KR102663166B1 - Method for analyzing wind turbine blade debonding damage with missing data estimation function - Google Patents
Method for analyzing wind turbine blade debonding damage with missing data estimation function Download PDFInfo
- Publication number
- KR102663166B1 KR102663166B1 KR1020210188627A KR20210188627A KR102663166B1 KR 102663166 B1 KR102663166 B1 KR 102663166B1 KR 1020210188627 A KR1020210188627 A KR 1020210188627A KR 20210188627 A KR20210188627 A KR 20210188627A KR 102663166 B1 KR102663166 B1 KR 102663166B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- vibration data
- loss
- damage
- loss data
- Prior art date
Links
- 230000006378 damage Effects 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 13
- 238000005259 measurement Methods 0.000 claims abstract description 48
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 238000007405 data analysis Methods 0.000 claims abstract description 18
- 238000006073 displacement reaction Methods 0.000 claims abstract description 15
- 238000012935 Averaging Methods 0.000 claims abstract description 7
- 238000001514 detection method Methods 0.000 claims abstract description 7
- 238000013461 design Methods 0.000 claims description 4
- 238000003062 neural network model Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 3
- 239000002131 composite material Substances 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/449—Statistical methods not provided for in G01N29/4409, e.g. averaging, smoothing and interpolation
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
- F03D17/001—Inspection
- F03D17/003—Inspection characterised by using optical devices, e.g. lidar or cameras
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
- F03D17/027—Monitoring or testing of wind motors, e.g. diagnostics characterised by the component being monitored or tested
- F03D17/028—Blades
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/06—Visualisation of the interior, e.g. acoustic microscopy
- G01N29/0654—Imaging
- G01N29/069—Defect imaging, localisation and sizing using, e.g. time of flight diffraction [TOFD], synthetic aperture focusing technique [SAFT], Amplituden-Laufzeit-Ortskurven [ALOK] technique
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/12—Analysing solids by measuring frequency or resonance of acoustic waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4481—Neural networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/46—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by spectral analysis, e.g. Fourier analysis or wavelet analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/01—Indexing codes associated with the measuring variable
- G01N2291/014—Resonance or resonant frequency
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/023—Solids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/028—Material parameters
- G01N2291/0289—Internal structure, e.g. defects, grain size, texture
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/26—Scanned objects
- G01N2291/269—Various geometry objects
- G01N2291/2693—Rotor or turbine parts
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Acoustics & Sound (AREA)
- Combustion & Propulsion (AREA)
- Sustainable Energy (AREA)
- Mechanical Engineering (AREA)
- Sustainable Development (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Probability & Statistics with Applications (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
본 발명은 손실 데이터 추정 기능을 구비한 풍력 터빈 블레이드 디본딩 손상 분석 방법에 관한 것으로, 이는 블레이드 미 손상 상태에서 풍력터빈 타워에 장착된 비접촉식 변위 측정 장비를 통해 진동 데이터 기준치를 획득하고, 진동 데이터 기준치에 따라 블레이드 유한 요소 모델을 보정한 후 상기 블레이드 유한 요소 모델을 통해 손상 요인별 진동데이터 해석치를 획득 및 저장하는 데이터 일치화 단계; 블레이드 실제 운행 상태에서 상기 비접촉식 변위 측정 장비를 통해 진동 데이터 측정치를 획득 및 분석하여 손실 데이터 발생 차수를 검출하고, 손실 데이터 발생 차수가 검출시에는 기 획득된 다수의 진동 데이터 측정치를 수집 및 분석하여 손실 데이터 발생 비율을 추가 산출하는 손실 데이터 검출 단계; 손실 데이터 발생 비율이 기 설정치 이하인 경우에는 상기 기 획득된 다수의 진동 데이터 측정치를 수집 및 평균하여 손실 데이터 추정치를 획득하고, 그렇지 않은 경우에는 손상 요인별 진동데이터 해석치 중 데이터 유사도가 높은 진동데이터 해석치를 선택 및 이용하여 손실 데이터 추청치를 획득하는 손실 데이터 추정 단계; 및 상기 손실 데이터 추청치를 진동 데이터 측정치에 반영한 후, 디본딩 손상 예측 알고리즘을 통해 분석하여 디본딩 손상 여부 또는 디본딩 손상 요인을 확인 및 통보하는 디본딩 손상 분석 단계를 포함할 수 있다.The present invention relates to a method for analyzing wind turbine blade debonding damage with a loss data estimation function, which obtains vibration data reference values through non-contact displacement measurement equipment mounted on a wind turbine tower in an undamaged state, and obtains vibration data reference values. A data matching step of correcting the blade finite element model according to and then obtaining and storing vibration data analysis values for each damage factor through the blade finite element model; In the actual operating state of the blade, vibration data measurements are acquired and analyzed through the non-contact displacement measurement equipment to detect the order of occurrence of loss data, and when the order of loss data occurrence is detected, a number of previously acquired vibration data measurements are collected and analyzed to detect loss data. A loss data detection step of additionally calculating a data generation rate; If the loss data generation rate is below the preset value, a loss data estimate is obtained by collecting and averaging the plurality of previously obtained vibration data measurements. Otherwise, the vibration data analysis value with high data similarity among the vibration data analysis values for each damage factor is obtained. a loss data estimation step of selecting and using lost data estimates to obtain loss data estimates; and a debonding damage analysis step of reflecting the loss data estimates to vibration data measurements and then analyzing them through a debonding damage prediction algorithm to confirm and report debonding damage or debonding damage factors.
Description
본 발명은 블레이드 운행 중에도 디본딩 손상 분석 동작을 수행하며, 특히 특정 차수의 고유 주파수를 측정하지 못하는 손실 데이터를 발생하더라도 이에 대한 영향을 최소화할 수 있도록 하는 손실 데이터 추정 기능을 구비한 풍력 터빈 블레이드 디본딩 손상 분석 방법에 관한 것이다. The present invention performs a debonding damage analysis operation even while the blade is in operation, and in particular, a wind turbine blade device equipped with a loss data estimation function that minimizes the impact even if loss data that cannot measure the natural frequency of a specific order occurs. It relates to a bonding damage analysis method.
풍력터빈은 한정된 국토 내에서 더 많은 에너지를 얻기 위해 대형화되어 가고 있는 추세이며, 블레이드의 크기, 중량 증가 문제를 해결하기 위해 비강성, 비강도가 높은 복합재료를 이용한 블레이드 제작이 수행되고 있다. Wind turbines are becoming larger in order to obtain more energy within a limited land area, and in order to solve the problem of increasing the size and weight of the blades, blades are manufactured using composite materials with high specific rigidity and specific strength.
디본딩 손상은 풍력터빈에 구비된 복합재 블레이드의 접합부가 떨어져 나가는 것으로, 이는 구조물의 파괴를 야기할 수 있다. Debonding damage occurs when the joints of composite blades provided in wind turbines come apart, which can cause destruction of the structure.
블레이드는 풍력터빈 부품 중 두 번째로 높은 비용을 차지하고 있으며, 풍력터빈의 유지보수 및 교체를 위해서는 풍력터빈의 운행을 잠시 중지시켜야 하므로 이에 따른 경제적 손실이 발생하게 된다. Blades account for the second highest cost among wind turbine components, and maintenance and replacement of wind turbines require temporary suspension of operation, resulting in economic losses.
이에 종래에는 풍력터빈의 운행 중지 없이, 내부 손상에 따라 강성이 변화함에 따라 고유 주파수가 변화하는 진동특성을 이용하여 디본딩 손상을 탐지하도록 하는 기술이 제안된 바 있다. Accordingly, a technology has been proposed to detect debonding damage using vibration characteristics in which the natural frequency changes as the rigidity changes due to internal damage, without stopping the operation of the wind turbine.
그러나 실제 고유 주파수 측정시 외부 환경 요인으로 인한 노이즈 발생 또는 측정 장치의 한계 등으로 인해, 특정 차수의 고유 주파수가 측정 누락되는 경우에 빈번히 발생하는 문제가 있다. However, when measuring actual natural frequencies, there is a problem that frequently occurs when natural frequencies of a certain order are missed in the measurement due to noise generation due to external environmental factors or limitations of the measuring device.
이에 상기와 같은 문제점을 해결하기 위한 것으로서, 본 발명은 특정 차수의 고유 주파수를 측정하지 못하는 손실 데이터를 발생하는 경우, 손실 데이터를 추정 및 반영하여 디본딩 손상을 분석할 수 있도록 하는 손실 데이터 추정 기능을 구비한 풍력 터빈 블레이드 디본딩 손상 분석 방법을 제공하고자 한다. Accordingly, in order to solve the above problems, the present invention provides a loss data estimation function that enables analysis of debonding damage by estimating and reflecting the loss data when loss data that cannot measure the natural frequency of a specific order occurs. The purpose of this study is to provide a method for analyzing wind turbine blade debonding damage.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 본 발명이 속하는 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.The purpose of the present invention is not limited to the purposes mentioned above, and other purposes not mentioned will be clearly understood by those skilled in the art to which the present invention pertains from the description below.
상기 과제를 해결하기 위한 수단으로서, 본 발명의 일 실시 형태에 따르면 블레이드 미 손상 상태에서 풍력터빈 타워에 장착된 비접촉식 변위 측정 장비를 통해 진동 데이터 기준치를 획득하고, 진동 데이터 기준치에 따라 블레이드 유한 요소 모델을 보정한 후 상기 블레이드 유한 요소 모델을 통해 손상 요인별 진동데이터 해석치를 획득 및 저장하는 데이터 일치화 단계; 블레이드 실제 운행 상태에서 상기 비접촉식 변위 측정 장비를 통해 진동 데이터 측정치를 획득 및 분석하여 손실 데이터 발생 차수를 검출하고, 손실 데이터 발생 차수가 검출시에는 기 획득된 다수의 진동 데이터 측정치를 수집 및 분석하여 손실 데이터 발생 비율을 추가 산출하는 손실 데이터 검출 단계; 손실 데이터 발생 비율이 기 설정치 이하인 경우에는 상기 기 획득된 다수의 진동 데이터 측정치를 수집 및 평균하여 손실 데이터 추정치를 획득하고, 그렇지 않은 경우에는 손상 요인별 진동데이터 해석치 중 데이터 유사도가 높은 진동데이터 해석치를 선택 및 이용하여 손실 데이터 추청치를 획득하는 손실 데이터 추정 단계; 및 상기 손실 데이터 추청치를 진동 데이터 측정치에 반영한 후, 디본딩 손상 예측 알고리즘을 통해 분석하여 디본딩 손상 여부 또는 디본딩 손상 요인을 확인 및 통보하는 디본딩 손상 분석 단계를 포함하는 손실 데이터 추정 기능을 구비한 풍력 터빈 블레이드 디본딩 손상 분석 방법을 제공한다. As a means to solve the above problem, according to one embodiment of the present invention, a vibration data reference value is obtained through a non-contact displacement measurement equipment mounted on a wind turbine tower in an undamaged state, and a blade finite element model is modeled according to the vibration data reference value. A data matching step of acquiring and storing vibration data analysis values for each damage factor through the blade finite element model after correcting; In the actual operating state of the blade, vibration data measurements are acquired and analyzed through the non-contact displacement measurement equipment to detect the order of occurrence of loss data, and when the order of loss data occurrence is detected, a number of previously acquired vibration data measurements are collected and analyzed to detect loss data. A loss data detection step of additionally calculating a data generation rate; If the loss data generation rate is below the preset value, a loss data estimate is obtained by collecting and averaging the plurality of previously obtained vibration data measurements. Otherwise, the vibration data analysis value with high data similarity among the vibration data analysis values for each damage factor is obtained. A loss data estimation step of selecting and using lost data estimates to obtain loss data estimates; And a loss data estimation function that includes a debonding damage analysis step of reflecting the loss data estimates to the vibration data measurements and then analyzing them through a debonding damage prediction algorithm to confirm and report debonding damage or debonding damage factors. A wind turbine blade debonding damage analysis method is provided.
상기 데이터 일치화 단계는 블레이드 미 손상 상태에서, 풍력터빈 타워에 장착된 비접촉식 변위 측정 장비를 통해 진동 데이터 기준치를 획득하는 단계; 블레이드 설계도 기반으로 블레이드 유한 요소 모델을 생성한 후, 상기 블레이드 유한 요소 모델을 통해 진동 데이터 예측치를 획득하는 단계; 및 상기 진동 데이터 기준치와 상기 진동 데이터 예측치가 일치되도록 블레이드 유한 요소 모델을 보정한 후, 상기 블레이드 유한 요소 모델을 통해 손상 요인별 진동데이터 해석치를 획득 및 저장하는 단계를 포함하는 것을 특징으로 한다. The data matching step includes obtaining vibration data reference values through non-contact displacement measurement equipment mounted on the wind turbine tower while the blade is in an undamaged state; After generating a blade finite element model based on the blade design, obtaining predicted vibration data through the blade finite element model; And after correcting the blade finite element model so that the vibration data reference value matches the vibration data prediction value, obtaining and storing vibration data analysis values for each damage factor through the blade finite element model.
상기 손실 데이터 추정 단계는 기 획득된 다수개의 진동 데이터 측정치를 수집 및 분석하여 손실 데이터 발생 비율을 산출하는 단계; 상기 손실 데이터 발생 비율이 기 설정치 이하인 경우에는 상기 기 획득된 다수개의 진동 데이터 측정치를 합산 및 평균하여 손실 데이터 추정치를 획득하고, 그렇지 않은 경우에는 상기 손상 요인별 진동데이터 해석치 중 데이터 유사도가 가장 높은 진동데이터 해석치를 이용하여 손실 데이터 추정치를 획득하는 단계; 및 상기 손실 데이터 추정치를 반영하여 상기 진동 데이터 측정치를 보정하여 출력하는 단계를 포함하는 것을 특징으로 한다. The loss data estimation step includes calculating a loss data occurrence rate by collecting and analyzing a plurality of previously acquired vibration data measurements; If the loss data occurrence rate is below a preset value, a loss data estimate is obtained by summing and averaging the plurality of previously obtained vibration data measurements. Otherwise, the vibration data with the highest data similarity among the vibration data analysis values for each damage factor is obtained. Obtaining a loss data estimate using the data interpretation; And comprising the step of correcting and outputting the vibration data measurement by reflecting the loss data estimate.
상기 디본딩 손상 예측 알고리즘은 진동 데이터 측정치와 디본딩 손상 요인간 상관 관계가 기 학습된 신경망 모델으로 구현되는 것을 특징으로 한다. The debonding damage prediction algorithm is characterized by being implemented as a neural network model in which the correlation between vibration data measurements and debonding damage factors is previously learned.
본 발명은 풍력터빈 타워에 장착된 비접촉식 변위 측정 장비를 통해 블레이드의 진동 데이터를 획득 및 분석함으로써, 블레이드의 운행하면서 풍력터빈의 디본딩 손상 여부를 확인 및 통보할 수 있도록 한다. The present invention obtains and analyzes blade vibration data through non-contact displacement measurement equipment mounted on a wind turbine tower, thereby enabling confirmation and notification of debonding damage to the wind turbine while the blades are operating.
그리고 특정 차수의 고유 주파수를 측정하지 못하는 손실 데이터를 발생하는 경우, 손실 데이터를 추정 및 반영하여 디본딩 손상을 분석할 수 있도록 함으로써, 손실 데이터 발생에 의한 영향을 최소화할 수 있도록 한다. In addition, when loss data that cannot measure the natural frequency of a specific order is generated, the loss data can be estimated and reflected to analyze debonding damage, thereby minimizing the impact of loss data generation.
도 1은 본 발명의 일 실시예에 따른 손실 데이터 추정 기능을 구비한 풍력 터빈 블레이드 디본딩 손상 분석 방법을 설명하기 위한 도면이다.
도 2 내지 도 4는 본 발명의 일 실시예에 따른 데이터 일치화 단계를 상세 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 손실 데이터 검출 단계를 상세 설명하기 위한 도면이다.
도 6는 본 발명의 일 실시예에 따른 손실 데이터 추정 단계를 상세 설명하기 위한 도면이다.
도 7은 본 명세서에 개진된 하나 이상의 실시예가 구현될 수 있는 예시적인 컴퓨팅 환경을 도시하는 도면이다. 1 is a diagram illustrating a method for analyzing wind turbine blade debonding damage with a loss data estimation function according to an embodiment of the present invention.
2 to 4 are diagrams for explaining in detail the data matching step according to an embodiment of the present invention.
Figure 5 is a diagram for explaining in detail the loss data detection step according to an embodiment of the present invention.
Figure 6 is a diagram for explaining in detail the loss data estimation step according to an embodiment of the present invention.
Figure 7 is a diagram illustrating an example computing environment in which one or more embodiments disclosed herein may be implemented.
이하의 내용은 단지 본 발명의 원리를 예시한다. 그러므로 당업자는 비록 본 명세서에 명확히 설명되거나 도시되지 않았지만 본 발명의 원리를 구현하고 본 발명의 개념과 범위에 포함된 다양한 장치를 발명할 수 있는 것이다. 또한, 본 명세서에 열거된 모든 조건부 용어 및 실시예들은 원칙적으로, 본 발명의 개념이 이해되도록 하기 위한 목적으로만 명백히 의도되고, 이와 같이 특별히 열거된 실시예들 및 상태들에 제한적이지 않는 것으로 이해되어야 한다.The following merely illustrates the principles of the invention. Therefore, those skilled in the art will be able to invent various devices that embody the principles of the present invention and are included in the spirit and scope of the present invention, although not explicitly described or shown herein. In addition, it is understood that all conditional terms and embodiments listed herein are, in principle, expressly intended solely for the purpose of ensuring that the concept of the invention is understood, and are not limited to the embodiments and conditions specifically listed as such. It has to be.
또한, 본 발명의 원리, 관점 및 실시예들 뿐만 아니라 특정 실시예를 열거하는 모든 상세한 설명은 이러한 사항의 구조적 및 기능적 균등물을 포함하도록 의도되는 것으로 이해되어야 한다. 또한 이러한 균등물들은 현재 공지된 균등물뿐만 아니라 장래에 개발될 균등물 즉 구조와 무관하게 동일한 기능을 수행하도록 발명된 모든 소자를 포함하는 것으로 이해되어야 한다.Additionally, it is to be understood that any detailed description reciting principles, aspects, and embodiments of the invention, as well as specific embodiments, is intended to encompass structural and functional equivalents thereof. In addition, these equivalents should be understood to include not only currently known equivalents but also equivalents developed in the future, that is, all elements invented to perform the same function regardless of structure.
따라서, 예를 들어, 본 명세서의 블럭도는 본 발명의 원리를 구체화하는 예시적인 회로의 개념적인 관점을 나타내는 것으로 이해되어야 한다. 이와 유사하게, 모든 흐름도, 상태 변환도, 의사 코드 등은 컴퓨터가 판독 가능한 매체에 실질적으로 나타낼 수 있고 컴퓨터 또는 프로세서가 명백히 도시되었는지 여부를 불문하고 컴퓨터 또는 프로세서에 의해 수행되는 다양한 프로세스를 나타내는 것으로 이해되어야 한다.Accordingly, for example, the block diagrams herein should be understood as representing a conceptual view of an example circuit embodying the principles of the invention. Similarly, all flow diagrams, state transition diagrams, pseudo-code, etc. are understood to represent various processes that can be substantially represented on a computer-readable medium and are performed by a computer or processor, whether or not the computer or processor is explicitly shown. It has to be.
도 1은 본 발명의 일 실시예에 따른 손실 데이터 추정 기능을 구비한 풍력 터빈 블레이드 디본딩 손상 분석 방법을 설명하기 위한 도면이다. Figure 1 is a diagram for explaining a wind turbine blade debonding damage analysis method with a loss data estimation function according to an embodiment of the present invention.
도 1을 참고하면, 본 발명의 방법은 크게 데이터 블레이드 미 손상 상태에서 풍력터빈 타워에 장착된 비접촉식 변위 측정 장치를 통해 진동 데이터 기준치를 획득하고, 진동 데이터 기준치에 따라 블레이드 유한 요소 모델을 보정한 후 상기 블레이드 유한 요소 모델을 통해 손상 요인별 진동데이터 해석치를 획득 및 저장하는 데이터 일치화 단계(S10), 블레이드 실제 운행 상태에서 상기 비접촉식 변위 측정 장치를 통해 진동 데이터 측정치를 획득 및 분석하여 손실 데이터(missing data)의 발생 차수를 검출하고, 손실 데이터 발생 차수가 검출시에는 기 획득된 다수의 진동 데이터 측정치를 수집 및 분석하여 손실 데이터 발생 비율을 추가 산출하는 손실 데이터 검출 단계(S20), 손실 데이터 발생 비율이 기 설정치 이하인 경우에는 상기 기 획득된 다수의 진동 데이터 측정치를 수집 및 평균하여 손실 데이터 추정치를 획득하고, 그렇지 않은 경우에는 손상 요인별 진동데이터 해석치 중 데이터 유사도가 높은 진동데이터 해석치를 선택 및 이용하여 손실 데이터 추청치를 획득하는 손실 데이터 추정 단계(S30) 및 상기 손실 데이터 추청치를 진동 데이터 측정치에 반영한 후, 디본딩 손상 예측 알고리즘을 통해 분석하여 디본딩 손상 여부 또는 디본딩 손상 요인을 확인 및 통보하는 디본딩 손상 분석 단계(S40) 등으로 구성된다. Referring to Figure 1, the method of the present invention largely obtains vibration data reference values through a non-contact displacement measurement device mounted on a wind turbine tower in an undamaged state, and corrects the blade finite element model according to the vibration data reference values. A data matching step (S10) of acquiring and storing vibration data analysis values for each damage factor through the blade finite element model, and acquiring and analyzing vibration data measurements through the non-contact displacement measurement device in the actual operating state of the blade to obtain and analyze loss data (missing data). A loss data detection step (S20) in which the occurrence order of the loss data is detected, and when the loss data occurrence order is detected, the loss data occurrence rate is additionally calculated by collecting and analyzing a number of previously acquired vibration data measurements, the loss data occurrence rate If it is below this preset value, a loss data estimate is obtained by collecting and averaging the plurality of previously obtained vibration data measurements. Otherwise, a vibration data analysis value with high data similarity is selected and used among the vibration data analysis values for each damage factor. In the loss data estimation step (S30) of obtaining the loss data estimate and reflecting the loss data estimate to the vibration data measurements, the debonding damage prediction algorithm is used to analyze the debonding damage or the debonding damage factor to confirm and notify. It consists of a bonding damage analysis step (S40), etc.
이하, 도 2 내지 도 6을 참고하여 본 발명의 손실 데이터 추정 기능을 구비한 풍력 터빈 블레이드 디본딩 손상 분석 방법에 대해 보다 상세히 설명하기로 한다. Hereinafter, the wind turbine blade debonding damage analysis method equipped with the loss data estimation function of the present invention will be described in more detail with reference to FIGS. 2 to 6.
도 2 내지 도 4는 본 발명의 일 실시예에 따른 데이터 일치화 단계를 상세 설명하기 위한 도면이다. 2 to 4 are diagrams for explaining in detail the data matching step according to an embodiment of the present invention.
먼저, 단계 S11에서는 풍력터빈이 새로이 설치되어 블레이드가 손상되지 않은 상태에서, 도 3에서와 같이 비접촉식 변위 측정 장치를 블레이드의 날개를 바라보도록 풍력터빈의 타워에 장착한 후, 이를 통해 손상 없는 블레이드의 진동을 기 설정된 시간 동안 일정 주기로 반복 측정 및 평균하여 진동 데이터 기준치를 획득 및 저장한다(S11). First, in step S11, when the wind turbine is newly installed and the blades are not damaged, a non-contact displacement measuring device is mounted on the tower of the wind turbine to face the blades of the blades as shown in FIG. 3, and through this, the undamaged blades are measured. Vibration is repeatedly measured and averaged at regular intervals for a preset time to obtain and store vibration data reference values (S11).
이때, 비접촉식 변위 측정 장치는 펄스 변위 측정(PRT; Pulse Ranging Technology) 센서 또는 초고속 카메라에 기반한 영상 처리 장치로 구현되어, 디본딩 손상이 발생함에 따라 달라지는 블레이드 변위를 측정한 후, 이를 진동 데이터로 환산하여 출력하도록 한다. At this time, the non-contact displacement measurement device is implemented as an image processing device based on a Pulse Ranging Technology (PRT) sensor or an ultra-high-speed camera, measures the blade displacement that changes as debonding damage occurs, and then converts it into vibration data. and print it out.
그리고 진동 데이터에 대한 FFT(Fast Fourier transform)를 수행하여 진동 데이터를 시간 영역 데이터에서 주파수 영역 데이터로 변환한 후, 도 3에서와 같이 주파수 영역 데이터로부터 n차(n은 자연수)의 주파수 피크를 검출한 후, 피크 각각의 주파수를 측정 및 저장한다. Then, perform FFT (Fast Fourier transform) on the vibration data to convert the vibration data from time domain data to frequency domain data, and then detect the nth order (n is a natural number) frequency peak from the frequency domain data as shown in Figure 3. After that, the frequency of each peak is measured and stored.
그리고 블레이드 설계도 기반으로 블레이드 유한 요소 모델을 생성한 후, 이를 통해 손상 없는 블레이드의 진동 데이터 예측치를 획득한다(S12). After creating a blade finite element model based on the blade design, predicted vibration data of the blade without damage is obtained (S12).
이때, 블레이드 유한 요소 모델은 블레이드 설계도에 기재되어 있는 에어포일(airfoil), 복합 재료(material) 및 적층(layup) 정보 등을 기반으로 생성될 수 있다. At this time, the blade finite element model may be created based on airfoil, composite material, and layup information described in the blade design.
예를 들어, 상부 스킨(upper skin), 하부 스킨(lower skin), 및 쉐어 웹(shear web)의 구조를 가지는 유한 요소 모델을 생성하고, 4절점 쉘 요소(S4R)를 적용하여 절점(node)과 요소(element)를 생성한 후, MPC기법을 이용한 블레이드 모델의 결합조건과 구조 커플링 결합조건에 기반하여 쉐어 웹(shear web)과 스킨(skin), 에지(edge)를 결합한다. 마지막으로, 절점 각각의 경계 조건을 설정 및 적용함으로써, 블레이드 유한 요소 모델을 최종 획득할 수 있다. For example, create a finite element model with the structure of upper skin, lower skin, and shear web, and apply a four-node shell element (S4R) to create the nodes. After creating the elements, the shear web, skin, and edge are combined based on the blade model coupling conditions and structural coupling coupling conditions using the MPC technique. Finally, by setting and applying boundary conditions for each node, the blade finite element model can be finally obtained.
그리고 진동 데이터 기준치와 진동 데이터 예측치를 비교하면서 진동 데이터 기준치와 진동 데이터 예측치간의 차이가 최소화되도록, 즉 진동 데이터 예측치가 진동 데이터 기준치에 일치되도록 블레이드 유한 요소 모델을 보정하는 동기화 작업을 수행한다(S13). Then, while comparing the vibration data reference value and the vibration data prediction value, a synchronization operation is performed to correct the blade finite element model so that the difference between the vibration data reference value and the vibration data prediction value is minimized, that is, the vibration data prediction value matches the vibration data reference value (S13) .
그리고 동기화된 블레이드 유한 요소 모델에 여러 가지 손상 요인을 적용시키면서 모달 해석(modal analysis)을 반복 수행함으로써, 손상 요인 각각에 대응되는 진동데이터 해석치를 획득 및 저장한다(S14). Then, by repeatedly performing modal analysis while applying various damage factors to the synchronized blade finite element model, vibration data analysis values corresponding to each damage factor are obtained and stored (S14).
이때, 손상 요인은 도 4에서와 같이 손상 타입, 위치, 길이 등에 따라 다양해질 수 있으며, 본 발명에서는 유한 요소 모델에 손상 요인 각각을 반영한 후 모달 해석(modal analysis)을 진행함으로써, 손상 요인 각각에 대응되는 진동데이터 해석치를 획득할 수 있다. At this time, the damage factors may vary depending on the damage type, location, length, etc., as shown in Figure 4. In the present invention, each damage factor is reflected in the finite element model and modal analysis is performed to determine each damage factor. Corresponding vibration data analysis values can be obtained.
도 5는 본 발명의 일 실시예에 따른 손실 데이터 검출 단계를 상세 설명하기 위한 도면이다. Figure 5 is a diagram for explaining in detail the loss data detection step according to an embodiment of the present invention.
블레이드의 실제 운행 상태에서, 비접촉식 변위 측정 장치를 통해 블레이드의 진동을 소정 시간 동안 일정 주기로 반복 측정 및 평균하여 진동 데이터 측정치를 획득 및 저장한다(S21). In the actual operating state of the blade, the vibration of the blade is repeatedly measured and averaged at regular intervals for a predetermined time using a non-contact displacement measuring device to obtain and store vibration data measurements (S21).
그리고 진동 데이터 기준치와 진동 데이터 예측치 중 어느 하나를 기준으로 진동 데이터 측정치를 분석하여 피크치 검출이 안되는 차수(예를 들어, 5차), 즉 손실 데이터 발생 차수를 검출한다(S22). Then, the vibration data measurement is analyzed based on either the vibration data reference value or the vibration data prediction value to detect the order at which the peak value cannot be detected (for example, the 5th order), that is, the order at which loss data occurs (S22).
도 6는 본 발명의 일 실시예에 따른 손실 데이터 추정 단계를 상세 설명하기 위한 도면이다. Figure 6 is a diagram for explaining in detail the loss data estimation step according to an embodiment of the present invention.
만약, 손실 데이터 발생 차수가 검출되면, 기 획득된 다수개(예를 들어, 100개)의 진동 데이터 측정치를 수집 및 분석하여, 손실 데이터 발생 비율을 산출한다(S31). If the number of loss data occurrences is detected, a plurality of previously acquired vibration data measurements (for example, 100) are collected and analyzed to calculate the loss data occurrence rate (S31).
손실 데이터 발생 비율이 기 설정치(예를 들어, 50%) 이하이면(S32), 외부 요인에 의해 손실 데이터가 일시 발생된 상태라고 판단한 후, 기 획득된 다수개의 진동 데이터 측정치를 합산 및 평균하여 손실 데이터 추정치(즉, 손실 데이터 발생 차수의 피크치)를 획득한다(S33). If the loss data generation rate is less than the preset value (e.g., 50%) (S32), it is determined that the loss data has been temporarily generated by external factors, and then the loss is calculated by summing and averaging a plurality of previously acquired vibration data measurements. A data estimate (i.e., peak value of the order of occurrence of lost data) is obtained (S33).
반면, 손실 데이터 발생 차수가 기 설정치(예를 들어, 50%) 보다 크면(S32), 기 획득된 진동 데이터 측정치의 데이터 신뢰도가 상대적으로 낮다고 판단하고, 진동 데이터 측정치 대신에 앞서 획득된 진동데이터 해석치를 통해 손실 데이터 추정치를 획득하도록 한다(S34). On the other hand, if the frequency of loss data occurrence is greater than the preset value (e.g., 50%) (S32), the data reliability of the previously acquired vibration data measurements is determined to be relatively low, and the previously acquired vibration data is interpreted instead of the vibration data measurements. The loss data estimate is obtained through the value (S34).
즉, 고유 주파수 차수별 피크 측정치와 손상 요인 각각에 대응되는 진동데이터 차수별 피크 해석치를 비교하여, 손실 데이터가 발생한 차수를 제외한 나머지 차수(예를 들어. 1차~4차, 6차 고유 주파수)가 가장 유사한 진동데이터 해석치를 선택한 후, 이로부터 손실 데이터 추정치를 획득하도록 한다. In other words, by comparing the peak measurements by natural frequency order and the peak analysis value by vibration data order corresponding to each damage factor, the remaining orders excluding the order in which loss data occurred (e.g., 1st ~ 4th, 6th natural frequency) are the best. After selecting similar vibration data analysis values, obtain loss data estimates from them.
그리고 손실 데이터 추정치를 반영하여 진동 데이터 측정치를 보정한 후 디본딩 손상 예측 알고리즘에 제공함으로써, 디본딩 손상 예측 알고리즘가 이를 통해 디본딩 손상 발생 여부, 더 나아가 손상 요인을 확인 및 통보할 수 있도록 한다(S35). In addition, the vibration data measurements are corrected by reflecting the loss data estimates and then provided to the debonding damage prediction algorithm, allowing the debonding damage prediction algorithm to confirm and notify whether debonding damage has occurred and further damage factors (S35 ).
이때, 디본딩 손상 예측 알고리즘은 합성곱 신경망(Convolutional Neural Network, CNN), 순환 신경망(Recurrent Neural Network, RNN) 등과 같이 진동 데이터 측정치와 디본딩 손상 요인간 상관 관계가 기 학습된 신경망 모델로 구현될 수 있으나, 이에 한정될 필요는 없다. At this time, the debonding damage prediction algorithm may be implemented as a neural network model in which the correlation between vibration data measurements and debonding damage factors is already learned, such as a convolutional neural network (CNN) or a recurrent neural network (RNN). However, there is no need to be limited to this.
도 7은 본 명세서에 개진된 하나 이상의 실시예가 구현될 수 있는 예시적인 컴퓨팅 환경을 도시하는 도면으로, 상술한 하나 이상의 실시예를 구현하도록 구성된 컴퓨팅 디바이스(1100)를 포함하는 시스템(1000)의 예시를 도시한다. 예를 들어, 컴퓨팅 디바이스(1100)는 개인 컴퓨터, 서버 컴퓨터, 핸드헬드 또는 랩탑 디바이스, 모바일 디바이스(모바일폰, PDA, 미디어 플레이어 등), 멀티프로세서 시스템, 소비자 전자기기, 미니 컴퓨터, 메인프레임 컴퓨터, 임의의 전술된 시스템 또는 디바이스를 포함하는 분산 컴퓨팅 환경 등을 포함하지만, 이것으로 한정되는 것은 아니다.7 is a diagram illustrating an example computing environment in which one or more embodiments disclosed herein may be implemented, and is an illustration of a system 1000 that includes a computing device 1100 configured to implement one or more embodiments described above. shows. For example, computing device 1100 may include a personal computer, server computer, handheld or laptop device, mobile device (mobile phone, PDA, media player, etc.), multiprocessor system, consumer electronics, minicomputer, mainframe computer, Distributed computing environments including any of the above-described systems or devices, etc. are included, but are not limited thereto.
컴퓨팅 디바이스(1100)는 적어도 하나의 프로세싱 유닛(1110) 및 메모리(1120)를 포함할 수 있다. 여기서, 프로세싱 유닛(1110)은 예를 들어 중앙처리장치(CPU), 그래픽처리장치(GPU), 마이크로프로세서, 주문형 반도체(Application Specific Integrated Circuit, ASIC), Field Programmable Gate Arrays(FPGA) 등을 포함할 수 있으며, 복수의 코어를 가질 수 있다. 메모리(1120)는 휘발성 메모리(예를 들어, RAM 등), 비휘발성 메모리(예를 들어, ROM, 플래시 메모리 등) 또는 이들의 조합일 수 있다.Computing device 1100 may include at least one processing unit 1110 and memory 1120. Here, the processing unit 1110 may include, for example, a central processing unit (CPU), a graphics processing unit (GPU), a microprocessor, an application specific integrated circuit (ASIC), a field programmable gate array (FPGA), etc. and can have multiple cores. Memory 1120 may be volatile memory (eg, RAM, etc.), non-volatile memory (eg, ROM, flash memory, etc.), or a combination thereof.
또한, 컴퓨팅 디바이스(1100)는 추가적인 스토리지(1130)를 포함할 수 있다. 스토리지(1130)는 자기 스토리지, 광학 스토리지 등을 포함하지만 이것으로 한정되지 않는다. 스토리지(1130)에는 본 명세서에 개진된 하나 이상의 실시예를 구현하기 위한 컴퓨터 판독 가능한 명령이 저장될 수 있고, 운영 시스템, 애플리케이션 프로그램 등을 구현하기 위한 다른 컴퓨터 판독 가능한 명령도 저장될 수 있다. 스토리지(1130)에 저장된 컴퓨터 판독 가능한 명령은 프로세싱 유닛(1110)에 의해 실행되기 위해 메모리(1120)에 로딩될 수 있다.Additionally, computing device 1100 may include additional storage 1130. Storage 1130 includes, but is not limited to, magnetic storage, optical storage, etc. The storage 1130 may store computer-readable instructions for implementing one or more embodiments disclosed in this specification, and other computer-readable instructions for implementing an operating system, application program, etc. may also be stored. Computer-readable instructions stored in storage 1130 may be loaded into memory 1120 for execution by processing unit 1110.
또한, 컴퓨팅 디바이스(1100)는 입력 디바이스(들)(1140) 및 출력 디바이스(들)(1150)을 포함할 수 있다. 여기서, 입력 디바이스(들)(1140)은 예를 들어 키보드, 마우스, 펜, 음성 입력 디바이스, 터치 입력 디바이스, 고속카메라, 적외선 카메라, 비디오 입력 디바이스 또는 임의의 다른 입력 디바이스 등을 포함할 수 있다. 또한, 출력 디바이스(들)(1150)은 예를 들어 하나 이상의 디스플레이, 스피커, 프린터 또는 임의의 다른 출력 디바이스 등을 포함할 수 있다. 또한, 컴퓨팅 디바이스(1100)는 다른 컴퓨팅 디바이스에 구비된 입력 디바이스 또는 출력 디바이스를 입력 디바이스(들)(1140) 또는 출력 디바이스(들)(1150)로서 사용할 수도 있다.Computing device 1100 may also include input device(s) 1140 and output device(s) 1150. Here, the input device(s) 1140 may include, for example, a keyboard, mouse, pen, voice input device, touch input device, high-speed camera, infrared camera, video input device, or any other input device, etc. Additionally, output device(s) 1150 may include, for example, one or more displays, speakers, printers, or any other output devices. Additionally, the computing device 1100 may use an input device or output device provided in another computing device as the input device(s) 1140 or the output device(s) 1150.
또한, 컴퓨팅 디바이스(1100)는 컴퓨팅 디바이스(1100)가 다른 디바이스(예를 들어, 컴퓨팅 디바이스(1300))와 통신할 수 있게 하는 통신접속(들)(1160)을 포함할 수 있다. 여기서, 통신 접속(들)(1160)은 모뎀, 네트워크 인터페이스 카드(NIC), 통합 네트워크 인터페이스, 무선 주파수 송신기/수신기, 적외선 포트, USB 접속 또는 컴퓨팅 디바이스(1100)를 다른 컴퓨팅 디바이스에 접속시키기 위한 다른 인터페이스를 포함할 수 있다. 또한, 통신 접속(들)(1160)은 유선 접속 또는 무선 접속을 포함할 수 있다.Additionally, computing device 1100 may include communication connection(s) 1160 that allows computing device 1100 to communicate with another device (e.g., computing device 1300). Here, communication connection(s) 1160 may include a modem, network interface card (NIC), integrated network interface, radio frequency transmitter/receiver, infrared port, USB connection, or other device for connecting computing device 1100 to another computing device. May contain interfaces. Additionally, communication connection(s) 1160 may include a wired connection or a wireless connection.
상술한 컴퓨팅 디바이스(1100)의 각 구성요소는 버스 등의 다양한 상호접속(예를 들어, 주변 구성요소 상호접속(PCI), USB, 펌웨어(IEEE 1394), 광학적 버스 구조 등)에 의해 접속될 수도 있고, 네트워크(1200)에 의해 상호접속될 수도 있다.Each component of the computing device 1100 described above may be connected by various interconnections such as buses (e.g., peripheral component interconnect (PCI), USB, firmware (IEEE 1394), optical bus structure, etc.) and may be interconnected by a network 1200.
본 명세서에서 사용되는 "구성요소", "모듈", "시스템", "인터페이스" 등과 같은 용어들은 일반적으로 하드웨어, 하드웨어와 소프트웨어의 조합, 소프트웨어, 또는 실행중인 소프트웨어인 컴퓨터 관련 엔티티를 지칭하는 것이다. 예를 들어, 구성요소는 프로세서 상에서 실행중인 프로세스, 프로세서, 객체, 실행 가능물(executable), 실행 스레드, 프로그램 및/또는 컴퓨터일 수 있지만, 이것으로 한정되는 것은 아니다. 예를 들어, 컨트롤러 상에서 구동중인 애플리케이션 및 컨트롤러 모두가 구성요소일 수 있다. 하나 이상의 구성요소는 프로세스 및/또는 실행의 스레드 내에 존재할 수 있으며, 구성요소는 하나의 컴퓨터 상에서 로컬화될 수 있고, 둘 이상의 컴퓨터 사이에서 분산될 수도 있다.As used herein, terms such as “component,” “module,” “system,” “interface,” and the like generally refer to computer-related entities that are hardware, a combination of hardware and software, software, or software in execution. For example, a component may be, but is not limited to, a process running on a processor, a processor, an object, an executable, a thread of execution, a program, and/or a computer. For example, both the application running on the controller and the controller can be components. One or more components may reside within a process and/or thread of execution, and a component may be localized on one computer or distributed between two or more computers.
이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형 실시가 가능한 것은 물론이고, 이러한 변형 실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안 될 것이다.In the above, preferred embodiments of the present invention have been shown and described, but the present invention is not limited to the specific embodiments described above, and may be used in the technical field to which the invention pertains without departing from the gist of the present invention as claimed in the claims. Of course, various modifications can be made by those skilled in the art, and these modifications should not be understood individually from the technical idea or perspective of the present invention.
Claims (4)
블레이드 실제 운행 상태에서 상기 비접촉식 변위 측정 장비를 통해 진동 데이터 측정치를 획득 및 분석하여 손실 데이터 발생 차수를 검출하고, 손실 데이터 발생 차수가 검출시에는 기 획득된 다수의 진동 데이터 측정치를 수집 및 분석하여 손실 데이터 발생 비율을 추가 산출하는 손실 데이터 검출 단계;
손실 데이터 발생 비율이 기 설정치 이하인 경우에는 상기 기 획득된 다수의 진동 데이터 측정치를 수집 및 평균하여 손실 데이터 추정치를 획득하고, 그렇지 않은 경우에는 손상 요인별 진동데이터 해석치 중 데이터 유사도가 높은 진동데이터 해석치를 선택 및 이용하여 손실 데이터 추청치를 획득하는 손실 데이터 추정 단계; 및
상기 손실 데이터 추청치를 진동 데이터 측정치에 반영한 후, 디본딩 손상 예측 알고리즘을 통해 분석하여 디본딩 손상 여부 또는 디본딩 손상 요인을 확인 및 통보하는 디본딩 손상 분석 단계를 포함하는 손실 데이터 추정 기능을 구비한 풍력 터빈 블레이드 디본딩 손상 분석 방법.In a state where the blade is not damaged, the vibration data standard value is obtained through a non-contact displacement measurement device mounted on the wind turbine tower, the blade finite element model is corrected according to the vibration data standard value, and the vibration data for each damage factor is analyzed through the blade finite element model. A data matching step of acquiring and storing values;
In the actual operating state of the blade, vibration data measurements are acquired and analyzed through the non-contact displacement measurement equipment to detect the order of occurrence of loss data, and when the order of loss data occurrence is detected, a number of previously acquired vibration data measurements are collected and analyzed to detect loss data. A loss data detection step of additionally calculating a data generation rate;
If the loss data generation rate is below the preset value, a loss data estimate is obtained by collecting and averaging the plurality of previously obtained vibration data measurements. Otherwise, the vibration data analysis value with high data similarity among the vibration data analysis values for each damage factor is obtained. A loss data estimation step of selecting and using lost data estimates to obtain loss data estimates; and
Equipped with a loss data estimation function that includes a debonding damage analysis step of reflecting the loss data estimates to the vibration data measurements and then analyzing them through a debonding damage prediction algorithm to confirm and report debonding damage or debonding damage factors. Wind turbine blade debonding damage analysis method.
블레이드 미 손상 상태에서, 풍력터빈 타워에 장착된 비접촉식 변위 측정 장비를 통해 진동 데이터 기준치를 획득하는 단계;
블레이드 설계도 기반으로 블레이드 유한 요소 모델을 생성한 후, 상기 블레이드 유한 요소 모델을 통해 진동 데이터 예측치를 획득하는 단계; 및
상기 진동 데이터 기준치와 상기 진동 데이터 예측치가 일치되도록 블레이드 유한 요소 모델을 보정한 후, 상기 블레이드 유한 요소 모델을 통해 손상 요인별 진동데이터 해석치를 획득 및 저장하는 단계를 포함하는 것을 특징으로 하는 손실 데이터 추정 기능을 구비한 풍력 터빈 블레이드 디본딩 손상 분석 방법.The method of claim 1, wherein the data matching step is
Obtaining vibration data reference values through non-contact displacement measurement equipment mounted on the wind turbine tower while the blades are in an undamaged state;
After generating a blade finite element model based on the blade design, obtaining predicted vibration data through the blade finite element model; and
After correcting the blade finite element model so that the vibration data reference value and the vibration data prediction value match, loss data estimation comprising the step of obtaining and storing vibration data analysis values for each damage factor through the blade finite element model. Functional wind turbine blade debonding damage analysis method.
기 획득된 다수개의 진동 데이터 측정치를 수집 및 분석하여 손실 데이터 발생 비율을 산출하는 단계;
상기 손실 데이터 발생 비율이 기 설정치 이하인 경우에는 상기 기 획득된 다수개의 진동 데이터 측정치를 합산 및 평균하여 손실 데이터 추정치를 획득하고, 그렇지 않은 경우에는 상기 손상 요인별 진동데이터 해석치 중 데이터 유사도가 가장 높은 진동데이터 해석치를 이용하여 손실 데이터 추정치를 획득하는 단계; 및
상기 손실 데이터 추정치를 반영하여 상기 진동 데이터 측정치를 보정하여 출력하는 단계를 포함하는 것을 특징으로 하는 손실 데이터 추정 기능을 구비한 풍력 터빈 블레이드 디본딩 손상 분석 방법.The method of claim 2, wherein the loss data estimation step is
Calculating a loss data occurrence rate by collecting and analyzing a plurality of previously acquired vibration data measurements;
If the loss data occurrence rate is below a preset value, a loss data estimate is obtained by summing and averaging the plurality of previously obtained vibration data measurements. Otherwise, the vibration data with the highest data similarity among the vibration data analysis values for each damage factor is obtained. Obtaining a loss data estimate using the data interpretation; and
A wind turbine blade debonding damage analysis method with a loss data estimation function, comprising the step of correcting and outputting the vibration data measurement by reflecting the loss data estimate.
진동 데이터 측정치와 디본딩 손상 요인간 상관 관계가 기 학습된 신경망 모델으로 구현되는 것을 특징으로 하는 손실 데이터 추정 기능을 구비한 풍력 터빈 블레이드 디본딩 손상 분석 방법.The method of claim 1, wherein the debonding damage prediction algorithm is
A wind turbine blade debonding damage analysis method with a loss data estimation function, wherein the correlation between vibration data measurements and debonding damage factors is implemented with a pre-learned neural network model.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210188627A KR102663166B1 (en) | 2021-12-27 | 2021-12-27 | Method for analyzing wind turbine blade debonding damage with missing data estimation function |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210188627A KR102663166B1 (en) | 2021-12-27 | 2021-12-27 | Method for analyzing wind turbine blade debonding damage with missing data estimation function |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| KR20230099345A KR20230099345A (en) | 2023-07-04 |
| KR102663166B1 true KR102663166B1 (en) | 2024-05-03 |
| KR102663166B9 KR102663166B9 (en) | 2024-09-24 |
Family
ID=87156495
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210188627A KR102663166B1 (en) | 2021-12-27 | 2021-12-27 | Method for analyzing wind turbine blade debonding damage with missing data estimation function |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102663166B1 (en) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107392786A (en) | 2017-07-11 | 2017-11-24 | 中国矿业大学 | Mine fiber grating monitoring system missing data compensation method based on SVMs |
| CN109492708A (en) | 2018-11-30 | 2019-03-19 | 东北大学 | Missing data interpolating method is detected in a kind of pipe leakage based on LS-KNN |
| US20210208106A1 (en) | 2017-03-21 | 2021-07-08 | Baker Hughes Oilfield Operations Llc | Predictive integrity analysis |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101410923B1 (en) * | 2014-02-10 | 2014-06-23 | 한국과학기술원 | Laser ultrasonic imaging of a rotating blade |
-
2021
- 2021-12-27 KR KR1020210188627A patent/KR102663166B1/en active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20210208106A1 (en) | 2017-03-21 | 2021-07-08 | Baker Hughes Oilfield Operations Llc | Predictive integrity analysis |
| CN107392786A (en) | 2017-07-11 | 2017-11-24 | 中国矿业大学 | Mine fiber grating monitoring system missing data compensation method based on SVMs |
| CN109492708A (en) | 2018-11-30 | 2019-03-19 | 东北大学 | Missing data interpolating method is detected in a kind of pipe leakage based on LS-KNN |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102663166B9 (en) | 2024-09-24 |
| KR20230099345A (en) | 2023-07-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102142540B1 (en) | Inspection method for damage of composite blades for wind turbine using machine learning and drone | |
| Bajrić et al. | Evaluation of damping estimates by automated operational modal analysis for offshore wind turbine tower vibrations | |
| US9122273B2 (en) | Failure cause diagnosis system and method | |
| Liu et al. | Experimental study of improved modal strain energy method for damage localisation in jacket-type offshore wind turbines | |
| JP5997884B2 (en) | Method and apparatus for determining the remaining life of a turbomachine airfoil | |
| AU2013388670B2 (en) | Determining a health condition of a structure | |
| RU2584373C2 (en) | Method for detection of deterioration of performance characteristics of flow angle sensor by monitoring vibration | |
| US20180157249A1 (en) | Abnormality Detecting Apparatus | |
| Absi et al. | Multi-fidelity approach to dynamics model calibration | |
| KR101711606B1 (en) | A similarity-based damage estimating method of offshore structures | |
| JP6989398B2 (en) | Failure diagnostic device, failure diagnosis method, and failure diagnosis program | |
| Vasconcellos et al. | Characterization of nonlinear behavior of an airfoil under stall-induced pitching oscillations | |
| US20210164406A1 (en) | Observation apparatus, observation method, and non-transitory computer readable medium storing a program | |
| US20200125653A1 (en) | Robust fault detection and diagnosison dynamic sensor network | |
| Sarkar et al. | Wiener chaos expansions for estimating rain-flow fatigue damage in randomly vibrating structures with uncertain parameters | |
| CN117990043B (en) | Monitoring method and system for ship shafting supporting structure | |
| KR102663166B1 (en) | Method for analyzing wind turbine blade debonding damage with missing data estimation function | |
| JP6129508B2 (en) | Anomaly detection pre-processing apparatus and method, program, and anomaly detection apparatus having the same | |
| Tatsis et al. | State estimation of geometrically non-linear systems using reduced-order models | |
| Alam | Interaction of vortex stretching with wind power fluctuations | |
| JP6825714B2 (en) | Vibration judgment device, vibration judgment method and program | |
| Xiao et al. | Coupled static deformation of rotating blades measurement based on tip timing and validation using laser displacement sensors | |
| WO2021049060A1 (en) | Failure probability evaluation device and failure probability evaluation method | |
| JP6858798B2 (en) | Feature generator, feature generator and program | |
| Jelicic et al. | Real-time assessment of flutter stability based on automated output-only modal analysis |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |