Διάγνωση βλαβών σε μοντέλο πλωτής ανεμογεννήτριας υπό μεταβαλλόμενη ταχύτητα και διεύθυνση ανέμου μέσω μεθόδων μηχανικής μάθησης και μετρήσεων σημάτων ταλάντωσης
Loading...
Date
2023-07-10
Authors
Κορολής, Ιωάννης
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Η διαρκής Παρακολούθηση της Δομικής Ακεραιότητας (Structural Health Monitoring - SHM) σε υπεράκτιες ανεμογεννήτριες (Offshore Wind Τurbins - OWTs), συμπεριλαμβανομένης της ανίχνευσης και ταυτοποίησης πρώιμων βλαβών, είναι πολύ σημαντική καθώς συνδέεται άμεσα με την αδιάκοπη και επιτυχημένη λειτουργία τους. Τα σήματα ταλάντωσης μπορούν να συλλέγονται εύκολα και οικονομικά από μία OWT κατά τη διάρκεια της κανονικής λειτουργίας της, παρέχοντας πλούσιες πληροφορίες για τη δυναμική της, οι οποίες μπορούν να χρησιμοποιηθούν αποτελεσματικά για την παρακολούθηση της δομικής υγείας της. Ωστόσο, οι OWTs λειτουργούν υπό μεταβαλλόμενες συνθήκες, κυρίως λόγω των αεροδυναμικών διεγέρσεων, οι οποίες επηρεάζουν τα σήματα ταλαντώσεων με παρόμοιο τρόπο με τις πιθανές βλάβες. Επομένως, είναι απαραίτητες εύρωστες μέθοδοι για την ανίχνευση και ταυτοποίηση βλαβών σε OWTs υπό μεταβαλλόμενες συνθήκες λειτουργίας, με στόχο την εξάλειψη ψευδών συναγερμών και διακοπών λειτουργίας των κατασκευών αυτών. Η παρούσα μελέτη εξετάζει την ανίχνευση και ταυτοποίηση πρώιμων βλαβών σε περιστρεφόμενη OWT κάτω από μεταβαλλόμενη ταχύτητα και κατεύθυνση του ανέμου. Χρησιμοποιούνται μέθοδοι μηχανικής μάθησης, μαζί με ένα μικρό αριθμό μετρήσεων από ταλαντωτικά σήματα για την εκπαίδευσή τους. Η ανίχνευση βλαβών επιτυγχάνεται μέσω δύο στατιστικών μεθόδων χρονοσειρών μηχανικής μάθησης, την U-MM-AR και U-MM-PCA-AR. Και οι δύο μέθοδοι ερμηνεύουν την υγιή δυναμική της OWT χρησιμοποιώντας τα διανύσματα των παραμέτρων πολλαπλών συμβατικών μοντέλων AR, με τη δεύτερη να χρησιμοποιεί έναν μειωμένο διάνυσμα παραμέτρων που προκύπτει από την ανάλυση κυρίων συνιστωσών (PCA). Για την ταυτοποίηση βλαβών, εξετάζονται πέντε μέθοδοι μηχανικής μάθησης. Οι τρεις πρώτες βασίζονται στην ιδέα των πολλαπλών μοντέλων, με δύο από αυτές (MM-AR και MM-PCA-AR) να χρησιμοποιούν τυπικά μοντέλα AR, και η τρίτη από αυτές (MM-PSD) να χρησιμοποιεί την εκτίμηση της Πυκνότητας Φασματικής Ισχύος κατά Welch ως χαρακτηριστικό ευαίσθητο ως προς τον τύπο βλάβης. Οι δύο άλλες μέθοδοι, που βασίζονται στους αλγορίθμους k-NN και K-Means αντίστοιχα, βασίζονται επίσης σε τυπικά μοντέλα AR για την εξαγωγή του διανύσματος παραμέτρων το οποίο χρησιμοποιείται ως το χαρακτηριστικό διάνυσμα για την ταυτοποίηση των βλαβών. Τα σήματα ταλαντώσεων καταγράφονται χρησιμοποιώντας ένα μόνο επιταχυνσιόμετρο τοποθετημένο σε εργαστηριακό μοντέλο μικρής κλίμακας πλωτής υπεράκτιας ανεμογεννήτριας. Το μοντέλο λειτουργεί υπό τρεις διαφορετικές ταχύτητες ανέμου και τρεις διαφορετικές κατευθύνσεις ανέμου, που παράγονται αποτελεσματικά από έναν τυπικό ανεμιστήρα. Η απόδοση των μεθόδων αξιολογείται συστηματικά βάσει εκατοντάδων πειραμάτων που πραγματοποιούνται στο υγιές μοντέλο OWT, καθώς και με τρία επίπεδα αποσύσφιξης στους κοχλίες στερέωσης του πύργου, δύο διαφορετικά επίπεδα ρωγμών στο πτερύγιο και δύο διαφορετικές προσθήκες μαζών στο πτερύγιο, προσομοιώνοντας πιθανή συσσώρευση πάγου. Τα αποτελέσματα ανίχνευσης βλαβών παρουσιάζονται μέσω καμπυλών ROC (Receiving Operator Characteristic), που δείχνουν την συνολική ανωτερότητα της μεθόδου U-MM-AR για όλα τα εξεταζόμενα σενάρια βλάβης η οποία επιτυγχάνει 100% σωστής ανίχνευσης για 2.2% ψευδών συναγερμών. Η αξιολόγηση κάθε μεθόδου στην ταυτοποίηση βλάβης γίνεται με χρήση πινάκων σύγχυσης (confusion matrices), και τα αποτελέσματα δείχνουν ότι η μέθοδος MM-PSD επιτυγχάνει το υψηλότερο ποσοστό σωστής ταυτοποίησης.
Description
Keywords
Παρακολούθηση της δομικής ακεραιότητας, Ανίχνευση και ταυτοποίηση βλαβών, Πλωτές ανεμογεννήτριες, Μεταβαλλόμενες συνθήκες λειτουργίας, Στατιστικές μέθοδοι χρονοσειρών ταλαντώσεων, Αλγόριθμοι μηχανικής μάθησης