Dissertação
Strategies for model updating and structural health monitoring of wind turbine blades EVALUATED
Uma das fontes de energia renovável mais atraentes é o vento. O maior desafio deste setor é monitorizar as condições estruturais das turbinas eólicas. Estas são vulneráveis a danos e deterioração, visto que operam sob grandes cargas e condições ambientais extremas. O desenvolvimento de estratégias de monitorização da saúde estrutural é crucial para garantir que os danos sejam detectados de forma mais eficaz. Nesta dissertação, três metodologias de aprendizagem automática para deteção de dano são testadas: Multivariate Gaussian Anomaly Detection (MGAD), Principal Component Analysis (PCA) e Anomaly Detection Autoencoder (ADAE). Estas técnicas foram implementadas de forma a reconhecerem padrões divergentes do estado saudável para o estado danificado de uma estrutura. Os dados foram adquiridos experimentalmente a partir da pá de uma turbina, à escala, feita de fibra de vidro e foram extraídos dados, como parâmetros modais, Fequency Response Functions (FRF)s e sinais em tempo de aceleração. Em resposta à barreira de escassez de dados imposta pelo uso de medições experimentais, a segunda parte desta dissertação volta-se para a utilização do Método dos Elementos Finitos. Para que a aplicação de dados de simulação seja eficaz em situações reais, é necessário certificar que estes são uma representação fiável da realidade. Fazendo uso de um modelo de elementos finitos da pá estudada anteriormente, as propriedades deste modelo são ajustadas de forma a reduzir as diferenças entre os dados de resposta experimental e os previstos pelo modelo.
dezembro 13, 2022, 10:30
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Nuno Miguel Rosa Pereira Silvestre
Departamento de Engenharia Mecânica (DEM)
Professor Catedrático