The goal of this work consist to developing an automated procedure for building simulated and augmented experimental data sets for damage detection on a beam mockup. Wind turbine infrastructure represents an active area of research in the structural dynamics domain. The project “ReliaBlade": Improving Blade Reliability through Application of Digital Twins over Entire Life Cycle” aims at developing a digital twin of the wind turbine blade covering its entire life-cycle. Within the project, a digital platform has been conceptualised, designed and developed for digital twin applications. The first digital platform use case consists of a desktop size demo mockup. Experimental data acquired during tests on the mockup are streamed online to the IBM Watson IoT Platform cloud and, basing on the transmitted signals, system damages are detected via knowledge driven machine learning applications and numerical models. This work focuses on providing necessary simulated data by running an automated procedure to generate frequency and time data from several mockup Finite Element Model (FEM) damaged configurations. Moreover, it exploits the generated numerical models to enrich experimental data sets through the use of the Augmented Kalman Filter (AKF) for input-state-response prediction.

Il lavoro di tesi si incentra sullo sviluppo di una procedura automatizzata per creare un set di configurazioni danneggiate di un modello agli elementi finiti. Il fine ultimo consiste poi nell'ottenere le risposte nel tempo e le frequenze proprie del modello, le quali verranno usate come input per algoritmi finalizzati all'identificazione del danno (Damage Detection). Il progetto è stato sviluppato nell'ambito del consorzio "Reliablade", incentrato sul controllo, manutenzione predittiva e damage detection delle pale eoliche.L'intento è quello di seguire tutta la vita di una pala eolica (Blade) grazie ad una sua riproduzione virtuale, detta Digitalt Twins(Gemello Digitale). Il lavoro di tesi si colloca all'interno del work-package 1 del progetto, il cui obiettivo risiede nello sviluppo di una piattaforma digitale che permetta la condivisione contemporanea di dati provenienti da test sperimentali e da simulazioni. Tali simulazioni debbono essere eseguite con modelli FEM "danneggiati" per poter permettere a reti neurali di identificare il danno tramite il confronto dei dati simulati con quelli reali. Per questo motivo si è optato per l`utilizzo di un modello semplificato di pala eolica ossia un mockup rappresentativo composto da 4 componenti: un blocco di supporto inferiore rappresentante il suolo, un parallelepipedo a faccia quadrata allungato ed uno schiacciato che servono per simulare la torre di ancoraggio della pala eolica , sostituita con una barra piatta (beam) in acciaio serrata tra i due blocchi precedenti.

Sviluppo di una procedura automatizzata per lla realizzazione di data-set sperimentali simulati ed aumentati per il rilevamento di danni su di un Mockup.

COLÒ, SIMONE
2019/2020

Abstract

The goal of this work consist to developing an automated procedure for building simulated and augmented experimental data sets for damage detection on a beam mockup. Wind turbine infrastructure represents an active area of research in the structural dynamics domain. The project “ReliaBlade": Improving Blade Reliability through Application of Digital Twins over Entire Life Cycle” aims at developing a digital twin of the wind turbine blade covering its entire life-cycle. Within the project, a digital platform has been conceptualised, designed and developed for digital twin applications. The first digital platform use case consists of a desktop size demo mockup. Experimental data acquired during tests on the mockup are streamed online to the IBM Watson IoT Platform cloud and, basing on the transmitted signals, system damages are detected via knowledge driven machine learning applications and numerical models. This work focuses on providing necessary simulated data by running an automated procedure to generate frequency and time data from several mockup Finite Element Model (FEM) damaged configurations. Moreover, it exploits the generated numerical models to enrich experimental data sets through the use of the Augmented Kalman Filter (AKF) for input-state-response prediction.
2019
2021-06-01
Development of an automated procedure for building simulated and augmented experimental data sets for damage detection on a beam Mockup.
Il lavoro di tesi si incentra sullo sviluppo di una procedura automatizzata per creare un set di configurazioni danneggiate di un modello agli elementi finiti. Il fine ultimo consiste poi nell'ottenere le risposte nel tempo e le frequenze proprie del modello, le quali verranno usate come input per algoritmi finalizzati all'identificazione del danno (Damage Detection). Il progetto è stato sviluppato nell'ambito del consorzio "Reliablade", incentrato sul controllo, manutenzione predittiva e damage detection delle pale eoliche.L'intento è quello di seguire tutta la vita di una pala eolica (Blade) grazie ad una sua riproduzione virtuale, detta Digitalt Twins(Gemello Digitale). Il lavoro di tesi si colloca all'interno del work-package 1 del progetto, il cui obiettivo risiede nello sviluppo di una piattaforma digitale che permetta la condivisione contemporanea di dati provenienti da test sperimentali e da simulazioni. Tali simulazioni debbono essere eseguite con modelli FEM "danneggiati" per poter permettere a reti neurali di identificare il danno tramite il confronto dei dati simulati con quelli reali. Per questo motivo si è optato per l`utilizzo di un modello semplificato di pala eolica ossia un mockup rappresentativo composto da 4 componenti: un blocco di supporto inferiore rappresentante il suolo, un parallelepipedo a faccia quadrata allungato ed uno schiacciato che servono per simulare la torre di ancoraggio della pala eolica , sostituita con una barra piatta (beam) in acciaio serrata tra i due blocchi precedenti.
File in questo prodotto:
File Dimensione Formato  
Thesis Master Degree -Simone Colò_a.pdf

Open Access dal 02/06/2023

Dimensione 22.68 MB
Formato Adobe PDF
22.68 MB Adobe PDF Visualizza/Apri

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12075/4435