基于摩擦起电效应的多物理场能量-信息感知技术，用于风力涡轮机叶片的现场健康监测

《Chemical Engineering Journal》：Triboelectric-based multiphysical energy-information perception for in-situ wind turbine blade health monitoring

风力涡轮机叶片的气动失速与振动耦合效应导致疲劳问题，本文提出基于摩擦电效应的多物理能量信息感知系统SHIVAS，实现96ms快速气动失速识别（SNR13.76dB）和>99%振动频率精度（SNR37.67dB），建立能量-信息耦合统一范式。

　　

盛恒瑞|黄荣伟|胡佳欣|李月娟|孙彦硕|崔玉松|曹 Leo N.Y.|陈宝东|赫伯特·E·胡珀特|姚昭辉|徐子杰|王中林

中国科学院北京纳米能源与纳米系统研究所，北京，101400，中国

摘要

风能作为一种清洁且可再生的资源，在全球可持续发展中发挥着关键作用。风能转换的效率和可靠性受到风力涡轮机叶片（WTB）空气动力学和结构稳定性的强烈影响，其中气流诱导的振动与空气动力失速的耦合效应会导致严重的疲劳和性能下降。然而，这两种耦合现象之间的内在机制——即空气动力不稳定性如何与结构振动交换能量和信息——仍然知之甚少。在这里，我们提出了一种基于摩擦电的多物理能量-信息感知系统，能够实现对WTB上气流诱导的结构动态的现场解码。通过摩擦电效应进行能量转换，空气动力失速和振动同时被映射为相关的信息载体。该感知过程本质上是自供电的，捕获的信号通过主动无线模块传输，以揭示流体-结构相互作用的时间演变。该感知系统能够在96毫秒内快速识别空气动力失速（信噪比（SNR）= 13.76分贝），并实现高精度的振动识别（频率准确度>99%，SNR = 37.67分贝）。通过将空气动力能量耗散与结构振动特征相关联，这项工作为多物理系统中的能量-信息耦合建立了一个统一的科学范式，推进了对自感知和气流交互作用的理解。

引言

风能作为一种清洁且可再生的资源，在全球可持续发展中发挥着关键作用[1]，[2]。风力涡轮机的能量转换效率[3]受到风力涡轮机叶片（WTB）的空气动力作用与结构动态之间耦合相互作用的强烈影响[4]。具体而言，气流诱导的振动和空气动力失速可能导致严重的疲劳、结构退化以及运行性能下降[5]，[6]。当气流经过WTB尖端时，会形成高压区和低压区，压力差驱动复杂的流动，即边缘涡旋的产生[7]。这些涡旋随后向下游延伸，形成尾流湍流，从而影响相邻WTB之间的气流不稳定性[8]。在极端环境下，这些空气动力扰动可能引起WTB的空气动力失速[9]，[10]和振动[11]，[12]，导致结构疲劳和效率降低。解决这些问题对于实现稳健的结构健康监测至关重要[13]。

尽管理论研究和工业技术不断进步，但在WTB健康监测方面仍存在上述挑战[14]，[15]，[16]。主要限制包括：i) 非现场测量[17]。粒子图像测速（PIV）通过激光成像获取WTB周围气流场的速度分布[18]，[19]。由于传感器位于WTB表面之外，无法精确解析特定位置的局部气流特性。ii) 间接测量[20]，[21]。光纤布拉格光栅（FBG）传感器通过监测光纤反射波长的变化来推断WTB的振动[22]，[23]。这种间接测量方法会产生误差，限制了其准确捕捉WTB真实振动行为的能力。iii) 传感器需要外部电源[24]，[25]。微机电系统（MEMS）加速度计需要外部电源才能运行，这种依赖性增加了系统的使用和维护成本[26]，[27]。因此，迫切需要一种能够实现实时测量和自供电操作的现场传感技术，以便精确监测WTB的空气动力失速和振动状态。

WTB的动态源于气流不稳定性与弹性振动之间的耦合[28]，[29]。然而，在复杂的进气条件下，相关能量波动如何转化为可测量和可区分的物理信号仍不够明确。因此，需要一种现场方法来将空气动力行为与其电学表现相关联。在这里，我们引入了一种基于摩擦电的多物理能量-信息感知框架，该框架将空气动力激励与电学表现联系起来，实现了从自生成信号中直接解码流动诱导的能量相互作用。一种自供电的混合现场振动和空气动力失速感知系统（SHIVAS）被集成到WTB的表面，其中摩擦电转换同时捕获气流分离和结构振动作为相关的电学输出。通过联合频谱分析，该系统能够解析流动-结构耦合的时间演变，实现快速的失速感知（96毫秒，信噪比（SNR）= 13.76分贝）和高保真度的振动识别（频率准确度>99%，SNR = 37.67分贝）。SHIVAS系统内的感知本质上是自供电的，而传感信号通过外部供电的主动无线模块传输。这项工作揭示了空气动力-结构系统内能量-信息转换的基本途径，为风能应用中的智能、自感知感知范式奠定了基础。将机械输入功率与电学输出联系起来的详细理论模型以及SNR与机械激励的相应缩放律在支持文本S1中提供。

章节摘录

WTB健康监测传感器的结构设计

为了提高能量捕获效率，现代风力涡轮机越来越多地采用更长的叶片，这扩大了扫掠面积并提高了可获得的功率输出（图1）。在各种空气动力参数中，尖端速度比（TSR）是评估风力涡轮机效率和运行特性的关键指标。TSR数学上定义为WTB尖端速度与来流风速的比值$\mathrm{TSR}=\frac{\mathrm{x\Omega }}{V}在特定运行条件下，较高的TSR可能会诱导WTB$

结论

WTB的性能受到振动和表面气流分离的影响，在高负载、高速度条件下，空气动力失速和振动会加速疲劳损伤，降低效率和寿命。为了解决这个问题，我们提出了基于TENG技术的SHIVAS系统，用于实时监测WTB的健康状况。SHIVAS集成了空气动力失速和振动传感器，能够同时检测这两种状态。通过优化PTFE球体的运动，SHIVAS确保了稳定的振动感知

SHIVAS的制备

支撑结构、振动传感器和空气动力失速传感器转子是使用SOLIDWORKS软件设计的。振动传感器的印刷电路板（PCB）使用Altium Designer设计。振动传感器由上下两块PCB组成，使用粘合剂固定在树脂基外壳上，内部腔体填充有PTFE球。在支撑结构内为振动传感器预留了专用空间，组装好的传感器放置在其中，

CRediT作者贡献声明

盛恒瑞：撰写——原始草稿、可视化、方法论、研究、数据整理。黄荣伟：撰写——原始草稿、方法论、研究。胡佳欣：撰写——原始草稿、研究、形式分析。李月娟：可视化、研究。孙彦硕：可视化、研究。崔玉松：撰写——审阅与编辑。曹 Leo N.Y.：撰写——审阅与编辑。陈宝东：资源获取、方法论、资金筹集。赫伯特·E·胡珀特：撰写——审阅

利益冲突声明

作者声明他们没有已知的可能会影响本文所述工作的竞争性财务利益或个人关系。

致谢

本研究得到了国家自然科学基金（项目编号：52573364、52203324）；北京高创计划青年精英科学家资助计划；国家重点研发计划（项目编号：2023YFB2604600）的支持。感谢乔治亚理工学院提供的软件支持。