Damage quantification using Polynomial Chaos-Kriging

Carregando...
Imagem de Miniatura

Data

2022-06-24

Autores

Pavlack, Bruna Silveira

Título da Revista

ISSN da Revista

Título de Volume

Editor

Universidade Estadual Paulista (Unesp)

Resumo

Cada vez mais a sociedade almeja pela geração de energia limpa e acessível. Uma alternativa para isso é a energia proveniente dos ventos, a energia eólica. Neste sentido, há um aumento no número de parques eólicos e, consequentemente, um aumento no número de aerogeradores em operação. Devido ao fato dos aerogeradores serem estruturas grandes, sua inspeção visual pode apresentar grandes riscos à vida humana. Neste cenário, é muito importante o desenvolvimento de metodologias de Monitoramento da Saúde Estrutural em aerogeradores, com o intuito de detectar e quantificar danos, e consequentemente evitar falhas e acidentes. Neste trabalho é apresentada uma metodologia de Monitoramento da Saúde Estrutural, baseada em vibração orientada por dados, para quantificação de danos utilizando um metamodelo obtido a partir do método Polinômio do Caos-Krigagem. A investigação busca quantificar a severidade do dano, descrito por um tipo específico de descolamento em uma pá de turbina eólica de compósito, em função de um índice de dano, levando-se em consideração as incertezas. A pá foi instrumentada com dez acelerômetros na borda superior, dez acelerômetros na borda inferior e um atuador eletromecânico, o qual gera o impacto na estrutura. O metamodelo obtido demonstra ser capaz de capturar a tendência que relaciona os índices de dano e o tamanho do dano nos pontos simulados. Posteriormente, é realizada a análise de sensibilidade global para identificar a influência de cada acelerômetro em um índice de dano global. O método de análise de sensibilidade utilizado é os índices de Sobol. Os resultados obtidos dos índices de Sobol são satisfatórios, pois demonstram que os sensores localizados no caminho do dano possuem maior sensibilidade e influência no índice de dano global. Estudos dessa natureza são fundamentais, pois possibilitam otimizar a localização dos sensores para melhor detecção de danos e contribuir para a redução de custos. Por fim, também é proposta uma metodologia para detecção de danos na pá, por meio de um intervalo de confiança de 95% de um modelo Krigagem obtido a partir da função de transmissibilidade entre dois sensores, na condição saudável. As probabilidades de detecção obtidas para as condições de dano foram satisfatórias.
Society increasingly craves the generation of clean and affordable energy. An alternative to this is energy from the wind, wind energy. In this sense, there is an increase in the number of wind farms and, consequently, the number of wind turbines in operation. Since wind turbines are large structures, their visual inspection can present a high number of false alarms that can cause significant human life risks. In this scenario, it is essential to develop Structural Health Monitoring methodologies in wind turbines to detect and quantify damage and, consequently, avoid failures and accidents. This work presents a data-driven vibration methodology for Structural Health Monitoring. The key idea is to apply a Polynomial Chaos-Kriging metamodel for damage quantification. The investigation seeks to quantify the damage severity, described by a specific type of debonding in a composite wind turbine blade as a damage index function, assuming the uncertainties. The blade was instrumented with ten accelerometers on the trailing edge, ten accelerometers on the leading edge, and an electromechanical actuator, which generates the impact on the structure. The obtained metamodel demonstrates the ability to capture the trend that relates the damage indices and the damage size at the simulated points. Subsequently, a global sensitivity analysis is performed to identify the influence of each accelerometer on the global damage index. The sensitivity analysis method used is the Sobol’ indices. The results obtained from the Sobol’ indices are satisfactory, as they demonstrate that the sensors located in the damage path have greater sensitivity and influence on the global damage index. Studies of this nature are essential, as they make it possible to optimize the location of sensors for better detection of damage and contribute to cost reduction. Finally, a methodology for damage detection on the blade is also proposed, using a confidence interval of 95% of a Kriging model obtained from the transmissibility function between two sensors in the healthy condition. The detection probabilities obtained for the damage conditions were satisfactory.

Descrição

Palavras-chave

Monitoramento da saúde estrutural, Estruturas de material compósito, Propagação de incertezas, Detecção de dano, Quantificação de dano, Metódo Polinômio de Caos-Krigagem, Análise de sensibilidade, Índices de Sobol, Structural health monitoring, Composite structures, Propagation of uncertainties, Damage detection, Damage quantification, Polynomial Chaos-Kriging method, Sensitivity analysis, Sobol’ indices

Como citar