Περίληψη: | Η παρούσα Διπλωματική Εργασία ασχολείται με την ανίχνευση και τον προσδιορισμό θέσης βλαβών σε υπό κλίμακα μοντέλο πτερυγίου ανεμογεννήτριας μέσω σημάτων στοχαστικής ταλάντωσης υπό μεταβαλλόμενη θερμοκρασία με χρήση νευρωνικών δικτύων. Μέθοδοι που βασίζονται σε στοχαστικά ταλαντωτικά σήματα βρίσκονται σε συμφωνία με την τάση της βιομηχανίας για απομακρυσμένο, ασύρματο και διαρκή έλεγχο δομικής ακεραιότητας κατασκευών και συστημάτων με ταυτόχρονη απαίτηση την σύντομη και μικρή σε κόστος εφαρμογή του. Επιπλέον η χρήση δεδομένων που αντιπροσωπεύουν μόνο την απόκριση της κατασκευής σε διέγερση λευκού θορύβου προερχόμενα μόνο από ένα αισθητήριο καθιστούν την μεθοδολογία που θα παρουσιαστεί πιο εφαρμόσιμη. Η έγκαιρη ανίχνευση και ταυτόχρονα ο προσδιορισμός θέσης βλαβών σχετίζονται άμεσα με θέματα συντηρήσεων και ασφάλειας, ενώ εμμέσως σχετίζονται και με την προστασία άλλων μείζονος σημασίας εξαρτημάτων της ανεμογεννήτριας (όπως ο πύργος στήριξης, την ηλεκτρογεννήτρια κ.α.) με αποτέλεσμα την αύξηση ηλεκτρικής ενέργειας. Παρόλα αυτά, οι μεταβολές των περιβαλλοντικών συνθηκών (όπως η θερμοκρασία) εισάγουν αβεβαιότητα στο σύστημα, προκαλώντας διαφοροποιήσεις στα δυναμικά χαρακτηριστικά της κατασκευής καθιστώντας έτσι το πρόβλημα της ορθής ανίχνευσης βλαβών δύσκολο. Στην παρούσα εργασία θα γίνει χρήση νευρωνικών δικτύων (ANN) βασισμένα σε παραμέτρους μοντέλου αυτοπαλινδρόμησης (AR) για να αντιμετωπιστεί η προαναφερθείσα πρόκληση. Θα εξεταστούν 10 σενάρια βλάβης που προσομοιώνονται με προσθήκη μάζας σε 10 διαφορετικά σημεία επί του άξονα του πτερυγίου, ενώ η θερμοκρασία μεταβάλλεται από τους [0⁰C,+20⁰C]. Η ανίχνευσης βλαβών θα πραγματοποιηθεί με χρήση αυτοσυσχετιζόμενων νευρωνικών δικτύων (ΑΑΝΝ) με μη επιβεβλημένη μάθηση, ενώ ο προσδιορισμός θέσης τους θα πραγματοποιηθεί με χρήση απλούστερης δομής νευρωνικού δικτύου (ANN) και με επιβεβλημένη μάθηση. Συμπερασματικά σημειώνεται πολύ καλή επίδοση της μεθοδολογίας και στα δύο προβλήματα με 100% ορθή ανίχνευση βλαβών με εξαλειμμένους τους ψευδείς συναγερμούς, ενώ το σφάλμα κατηγοριοποίησης για τον προσδιορισμό θέσης βλαβών προκύπτει <1% για όλο το θερμοκρασιακό φάσμα.
|