[发明专利]基于Wilson模型和粒子群算法的风机叶片优化设计方法

权利要求书

1.一种基于Wilson模型和粒子群算法的风机叶片优化设计方法，其特征在于，包括以下步骤：

确定待优化的叶片设计参数，建立初始叶片模型；

将所述初始叶片模型沿展向等分成预设数量个叶素，确定每个所述叶素的翼型，并通过Wilson模型迭代计算出每个所述翼型的轴向诱导系数和切向诱导系数；

根据每个所述翼型的轴向诱导系数和切向诱导系数分别计算每个所述翼型的扭角和弦长；

将每个所述翼型的扭角和弦长作为粒子群算法的输入值，通过所述粒子群算法同时重新优化出每个所述翼型的扭角和弦长。

2.根据权利要求1所述的方法，其特征在于，在所述通过所述粒子群算法同时重新优化出每个所述翼型的扭角和弦长之后，还包括：

根据每个所述翼型重新优化后的扭角和弦长确定风机叶片的弦长和扭角，并拟合每个所述叶素的翼面和外形参数。

3.根据权利要求1或2所述的方法，其特征在于，所述通过Wilson模型迭代计算出每个所述翼型的轴向诱导系数和切向诱导系数，包括：

确定所述轴向诱导系数和所述切向诱导系数的初始值；

获取预设的入流角与所述轴向诱导系数和所述切向诱导系数的关系式，并获取预设的所述轴向诱导系数和所述切向诱导系数的迭代公式；

根据所述关系式和所述迭代公式对所述轴向诱导系数和所述切向诱导系数进行迭代计算，直至所述轴向诱导系数和所述切向诱导系数收敛。

4.根据权利要求3所述的方法，其特征在于，通过以下公式迭代所述轴向诱导系数和所述切向诱导系数:

其中，a是轴向诱导系数，b是切向诱导系数，是入流角，C_x是法向升力系数，C_y是切向升力系数，σ为风轮实度。

5.根据权利要求1所述的方法，其特征在于，所述通过所述粒子群算法同时重新优化出每个所述翼型的扭角和弦长，包括：

根据每个所述翼型的扭角和弦长对粒子群进行初始化；

计算粒子适应值，并基于预设约束条件，获取粒子个体最优值和粒子全局最优值；

根据粒子个体最优值和粒子全局最优值，通过预设的优化公式更新粒子的速度和位置；

判断是否满足收敛精度，如果满足所述收敛精度则输出每个所述翼型重新优化后的扭角和弦长。

6.根据权利要求5所述的方法，其特征在于，所述获取粒子全局最优值，包括：

选取风机最大年发电量为目标函数，根据所述目标函数确定粒子全局最优值，其中，通过以下公式表示所述目标函数：

其中，E是年发电量，N是截面数量，P是输出功率，f()是概率密度分布函数，v是风速。

7.一种基于Wilson模型和粒子群算法的风机叶片优化设计系统，其特征在于，包括：

建立模块，用于确定待优化的叶片设计参数，建立初始叶片模型；

第一计算模块，用于将所述初始叶片模型沿展向等分成预设数量个叶素，确定每个所述叶素的翼型，并通过Wilson模型迭代计算出每个所述翼型的轴向诱导系数和切向诱导系数；

第二计算模块，用于根据每个所述翼型的轴向诱导系数和切向诱导系数分别计算每个所述翼型的扭角和弦长；

优化模块，用于将所述每个所述翼型的扭角和弦长作为粒子群算法的输入值，通过所述粒子群算法同时重新优化出每个所述翼型的扭角和弦长。

8.根据权利要求7所述的系统，其特征在于，所述优化模块还用于：

根据每个所述翼型重新优化后的扭角和弦长确定风机叶片的弦长和扭角，并拟合每个所述叶素的翼面和外形参数。