本发明属于风力机叶片主梁损伤因素评估，尤其涉及一种服役工况风力机叶片主梁损伤敏感因素评估方法。
背景技术：
1、叶片是风电机组故障率最高及维修时间最长的关键部件，由于其制造过程是成型、成质同时完成的，内部弥散分布着制造缺陷。在服役过程中，叶片主梁是最重要的承载结构，褶皱作为主梁最常见的一种制造缺陷，一旦在外载作用下发生局部应力集中而逐渐演化为疲劳损伤，将引发叶片性能的劣化，难以确保叶片长期稳定地发挥应有的力学性能。叶片主梁多为玻璃纤维增强复合材料(glass fiber reinforced plastic，gfrp)，在初始损伤阶段，基纤脱粘、基体孔洞、纤维屈曲、纤维拔出等多种损伤交错出现并相互作用，使得损伤模式在不同因素作用下呈现不确定性，导致叶片主梁的疲劳性能差异显著。因此，量化不同因素对初始损伤模式的影响程度，对正确理解叶片主梁损伤累积、疲劳失效机理具有重要的科学意义。
2、学者们针对该问题，研究在役风电叶片主梁褶皱缺陷在外载、材料、制造等诸多因素影响下形成损伤的规律。分析不同载荷条件对叶片损伤程度的影响，建立工作条件与机械损伤之间的定量关系；分析不同纤维含量对层合板损伤机理的影响，得出纤维含量越高初始损伤的应变越小；分析材料参数对层合板失效机制的影响，得出基纤模量比越高复合材料抵抗变形失效的能力越强的结果；分析褶皱高宽比对层合板样件初始损伤演化的影响，得出褶皱高宽比越大褶皱区域的初始损伤载荷越小；分析褶皱高宽比对复合材料力学性能的影响，得出褶皱高宽比越大等效模量折减就越大。前人分别研究了单一类型因素作用下的损伤规律，得出一些定性或定量的结果，但在役风力叶片主梁的初始损伤受多种因素综合作用，因此需量化多因素对初始损伤模式的影响程度。目前，针对多种因素对风电叶片主梁初始损伤程度的不确定问题也是国内外研究的难点问题。
技术实现思路
1、针对现有技术的不足，本发明设计一种服役工况风力机叶片主梁损伤敏感因素评估方法。
2、一种服役工况风力机叶片主梁损伤敏感因素评估方法，包括以下步骤：
3、步骤1：确定风电叶片主梁初始损伤的影响因素及分布信息，并依此采样获取样本点；
4、步骤1.1：确定风电叶片主梁初始损伤的影响因素；
5、所述风电叶片主梁初始损伤的影响因素包括载荷条件、材料属性及缺陷特征；所述载荷条件包括加载频率、应力比、载荷幅值；所述材料属性包括纤维含量、基纤模量比；所述缺陷特征考虑褶皱高宽比和褶皱深度；
6、步骤1.2：确定影响因素的分布信息并依此采样获取样本点；
7、确定影响因素后，需要再进一步确定这七个因素会产生初始化损伤的参数区间，以便于取得样本数据进行敏感性分析；通过预实验对导致初始损伤的各因素影响情况做分析，考虑到各影响因素的样本点具有随机性和分散性，因此采用高斯概率分布函数来表示这七个因素对风电叶片主梁初始损伤的敏感因素指标h(xi)：
8、
9、式中，xi表示各个影响因素(i＝1,2,…7)，μi为各影响因素分布区间的均值，σi为各影响因素分布区间的标准差；根据各因素分布函数的均值μi和标准差σi，确定各个因素分布区间后，在后续建模分析及敏感度分析中，采用拉丁超立方(latin hypercubesampling，lhs)法获取各因素样本点；
10、步骤2：对风电叶片主梁褶皱缺陷初始损伤进行定量化评估；
11、风电叶片主梁褶皱缺陷的初始损伤包括基体损伤和纤维断裂两种损伤模式，由步骤1确定的七种因素导致的这两种损伤模式基于以下过程进行量化评估：
12、步骤2.1：当褶皱缺陷演化为初始损伤时，基体损伤和纤维断裂损伤模式由损伤矩阵定量评估，损伤变量矩阵表示如下：
13、
14、其中，d*为层合板受损时的损伤矩阵，d11、d12、d22分别为纵向、剪切、横向的损伤张量分量，e1、e2、e12分别为面内纵向、横向、剪切方向的弹性模量，损伤矩阵的损伤张量分量d11和d12标识为结构有效承载面积的相对减少量，通过有限元计算失效单元占比数来表示；
15、步骤2.2：在外界载荷不变的情况下，材料损伤后的等效应力与响应应力之间基于损伤变量间建立如下关系：
16、
17、其中，指材料损伤后的等效应力，是损伤区域多点应力的统计值；σ表示响应应力；
18、步骤2.3：在损伤累积演化过程中，为了保持材料的弹性模量矩阵不会出现负惯性值，并维持柔度矩阵的对称性，基于含褶皱缺陷层合板的本构模型求得其应变以此来判断是否出现负惯性值：
19、ε＝s0d*σ＝sdσ (4)
20、其中，中s0、sd分别为材料未损伤和含损伤的柔度矩阵，柔度矩阵为测量得到的刚度矩阵的逆；
21、步骤2.4：由公式(2)和(3)及损伤矩阵求取基体损伤下的等效应力和应变其中上标“a”表示在单元体积内的等效物理量，m表示基体损伤；
22、对于基体损伤，每个单元内消耗的能量为：
23、
24、每个单元内基体损伤的应变余能密度δgm为临界应变能密度gm,c与该损伤模式下材料破坏所消耗的能量gm之差，即：
25、δgm＝gm,c-gm (6)
26、步骤2.5：对于纤维断裂由有限元方法获得损伤分量d11、d12和d22，然后基于公式(2)和(3)求得纤维断裂下的等效应力和应变其中上标“a”表示在单元体积内的等效物理量，f表示纤维断裂；
27、则每个单元内纤维断裂消耗的能量为：
28、
29、每个单元内纤维断裂的应变余能密度为：
30、δgf＝gf,c-gf (8)
31、其中，δgf为每个单元内纤维断裂的应变余能密度，gf,c为每个单元内纤维断裂的临界应变能密度，gf为每个单元内纤维断裂的下材料破坏所消耗的能量；
32、此时，每个单元内基体损伤和纤维断裂应变余能密度δgm和δgf均可求得，而初始损伤的程度由最大损伤处和非最大损伤处的应变余能密度的分布差异决定，因此量化最大损伤处与非最大损伤处的应变余能密度的分布差异就是寻找敏感度响应指标有效途径；
33、步骤2.6：设基体损伤最大损伤处的应变余能密度为非最大损伤处的应变余能密度为和的分布差异采用差异度量方法kl散度求取，得到两个响应性指标如下；
34、步骤2.6.1：由于在实际工程应用中，使用的都是离散的概率分布，所以只讨论离散形式下的对称kl散度定义为：
35、
36、其中，p和q分别是和的概率分布函数；klm(p‖q)表示和的分布差异，即基体损伤的敏感度响应指标ym：
37、ym＝klm(p||q) (10)
38、步骤2.6.2：得到纤维断裂的敏感度响应指标；
39、yf＝klf(p||q) (11)
40、通过计算公式(10)和(11)求得ym和yf敏感度响应指标，即能确定7个影响参量对基体损伤和纤维断裂两种不同损伤模式的敏感程度；
41、步骤3：由步骤1所获得影响因素采样点及由步骤2所得各采样点所对应的初始损伤定量指标作为训练数据集，基于bp神经网络建立风电叶片初始损伤的影响因素响应模型；
42、步骤3.1：根据步骤1.2确定7个影响因素样本点xi为输入变量，根据步骤2计算敏感度响应指标ym和yf为输出变量；
43、步骤3.2：确定网络拓扑结构进行拟合和预测；为了保证预测效果，采用正切s型函数sigmoid为隐含层激励函数的单隐含层拓扑结构，隐含层神经元的个数则通过试算来确定；
44、步骤3.3：在由步骤1中所得影响因素样本点取训练数据，对bp神经网络进行训练并评价预测效果，根据输入输出分布信息采样，并将样本数据点以70:15:15的比例随机分为训练集、测试集和验证集，用于训练神经网络参数和验证其精确性；选择回归模型精度评价指标均方根误差rmse和可决系数r2衡量模型的优劣；误差计算公式如下：
45、
46、
47、其中：为第i个目标响应预测值；yi为第i个目标响应实际值；为目标响应实际值的平均值；m为选取的样本的数目。
48、步骤3.4：根据步骤3.3计算均方根误差rmse和可决系数r2小于一定阈值后，则满足精度要求的响应模型已建立，与sobol’s法结合建立风电叶片初始损伤的影响因素响应模型；
49、步骤4:基于步骤3所得的风电叶片初始损伤的影响因素响应模型，利用sobol’s方法定量分析风电叶片主梁褶皱缺陷初始损伤演化的敏感程度；
50、首先，将各影响因素与敏感度响应指标的关系式展开为各个子函数的和：
51、
52、其中，ym,yf(x1,…,xn)表示由风电叶片初始损伤的影响因素响应模型，n＝7表示因素维度，xi表示7个不同影响因素(1≤i≤7)，f(x)指影响因素响应模型展开的一组维度递增函数的和，f0为常数项，fi(xi)为单个因素作为输入变量的函数，fij(xi,xj)表示任意两种因素作为输入变量的函数，f1,2,…,n(x1,x2,…xn)表示7个因素作为输入变量的函数；
53、然后基于sobol’s法求各个因素的灵敏度；因f(x)无解析形式，由蒙特卡罗法求各因素的总方差表示为：
54、
55、其中，m表示抽样次数，a为sobol序列生成一系列低差异分布的点构造出矩阵；因展开项fi(xi)和fij(xi,xj)没有解析形式，采用蒙特卡洛法对敏感度进行预估，得到影响因素xi的方差为：
56、
57、其中，b为sobol序列生成一系列低差异分布的点构造出独立于a的矩阵，表示将矩阵a中的i列替换成矩阵b中的i列，其他参数的各阶敏感度指数均可求得；两个参数间交互效应产生的偏方差dij表达为：
58、
59、其中，表示将矩阵a中的i、j列替分别换成矩阵b中的i、j列；所有参数间交互效应产生的方差d1,2,…n为：
60、
61、其中：dij为因素xi和xj共同作用产生的方差；
62、因素xi的一阶敏感度si为公式(19)所示：
63、
64、公式(19)表示因素xi单独作用对响应指标的影响程度，因素xi的二阶零度为：
65、
66、因素xi的高阶敏感度为：
67、
68、上式表示因素xi与其他因素交互作用的对响应指标的影响，1≤i≤7；因素xi的总敏感度由各阶敏感度之和表示：
69、
70、根据敏感度指数对影响因素的敏感度进行排序；总敏感度最高的因素将被评估为最具影响力的因素，为高敏感因素；相反，当被判断为无影响，为不敏感因素，在叶片主梁初始损伤分析中忽略。
71、本发明有益技术效果：
72、本发明根据叶片主梁的褶皱缺陷演化规律选取了7个影响因素，根据输入输出分布信息，通过lhs采样，建立bp神经网络拓扑结构来预测输入与输出之间的映射关系，能够从输出的不确定性分解中追溯到输入样本参数的来源，在不缩减敏感度指标范畴的前提下，提升了多因素高维度空间数据的计算效率。同时，改进了基于方差的sobol’s法，使用蒙特卡洛法对敏感度进行预估，节省了计算成本，提高了gsa算法的可靠性，通过误差对比，证明了所建立的敏感度分析模型为筛选不确定性敏感因素提供了量化方法；采用kl散度计算最大与非最大损伤单元的应变余能密度相对熵作为敏感度指标，量度关键损伤区域的应力分布差异率，为定量分析初始损伤模式的不确定性提供了新的判定指标。
1.一种服役工况风力机叶片主梁损伤敏感因素评估方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种服役工况风力机叶片主梁损伤敏感因素评估方法，其特征在于，步骤1具体为：
3.根据权利要求1所述的一种服役工况风力机叶片主梁损伤敏感因素评估方法，其特征在于，步骤2具体为：
4.根据权利要求3所述的一种服役工况风力机叶片主梁损伤敏感因素评估方法，其特征在于，步骤2.6具体为：
5.根据权利要求1所述的一种服役工况风力机叶片主梁损伤敏感因素评估方法，其特征在于，步骤3具体为：
6.根据权利要求1所述的一种服役工况风力机叶片主梁损伤敏感因素评估方法，其特征在于，步骤4具体为：
