基于改进卡尔曼滤波的风电塔筒倾斜监测算法

关键词：姿态解算；精度；卡尔曼滤波；塔筒倾斜；监测

中图分类号：TP391 文献标识码：A

文章编号：1009-3044（2023）32-0011-05

0 引言

风电是一种开发成本低，能大规模开发的可再生能源，随着我国经济和科技的快速发展，我国的风电机组数量和规模正在快速增长。

风电场一般都设立在远离人烟的山谷或海上，基本都处于无人值守的状态，因此对风电塔筒设备的运行状况通常利用人工定期巡检来进行维护，这样做会消耗大量的人力和财力[1]，且风电塔筒出现安全问题时不能第一时间通知到管理人员进行维修。风电塔筒属于高耸建筑物，其工作时受到风的推力、自身重力以及叶轮的扭力等复杂多变的负荷影响，导致风电塔筒产生倾斜和较大变形，给邻近建筑物、后期风电工作带来巨大隐患[2]。因此，对塔体的倾斜状态进行实时监测是保障风电机组安全运营的重要措施。

塔筒的角度变化反映出塔筒倾斜和变形的状态，利用倾角传感器可以实现塔筒结构的倾斜以及塔体变形角度的测量。魏锦德等[3]对风机塔筒倾斜的监测方法进行介绍，认为全站仪免棱镜法具有精度高、操作简单的优点，适用于风机塔筒倾斜监测，但该方法的工作效率较低，精度受多重因素影响。三维激光扫描技术也常用于风电塔筒倾斜监测中，史阳军等[4]利用三维激光扫描技术对塔筒的倾斜度、位移量进行计算，但该方法部署环境有限，并不适用于所有风电机组场景。

为了解决风电塔筒的倾斜角不易实时监测，且计算精度低的问题，本文提出基于改进卡尔曼滤波的风电塔筒倾斜监测算法。

主要工作内容如下：

1） 对风电塔筒的倾斜角度进行姿态解算，通过数据处理过程中的均值处理零偏，减小零偏对解算的影响；

2） 调整姿态解算中卡尔曼滤波方程Rk 值，改进卡尔曼滤波方程，提高倾斜角计算精度，减小误差影响。

3） 利用Matlab仿真验证改进后的卡尔曼滤波姿态解算精度以及估计值方差收敛程度。

1 姿态解算

本文对风电塔筒倾斜进行监测，通过安装在塔架顶部、塔身处等多个位置的倾角传感器感知风电塔筒倾斜。风电塔筒之间的连接采用法兰盘联接，在塔体内部的不同高度上安装有多个倾角传感器有利于提高塔体位姿及倾斜测量的精度。

姿态解算过程涉及两个坐标系，一个是运载体的坐标系，该坐标系与运载体（风电塔筒）固连，当塔筒发生倾斜、变形等转动时，这个坐标系也跟着转动，假设运载体的坐标系为b 系[5]。另外一个是地理坐标系，这个坐标系为n 系[6]。姿态解算应用于风电塔筒倾斜监测中，相当于求出当前载体（风电塔筒）坐标系b相对于地理坐标系n 的变化。由于n 系和b 系均为直角坐标系，风电塔筒的倾斜变化可视为两个直角坐标系之间的刚体定点转动，刚体转动可以通过姿态变换矩阵来表示，矩阵中包含了倾角传感器（陀螺仪和加速度计）采集的风电塔筒角运动和线运动等姿态信息[7]。

基于改进卡尔曼滤波的姿态解算实现风电塔筒倾斜监测的主要过程为：利用六轴倾角传感器采集的加速度和角速度数据，通过旋转矢量法更新四元数，从而不断地更新姿态矩阵计算倾斜角度。同时，为了减小倾角传感器中随机误差的影响，利用改进卡尔曼滤波对解算出的倾斜角度进行滤波。

姿态解算过程包括数据处理、初始化和解算3个部分组成[8]。

3 实验结果与分析

3.1 实验平台与参数设置

本文通过Matlab 2019a仿真软件对比改进卡尔曼滤波前后的姿态角数据，从中分析风电塔筒中倾斜角计算精度；再对比传统卡尔曼滤波和改进卡尔曼滤波的误差估计数据，分析验证改进卡尔曼滤波在估计误差精度方面优于传统的卡尔曼滤波；最后仿真分析姿态角误差值的方差收敛状态，验证改进后的卡尔曼滤波对误差的收敛作用。

改进后卡尔曼滤波算法在初始化阶段需要设置一些仿真参数的初值[13]，如表1所示。

3.2 倾斜角计算精度分析

经过改进卡尔曼滤波后的角度与实际值进行对比，结果如图3所示，其中（a）、（b）、（c）分别为θ、ψ、γ角的实际值与改进后的卡尔曼滤波解算值的对比。

从图3可以看出，实际值与改进卡尔曼滤波后的解算值一致，解算无偏差，说明本文提出的改进卡尔曼滤波算法的解算精度高，对于风电塔筒的倾斜监测准确率高。

3.3 状态真值与估计效果对比

对比传统卡尔曼滤波估计值、改进卡尔曼滤波估计值与状态真值（失准角），结果如图4所示。

从图4可以看出，改进卡尔曼滤波的估计值φθ、φγ和φψ 相较于传统卡尔曼滤波的估计值总体上更加接近失准角真值，说明改进卡尔曼滤波算法能够更为准确地估计出姿态误差值（失准角），减小误差对风电塔筒倾斜角计算的影响。

3.4 姿态误差值的方差收敛分析

改进卡尔曼滤波所计算的姿态误差值方差结果如图5所示。

从图5中看出，φθ、φγ 和φψ 都随着时间的增加方差逐渐收敛，且趋势稳定。φθ的方差从6一直在收敛，最终在3 600s时收敛到0.375；φγ的方差最终在3 600s 时收敛到0.375；φψ 的方差也越来越低，最终从600收敛到27.75。姿态误差值的方差越来越低，说明改进卡尔曼滤波的估计误差值越稳定。

4 结论

本文对于风电塔筒的倾斜角不易实时监测，且计算精度低的问题，提出基于改进卡尔曼滤波的风电塔筒倾斜监测算法。主要通过姿态解算的数据处理环节，剔除零偏影响，以及自适应调整卡尔曼滤波方程中的Rk值，优化滤波增益来改进卡尔曼滤波算法，实现风电塔筒无人智能监测，得出以下结论。

1）改进后的卡尔曼滤波在解算倾斜角时的精度高；

2）改进后的卡尔曼滤波估计值相较于传统卡尔曼滤波更加接近真实误差值，滤除误差效果优于传统卡尔曼滤波；

3）改进后的卡尔曼滤波姿态误差方差越来越低，估计出的误差值稳定收敛。