cheong C, Shin S H, et al. A ca study of localization and identification of noi sources from a pitch and a stall regulated wind turbine[J]. Applied Acoustics, 2012, 73(8):817-827. [4] Jung S S, Cheung W S, Cheong C, et al. Experimental identification of acoustic emission characteristics of large wind turbines with emphasis on infrasound and low-frequency noi[J]. Journal- Korean Physical Society, 2008, 53(4):1897-1905. [5] Skov J F, Ulrikn M D, Dickow K A, et al. On Structural Health Monitoring of Wind Turbine Blades[J]. Key Engineering Materials, 2013, 569-570:628-635. [6] Leloudas G, Zhu W J, Srenn J N, et al. Prediction and Reduction of Noi from a 2.3 MW Wind Turbine[C]// Journal of Physics Conference Series. 2007:012083-012091. [7] Fleig O, Iida M, Arakawa C. Wind Turbine Blade Tip Flow and Noi Prediction by Large-eddy Simulation[J]. Journal of Solar Energy Engineering, 2004, 126(4):1017-1024. [8] Zarouchas D, Hemelrijck D V. Mechanical characterization and damage asssment of thick adhesives for wind turbine blades using acoustic emission and digital image correlation techniques[J]. Power Equipment, 2015, 28(14):356-360. [9] Burnham K, Pierce G. Acoustic Techniques for Wind Turbine Blade Monitoring[J]. Key Engineering Materials, 2007, 347:639-644. [10] Li D, Ho S C M, Song G, et al. A review of damage detection methods for wind turbine blades[J]. Smart Materials & Structures, 2015, 24(3). [11] Han B H, Yoon D J, Huh Y H, et al. Damage asssment of wind turbine blade under static loading test using acoustic emission[J]. Journal of Intelligent Material Systems & Structures, 2013, 25(5):621-630. [12] Net N. Acoustic emission monitoring from wind turbine blades undergoing static and fatigue testing[J]. Insight, 2000, 42(12):805-808. | ||||
文 献 信 息 检 索 | 检索 结果 | [13] Bouzid O M, Gui Y T, Cumanan K, et al. Structural Health Monitoring of Wind Turbine Blades: Acoustic Source Localization Using Wireless Sensor Networks[J]. Journal of Sensors, 2014, 2014. [14] Galappaththi U I K, De Silva A K M, Macdonald M, et al. Review of inspection and quality control techniques for composite wind turbine blades[J]. Insight - Non-Destructive Testing and Condition Monitoring, 2012, 54(2):82-85. [15] Bang H J, Kim S H. Fracture Monitoring of Composite Wind Turbine Blade Using High-Speed Bragg Grating Sensor System[J]. Applied Mechanics & Materials, 2011, 109:79-83. [16] Farinholt K M, Taylor S G, Park G. Full-scale fatigue tests of CX-100 wind turbine blades. Part I: testing[J]. Proceedings of SPIE - The International Society for Optical Engineering, 2012, 8343:83430P-83430P-8. [17] Lu B, Li Y, Wu X, et al. A review of recent advances in wind turbine condition monitoring and fault diagnosis[C]// Power Electronics and Machines in Wind Applications, 2009. Pemwa. 2009:1-7. [18] Net N. Acoustic emission monitoring from wind turbine blades undergoing static and fatigue testing[J]. Insight, 2000, 42(12):805-808. [19] Mohamed M H. Reduction of the generated aero-acoustics noi of a vertical axis wind turbine using CFD (Computational Fluid Dynamics) techniques[J]. Energy, 2016, 96:531-544. [20] Zhou W, Liu R, Wang Y, et al. Acoustic emission monitoring and finite element analysis for torsion failure of Metal/FRP cylinder-shell adhesive joints[J]. Journal of Adhesion Science & Technology, 2015, 29(22):1-13. [21]朱永凯, 潘仁前, 陈盛票. 基于声发射传感器阵列的风机叶片结构健康检查方法[J]. 无损检测, 2010, (10): 1275-1280. [22]曲弋, 陈长征, 周昊. 基于声发射和神经网络的风机叶片裂纹识别研究[J]. 机械设计与制造, 2012, (03): 44-49. [23]邓宗白, 单珂. 风机叶片复合材料裂纹损伤的声发射实验研究[J]. 机械与电子, 2013, (03): 180-185. [24]付涛. 新型光纤传感器及其在纤维复合材料的声发射源定位研究[D]. 哈尔滨工业大学, 2014. [25]韩敬宇. 基于声发射技术的风电叶片裂纹无线监测系统研究[D]. 北京化工大学, 2010. [26]单珂. 基于声发射技术的风机叶片材料裂纹损伤的识别研究[D]. 南京航空航天大学, 2013. [27]胡让. 风力发电机叶片故障诊断研究及实现[D]. 兰州交通大学, 2015. [28]帅洁妮. 风机叶片材料声发射信号的降噪和盲源分离研究[D]. 南京航空航天大学, 2013. [29]杜文超. 基于声发射技术的大型风力机叶片材料的损伤研究[D]. 南京航空航天大学, 2011. [30]羊森林, 赵萍, 王锋. 大型风电叶片缺陷及其无损检测技术研究[J]. 东方汽轮机, 2014, (07): 54-59. | |||
其他 信息 收集 | （本栏填写所采用的其他方法如：访谈法、实地考察法等收集信息的结果） （1）访谈法： 通过与导师和实验室的师兄的交谈和学习中得知：风力发电作为绿色能源其应用越来越广泛，而叶片做为风力发电机的关键部位其损伤和缺陷的检测是风电机应用过程的重要环节。风机叶片由于形状不规则，结构和材料的铺层复杂以及工作环境恶劣等因素的影响，极易发生损伤断裂，所以，对风机叶片损伤和缺陷的检测是时下研究的热点。而其中光纤传感监测发和声发射监测法可用于动态监测且是目前现场动态监测方法中最有前景的方法。 声发射检测技术对构件在动态过程中产生的缺陷比较敏感，能够做到提前发现和处理，同时还可以对复合材料整体结构的质量水平进行评价。在叶片进行静载测试和疲劳载荷测试情况下，可使用声发射检测系统实时在线监测叶片的声发射特征信号，能够避免在达到极限载荷之前观察到叶片在不同载荷级别的损伤程度。声发射检测过程中，发射波来自缺陷本身，通过适当的波形能够反映出层合板损伤的发展趋势和破坏模式，实时监测叶片的声发射信号，可以获得较为全面的缺陷信息。声发射对缺陷的起始和扩展具有特殊的敏感性，因此在风机叶片的动态无损检测和寿命评估方面具备特殊优势。 利用声发射技术可以分析工程结构的疲劳损伤累积,需要以发展合适的模型和计算方法为前提,结合声发射技术,实时、动态地对结构的整体或局部的塑性变形进行监测,以预知疲劳寿命和完整性,及时对缺陷进行警报和自控,以达到良好的监测效果。 （2）引文法： ①向前引文：例如，通过《基于声发射技术的风电叶片裂纹无线监测系统研究》以及《基于声发射技术的风机叶片材料裂纹损伤的识别研究》这两篇文章的参考文献找到了两篇较有价值的文章： [17] Lu B, Li Y, Wu X, et al. A review of recent advances in wind turbine condition monitoring and fault diagnosis[C]// Power Electronics and Machines in Wind Applications, 2009. Pemwa. 2009:1-7. [18] Net N. Acoustic emission monitoring from wind turbine blades undergoing static and fatigue testing[J]. Insight, 2000, 42(12):805-808. ②向后引文：例如，通过《Acoustic Emission Monitoring of Small Wind Turbine Blades》进行向后引文，发现了一片2015年发表的文章引用了该文，该发现的文章也对本课题有着很高的价值。 [10] Li D, Ho S C M, Song G, et al. A review of damage detection methods for wind turbine blades[J]. Smart Materials & Structures, 2015, 24(3). | ||||
信息分析：（着重针对课题的研究现状、研究热点、重要的研究人员、有价值的文献、发展趋势等进行综述） （1）研究现状： Joos等[1]采用神经网络对微颤条件下风机摩擦副的磨损声发射信号进行处理，成功地诊断了摩擦副的磨损失效，成功率高达95％，表明人工神经网络在对零件磨损失效预测与诊断方面具有很大的可靠性。Blanch等有道英译中[2]对风机叶片产生的声发射信号实现了神经网络模式识别，结果表明人工神经网络可应用于风机叶片的声发射信号分析。韩敬宇等[25]对风机叶片的裂纹产生机理进行了分析，并认为裂纹的扩展主要是因为叶片在运行过程中的振动和停车以及环境因素的影响，都会造成裂纹的加深、加长、加宽，严重威胁着叶片的安全。单珂等[26]以施加载荷的方式对风机叶片损伤过程中发出的信号特征进行了试验研究，并表明随着加载时间的持续，声发射信号有明显突增，各种表征信号。 （2）研究热点： 声发射检测技术目前的研究热点是对裂纹的萌生和扩展进行动态监测，进而能够有效检测出风机叶片结构的完整性，评价缺陷的实际危害程度，可预防意外事故的发生。在检测过程中，接收的信号是缺陷在应力作用下自发产生的，但在实际应用中，由于声发射对环境因素十分敏感，因此对监测系统会造成干扰，影响检测的准确性，所以很难对缺陷进行定量分析，但是能够提供缺陷在应力作用下的动态信息，对于寿命评估有一定的优势，可对叶片进行安全评价。且现代声发射技术由于采用了人工网络神经及小波分析等方法对信号进行分析可有效的检测出叶片裂纹等缺陷，使实时的获取叶片动态信息、监测风机叶片缺陷的研究向前更进了一步。 （3）重要研究人员： Joos, PA：Delft Univ Technol, WMC Grp, Stevinweg 1, NL-2628 CN Delft, Netherlands. Blanch, MJ：Rutherford Appleton Lab, CLRC, Energy Res Unit, Didcot OX11 0QX, Oxon, England. （4）有价值的文献： [1] Joos P. Acoustic Emission Monitoring of Small Wind Turbine Blades[J]. Journal of Solar Energy Engineering, 2002, 124(4):401-411. [2] Blanch M J, Dutton A G. Acoustic Emission Monitoring of Field Tests of an operating Wind Turbine[J]. Key Engineering Materials, 2003, 245-246:475-482. [10] Li D, Ho S C M, Song G, et al. A review of damage detection methods for wind turbine blades[J]. Smart Materials & Structures, 2015, 24(3). | |||||
[25]韩敬宇. 基于声发射技术的风电叶片裂纹无线监测系统研究[D]. 北京化工大学, 2010. [26]单珂. 基于声发射技术的风机叶片材料裂纹损伤的识别研究[D]. 南京航空航天大学, 2013. （5）发展趋势： 首先，通过以上文献的查阅可知，该课题的发展与其他各种信号分析理论的发展有着密切的关系。风机叶片声发射技术无损检测是为了解所获得的风机叶片声发射信号的物理本质，建立声发射信号与声发射源之间的联系。但目前的声发射信号处理还限制于单一的处理方式，而各种分析与处理方法都存在着不足，如参数分析误差较大，小波分析计算复杂，人工神经网络创建难度大等。因此，发展新的精确、简单易操作的信号分析与处理理论是解决问题的关键，同时综合运用现有的分析与处理技术是解决这一难题的有效途径。 | |||||
对课题研究的启示（值得研究的创新点）： （1）风机叶片的声发射技术无损检测与超声波法等相比，在检测静态叶片品质方面没有优势，然而，由于声发射技术无损检测对被检件的接近要求不高，因而比较适用于在役风机叶片的实时监测，采用多传感器长距离布置的方式，能够接收到叶片在运行过程中所产生的声发射信号，通过后处理，可以获得损伤部位的动态信息。且采用该方法对叶片进行监测时，因为叶片在运行过程中，会受到外力作用，进而产生应力集中现象，缺陷处在外力作用下会自发的产生信号，这样就能够判断出缺陷产生的位置。 （2）声发射信号分析法进行风机叶片无损检测处理方法众多，且各有优劣，如参数分析法分析速度快，但分析精度较低，容易受到环境影响；人工神经网络识别精度高，但建立过程复杂；频谱分析法操作简单，但只适合分析周期性的平稳信号。通过本次文献检索与查阅的几种常用的声发射信号分析与处理方法的基本原理与各种处理方法无法满足现代工业发展需求原因的分析，我认为综合运用现有技术处理声发射信号，发展新的信号分析与处理理论等思路来解决这一难题将成为风机叶片分析一个趋势。 | |||||
对本课程的评价和建议： 评价：首先感谢老师的辛勤指导与科技文献检索这门课程给我带来的收获。通过本门课程我学习到文献的检索可以有很多种方法，可以通过词组来搜索，也可以通过参考文献进行向前和向后引文搜索，也可以根据在该领域有一定学术成果的学者进行文献检索。此外，通过词组搜索时词组和逻辑词的选择和表达式的形式也很重要。总之，我认为在通过本次课程，在收获知识的同时，还收获了阅历，收获了成熟，在此过程中，我们通过查找大量资料，请教老师与同学，以及不懈的努力，不仅培养了独立思考、动手操作的能力，在各种其它能力上也都有了提高。更重要的是，在本门课上，我们学会了很多文献查找的方法，而这将成为日后宝贵的经历。 建议：多补充一些与同学们平时学习科研相关的文献检索操作实例，并且在授课时让同学们带上电脑现场跟着老师进行现场练习并与老师互动。 | |||||
本文发布于:2023-07-04 01:02:21，感谢您对本站的认可！
本文链接：https://www.wtabcd.cn/fanwen/fan/78/1077021.html
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系，我们将在24小时内删除。
| 留言与评论（共有 0 条评论） |
