用于风力涡轮机叶片根部载荷重建的物理信息神经载荷观测器：基于三维弹性传动系统动力学

《ENERGY CONVERSION AND MANAGEMENT》：Physics-informed neural load observer for wind-turbine blade-root load reconstruction via three-dimensional elastic drivetrain dynamics

　　- PhyNLO 根据机舱测量结果重构三叶片挥舞方向根部弯矩。- 传动系统拓扑结构和轮毂力矩平衡指导物理一致的重构。- 冻结跨平台测试实现6.0%归一化均方根误差和0.8%约束违反。- 场对齐的PhyNLO在减少位移传感条件下实现8.47%归一化均方根误差。- PhyNLO在测试工作站上为100 Hz更新实现1.12 ms GPU推理。**引言**现代风力涡轮机的尺寸和柔韧性不断增加，加剧了结构非线性、气动弹性耦合以及不对称叶片载荷波动[1]。独立变桨控制（IPC）被广泛用于减轻这些不对称载荷并提高结构可靠性。无论具体的IPC架构如何，其有效性最终取决于连续可靠的叶片根部载荷反馈[2]。因此，这种反馈作为载荷感知风电机组运行的赋能层，支持结构载荷调节，同时在额定以上条件下保持稳定的功率转换。可靠的虚拟载荷反馈可以支持载荷感知的变桨控制、疲劳缓解和可用性管理，而相关的控制动作必须与转子转速调节和能量捕获保持兼容。叶片安装传感系统需要永久性仪器，并可能涉及叶片结构的局部修改，增加安装和维护需求[3]。因此，当直接的叶片根部测量不可用或不可靠时，间接载荷估计提供了一种替代方案。传统结构模型通过基于线性梁的公式将叶片变形与内部载荷联系起来[4]。尽管计算效率高，但这种关系不能完全表示旋转引起的效应[5]，也不能表示通过主轴、轴承、齿轮箱和支撑系统的柔性支撑和转子传动系统（DT）耦合[6]。它们的影响反映在可测量的轴载荷和三维传动系统响应中[7]。先前的风电机组虚拟传感研究利用数据驱动回归和时间序列模型，从监控与数据采集（SCADA）、状态监测和传动系统测量中估计未测量的载荷和疲劳量[8]，[9]。最近的叶片根部载荷监测采用轴承振动信号，结合长短期记忆和注意力机制来捕获长期多通道依赖性[10]。时间卷积、基于注意力和Transformer类型架构也被探索用于风电机组载荷预测，以捕捉运行变量之间的时间依赖性和非线性相互作用[11]，[12]。与此同时，基于模型的状态空间和卡尔曼滤波方法将简化涡轮模型与测量响应相结合，以重构未测量的结构载荷[13]，[14]。这些方法证明了间接载荷估计的可行性，但强调了重构问题的不同方面。时间学习方法捕捉响应历史，而不一定编码机械传递路径，而降阶状态空间和卡尔曼滤波方法通过简化系统表示纳入物理动力学。物理引导学习引入了额外的机械信息，但联合使用因果时间历史、三维传动系统载荷传递拓扑和轮毂力矩平衡来重构三叶片根部力矩仍未得到充分解决。因此，从稀疏的下游传动系统响应重构上游叶片根部载荷仍然是一个动态且可能不适定的逆问题[15]。高保真多体模型可以更真实地表示非线性载荷传递，但其直接的在线反演通常需要重复求解非线性动力学方程，因此难以在高速率载荷反馈回路中部署[16]。物理信息和物理引导学习提供了一种中间策略，通过将机械关系或物理意义的惩罚嵌入数据驱动模型[17]，[18]。相关的数字孪生和状态估计方法同样将数值模型与运行测量相结合，以重构未测量的涡轮响应[19]。这些发展减少了对纯经验映射的依赖，但它们本身并不能解决如何根据转子和机舱侧支撑之间的物理载荷传递路径来组织空间分布的传动系统响应的问题。基于图的表示提供了一种引入这种空间结构的自然机制，因为图边可以编码机械定义的组件连通性[20]。现有的虚拟传感方法尚未联合利用因果时间历史、三维传动系统载荷传递拓扑和轮毂力矩平衡，从机舱保护测量中重构三叶片挥舞方向根部力矩。本研究通过开发物理信息的传动系统侧观测器来弥补这一空白，同时将IPC视为既定的下游载荷反馈接口，而不是控制器设计问题。相对于上述数据驱动、基于模型和物理引导的虚拟传感方法，本研究的主要贡献有三个方面。首先，建立了一个现场校准的刚柔耦合多体模型，作为通过传动系统的非线性、多轴载荷传递的物理源表示。其次，物理信息神经载荷观测器（PhyNLO）在一个观测器中结合了因果时间编码、机械定义的传动系统拓扑学习和轮毂力矩平衡正则化，用于从传动系统侧测量重构三叶片挥舞方向根部力矩。第三，冻结观测器通过目标数据隔离的OpenFAST-MATLAB基准测试、现场仪器对齐的观测布局、多种子消融、鲁棒性测试和部署导向的延迟测量进行评估。通过既定的100 Hz IPC接口的因果执行作为集成检查单独检验。**章节片段****FFR公式中的几何非线性运动学和系统动力学**模型A在ZWind中实现，这是一个先前开发并报告的室内气动伺服多体仿真平台[21]。原始的ZWind求解器使用Kane方法表示系统动力学，而本研究开发了一种基于浮动参考系（FFR）的刚柔耦合多体求解器，并将其集成到ZWind中以构建模型A。由于求解器开发不是本文的主要重点，本文仅提供构建源模型所需的控制FFR公式。**现场试验、源模型校准和跨平台基准**本节描述现场测量活动、模型A的构建和校准，以及用于观测器评估的独立OpenFAST-MATLAB基准测试。还指定了源-目标数据分离、跨平台信号映射和重构评估指标，以建立可重复的验证协议。**结果与讨论**结果包括针对隐藏模型B参考的重构精度、轮毂力矩平衡合规性以及留出现场响应一致性；后两者是补充诊断，而非直接误差评估的替代。**结论**本研究开发了PhyNLO，一种物理信息的传动系统侧虚拟观测器，用于从机舱保护测量重构三叶片挥舞方向根部弯矩。所提出的框架结合了因果时间编码、基于传动系统连通性的拓扑感知图学习以及轮毂力矩平衡正则化。使用现场校准的刚柔耦合多体模型生成源域轨迹，冻结观测器在同型涡轮OpenFAST-MATLAB中进行了评估。**CRediT作者贡献声明****Guangyi Zhu：** 初稿撰写、软件、方法学、调查。**Lilin Wang：** 审阅与编辑、软件、方法学、概念化。**利益冲突声明**作者声明，他们不存在已知的影响本论文报告工作的竞争经济利益或个人关系。**致谢**作者感谢国家关键研发计划（批准号：2023YFB4203302）、海外优秀青年科学基金、国家自然科学基金（批准号：52409144、52238008）、浙江省“尖兵”研发计划（批准号：2025C01172）、福建省科技重大专项（批准号：2025HZ024032）和重大科技计划提供的财政支持。Guangyi Zhu|Lilin Wang