本技术提供一种风力机低噪声叶片设计方法,属于风力机技术领域,包括:在风力机叶片上安装锯齿结构,使两侧空气的振幅相互抵消,实现降噪效果。同时,利用神经网络模型替代CFD软件,输入锯齿结构的结构参数,即可对风力机的气动性能数据进行预测。进而在设计叶片过程中,使用麻雀算法对结构参数进行寻优,每次迭代寻优都将所得的结构参数均输入神经网络模型,这样可以更加快速地得到对应的气动性能数据。麻雀算法可根据气动性能数据构建的适应度函数对结构参数寻优,所得的最优结构参数,即为当前情况下能够设计出的噪声最小的方案。这种方式在保证最终设计方案能够明显降低叶片噪声的情况下,大大减少了设计过程中的时间消耗。
背景技术
现有的风力机叶片在设计过程中需要考虑的影响因素较多,但是大多以如何提升扭矩、降低推力为优化目标。然而风力机的噪声问题同样重要,设计叶片过程中若不考虑噪声问题,则会影响周边居民的生活质量和野生动物的生活环境。
为解决风力机工作时的噪声问题,人们在仿生学中想到了猫头鹰翅膀的羽毛排布。猫头鹰翅膀后缘的羽毛具有特殊的边缘,迫使空气在翅膀两侧的振动相差半个周期,即振动方向相反。进而在翅膀掠过后,两侧的空气在翅膀后缘两羽毛之间空隙的位置混合,振幅相互抵消,从而降低了周围空气流动的响度。
但是,想要实现上述效果,并非只要将类似猫头鹰翅膀羽毛排布的结构安装至风力机叶片即可实现。需要大量的实验,反复推敲测试锯齿结构的各种参数。具体的设计过程中,都需要通过提前设计结构与参数,进而输入CFD(ComputationalFluidDynamics,流体动力学仿真软件)进行仿真,检验当前结构设计与参数设置下,风力机的各种气动性能是否满足低噪声需求。
但是CFD软件仿真过程繁琐,仿真计算的过程计算量大且耗时长。由于在设计低噪声的风力机叶片时,需要反复调整结构设计,以及参数设置,以达到理想的低噪声效果。这就导致使用CFD软件设计叶片过程的总耗时较长,且多数情况设计者基于时间成本考虑,最终设计所得的结构设计很有可能不是最优方案。这就致使安装这种方式设计,并生产所得的风力机的噪声降低不明显。
实现思路