재킷식 해상풍력터빈 지지구조물의 손상추정기법 (Damage Estimation Method for Jacket-type Support Structure of Offshore Wind Turbine)

서지정보

· 발행기관 : 한국산학기술학회
· 수록지 정보 : 한국산학기술학회논문지 / 18권 / 8호 / 64 ~ 71페이지
· 저자명 : 이종원

초록

본 연구에서는 재킷식 해상풍력터빈 지지구조물의 효과적인 건전성 모니터링을 위하여, 손상에 의한 구조물의 모드특성 변화 및 군집신경망기법을 이용한 손상추정기법을 제안한다. 실용적 적용을 위하여 제한된 계측자료를 활용하고, 구조적으로 중요하며 손상이 발생될 확률이 큰 것으로 판단되는 중요부재를 대상으로 손상을 추정한다. 즉, 재킷식 지지구조물은 부재 개수가 많기 때문에, 모든 부재를 적절히 식별하기 위해서는 이에 상당하는 많은 수의 계측 데이터 채널 및 센서를 설치해야 한다. 이는 건전성 모니터링의 경제적 및 실용적인 측면에서 적절치 않다고 판단되며, 본 연구에서는 중요 구조부재에 대하여 제한된 계측자료를 활용하여 집중적으로 손상추정을 수행하기 위한 연구를 수행한다. 5 MW 해상풍력터빈에 적용될 수 있는 재킷식 해상풍력터빈 지지구조물을 모델링한 후, 수치 시뮬레이션을 수행하여 신경망의 훈련패턴을 생성한다. 이후, 군집신경망기법을 이용하여 중요부재에 대한 손상위치 및 손상정도를 20가지 손상경우에 대하여 추정한 결과, 모든 손상 경우에 대하여 성공적으로 손상을 판정할 수 있었으며, 군집신경망기법을 적용함으로써 추정결과의 정확성이 향상됨을 알 수 있었다. 또한 실험연구를 통하여 기법을 검증하였는데, 3가지 손상경우에 대하여 손상을 추정한 결과 합리적으로 손상을 추정할 수 있었다.

영어초록

A damage estimation method is presented for jacket-type support structure of offshore wind turbine using a change of modal properties due to damage and committee of neural networks for effective structural health monitoring. For more practical monitoring, it is necessary to monitor the critical and prospective damaged members with a limited number of measurement locations. That is, many data channels and sensors are needed to identify all the members appropriately because the jacket-type support structure has many members. This is inappropriate considering economical and practical health monitoring. Therefore, intensive damage estimation for the critical members using a limited number of the measurement locations is carried out in this study. An analytical model for a jacket-type support structure which can be applied for a 5 MW offshore wind turbine is established, and a training pattern is generated using the numerical simulations. Twenty damage cases are estimated using the proposed method. The identified damage locations and severities agree reasonably well with the exact values and the accuracy of the estimation can be improved by applying the committee of neural networks. A verification experiment is carried out, and the damage arising in 3 damage cases is reasonably identified.

참고자료

· 없음