科创实践 | 大创优秀项目：融合机器学习的风机叶片疲劳寿命快速预测方法

编者按：“筑海之路，育工之将”，为充分展现我院优秀大学生创新训练项目的丰硕成果，提升优秀项目的示范效应，本栏目将持续推送系列项目展示。我院坚持以学生成长为中心，依托“本-硕-博”贯通的工科特色人才培养体系，构建了“创新课程—本科生导师制—科创项目—科技竞赛—工程实训”全过程、多维度的科研育人体系。学院设有中山大学水下机器人研究学社、AI探海工作坊、工程实训中心及学生创新实践作品展示空间，打造具有海工特色的第二课堂活动，系统培养学生的科研创新能力。

本期引语：兹推介本期优秀大创项目——《融合机器学习的风机叶片疲劳寿命快速预测方法》（项目负责人：高俊伟）。该项目围绕风机叶片疲劳寿命预测瓶颈，成功实现可靠、快速风电叶片疲劳评估，并获评2025年校级和院级优秀大创项目。

项目名称：融合机器学习的风机叶片疲劳寿命快速预测方法

项目等级：2025年省级大学生创新训练项目 优秀项目

项目负责人：高俊伟 海洋工程与技术学院2022级本科生

成员介绍：

柳文旭（海洋工程与技术学院2022级本科生）

贺培滢（海洋工程与技术学院2023级本科生）

贺子笑（人工智能学院2022级本科生）

指导教师：陈顺华 副教授

一、项目背景与研究意义项目背景与研究意义

      风能作为清洁可再生能源，是支撑我国实现双碳目标和能源结构低碳转型的重要力量。随着海上风电向大容量、长叶片和深远海方向发展，风机叶片尺寸持续增大，服役载荷更加复杂。叶片本质上是典型的中空薄壁复合材料结构，长期承受湍流脉动、重力载荷、运行载荷及风浪耦合诱导的非定常载荷作用，易发生基体开裂、纤维损伤、层间裂纹和胶接界面开裂等多模式损伤（见图1）。相比陆上风机，海上风机检测维护成本更高，早期损伤识别与寿命管理难度更大。疲劳损伤具有渐进累积、早期隐蔽和演化路径复杂等特点，若未能及时识别和评估，可能导致叶片刚度退化、承载能力下降甚至严重结构失效。因此，发展兼具精度与效率的风机叶片疲劳寿命预测方法，对海上风电机组安全运行和寿命管理具有重要意义。

图1 风电叶片结构及裂纹形式

      目前，风机叶片疲劳寿命预测主要依赖 S-N 曲线和 Miner 线性累积损伤理论。此类方法工程应用简便，但难以描述复合材料叶片层内损伤、层间脱粘及其相互作用等复杂损伤演化过程。同时，叶片在吊装、运输和运行维护过程中可能受到低速冲击，形成基体开裂、层间分层和局部刚度退化等初始损伤。此类损伤隐蔽性强，会改变局部应力分布和疲劳损伤演化路径，加速裂纹扩展，降低剩余疲劳寿命。传统方法难以充分考虑初始冲击损伤对疲劳退化过程的影响，导致寿命预测精度和可靠性受限。因此，亟需建立考虑初始损伤影响、能够刻画多模式损伤演化并兼顾计算效率的风机叶片疲劳寿命预测方法。

二、项目成果与应用价值

      本项目完成了含初始损伤风机叶片建模与渐进疲劳损伤仿真，构建了覆盖多工况、多铺层、多载荷条件的疲劳寿命数据集，建立了风机叶片疲劳寿命快速预测代理模型，形成了涵盖模型构建、有限元仿真、数据驱动预测的技术框架。相关成果已形成结题报告和技术总结，为后续论文发表及工程应用推广奠定了基础。

知识产权成果已申请发明专利1 项（已公开）：

图2 发明专利相关图片

三、收获体会与成长

      通过一年的大创项目锻炼，团队成员收获颇丰、受益匪浅。在专业能力上，团队成员系统掌握了复合材料力学、有限元仿真、ABAQUS 二次开发、机器学习等专精技能，将课堂上的理论知识应用于工程实践的能力得以提升。在科研素养上，通过参加学院科研创新训练，团队成员经历了从严谨的选题开展、规范的数据分析、到问题的解决与成果的落地，培养了攻坚克难、精益求精的科研态度。在协作能力上，跨学院成员间分工协作、优势互补，在反复讨论与磨合中提升了沟通表达、团队协作与抗压能力。

     成员们深刻体会到，科研之路并非一帆风顺，正是一次次试错、调试与坚持，才能让创新成果最终落地。项目不仅提升了个人能力，更坚定了团队深耕海洋工程与智能装备领域、服务国家 “双碳” 战略与海洋强国建设的信念。