論文の概要: Fault Diagnosis of 3D-Printed Scaled Wind Turbine Blades

• arxiv url: http://arxiv.org/abs/2505.06080v1
• Date: Fri, 09 May 2025 14:25:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-12 20:40:10.292057
• Title: Fault Diagnosis of 3D-Printed Scaled Wind Turbine Blades
• Title（参考訳）: 3Dプリント型風車ブレードの故障診断
• Authors: Luis Miguel Esquivel-Sancho, Maryam Ghandchi Tehrani, Mauricio Muñoz-Arias, Mahmoud Askari,
• Abstract要約: 本研究では3次元プリントスケールモデル,有限要素シミュレーション,実験的モーダル解析,機械学習技術を用いて,風力タービン翼の故障検出のための統合手法を提案する。 NREL 5MWブレードのスケールモデルが3Dプリンティングで製作され、臨界地点で亀裂型損傷が導入された。 その結果, 振動モード3, 4, 6は, このブレードの構造異常に特に敏感であることが判明した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This study presents an integrated methodology for fault detection in wind turbine blades using 3D-printed scaled models, finite element simulations, experimental modal analysis, and machine learning techniques. A scaled model of the NREL 5MW blade was fabricated using 3D printing, and crack-type damages were introduced at critical locations. Finite Element Analysis was employed to predict the impact of these damages on the natural frequencies, with the results validated through controlled hammer impact tests. Vibration data was processed to extract both time-domain and frequency-domain features, and key discriminative variables were identified using statistical analyses (ANOVA). Machine learning classifiers, including Support Vector Machine and K-Nearest Neighbors, achieved classification accuracies exceeding 94%. The results revealed that vibration modes 3, 4, and 6 are particularly sensitive to structural anomalies for this blade. This integrated approach confirms the feasibility of combining numerical simulations with experimental validations and paves the way for structural health monitoring systems in wind energy applications.
• Abstract（参考訳）: 本研究では3次元プリントスケールモデル,有限要素シミュレーション,実験的モーダル解析,機械学習技術を用いて,風力タービン翼の故障検出のための統合手法を提案する。 NREL 5MWブレードのスケールモデルが3Dプリンティングで製作され、臨界地点で亀裂型損傷が導入された。 有限要素解析を用いて、これらの損傷が自然周波数に与える影響を予測し、制御されたハンマー衝撃試験により結果が検証された。 振動データを処理して時間領域と周波数領域の両方の特徴を抽出し,統計解析(ANOVA)を用いて重要な識別変数を同定した。 Support Vector MachineやK-Nearest Neighborsを含む機械学習の分類器は、94%を超えている。 その結果, 振動モード3, 4, 6は, このブレードの構造異常に特に敏感であることが判明した。 この統合されたアプローチは、数値シミュレーションと実験的な検証を組み合わせることの可能性を確認し、風力エネルギー応用における構造的健康モニタリングシステムの実現方法を明らかにする。

関連論文リスト

• Adaptive Signal Analysis for Automated Subsurface Defect Detection Using Impact Echo in Concrete Slabs [0.0]
  本研究は,コンクリートスラブの地下欠陥発生領域を検出するための,新しい,自動化された,スケーラブルな手法を提案する。 このアプローチは、高度な信号処理、クラスタリング、および視覚分析を統合して、地下の異常を識別する。 結果は方法論の堅牢性を示し、最小限の偽陽性とほとんど欠陥のない欠陥発生領域を一貫して同定した。
  論文  参考訳（メタデータ） (2024-12-23T20:05:53Z)
• A Hybrid Framework for Statistical Feature Selection and Image-Based Noise-Defect Detection [55.2480439325792]
  本稿では,統計的特徴選択と分類技術を統合し,欠陥検出精度を向上させるハイブリッドフレームワークを提案する。 工業画像から抽出した55個の特徴を統計的手法を用いて解析した。 これらの手法をフレキシブルな機械学習アプリケーションに統合することにより、検出精度を改善し、偽陽性や誤分類を減らす。
  論文  参考訳（メタデータ） (2024-12-11T22:12:21Z)
• Machine Learning for Pre/Post Flight UAV Rotor Defect Detection Using Vibration Analysis [54.550658461477106]
  無人航空機(UAV)は将来のスマートシティにとって重要なインフラ要素となるだろう。 効率的な運用のためには、UAVの信頼性は障害や故障の常時監視によって保証されなければならない。 本稿では,信号処理と機械学習を利用して,包括的振動解析データを分析し,ローターブレードの欠陥の有無を判定する。
  論文  参考訳（メタデータ） (2024-04-24T13:50:27Z)
• An AI-Driven Approach to Wind Turbine Bearing Fault Diagnosis from Acoustic Signals [10.64491245858684]
  本研究では, 風力タービン発電機の軸受欠陥を音響信号から分類する深層学習モデルを開発した。 畳み込み型LSTMモデルを構築し, 事前定義された5種類の故障の音声データを用いて, トレーニングと検証を行った。 このモデルでは, トレーニングサンプルの精度が優れ, 検証中に優れた一般化能力を示した。
  論文  参考訳（メタデータ） (2024-03-14T01:46:30Z)
• Robustness and Generalization Performance of Deep Learning Models on Cyber-Physical Systems: A Comparative Study [71.84852429039881]
  調査は、センサーの故障やノイズなど、様々な摂動を扱うモデルの能力に焦点を当てている。 我々は,これらのモデルの一般化と伝達学習能力を,アウト・オブ・ディストリビューション(OOD)サンプルに公開することによって検証する。
  論文  参考訳（メタデータ） (2023-06-13T12:43:59Z)
• From Environmental Sound Representation to Robustness of 2D CNN Models Against Adversarial Attacks [82.21746840893658]
  本稿では, 各種環境音響表現(スペクトログラム)が, 被害者残差畳み込みニューラルネットワークの認識性能と対角攻撃性に与える影響について検討する。 DWTスペクトログラムでトレーニングしたResNet-18モデルでは高い認識精度が得られたが、このモデルに対する攻撃は敵にとって比較的コストがかかる。
  論文  参考訳（メタデータ） (2022-04-14T15:14:08Z)
• DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
  識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。 通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。 その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-09-08T14:07:55Z)
• A reduced-order modeling framework for simulating signatures of faults in a bladed disk [0.0]
  本稿では, 回転軸上の羽根円板の振動特性をシミュレートする低次モデリング手法について報告する。 我々は、複雑な動的応答についてより深い洞察を得るために、サブコンポーネントのラッピングおよび1次元解析モデルを用いてきた。
  論文  参考訳（メタデータ） (2021-08-13T14:21:51Z)
• From Sound Representation to Model Robustness [82.21746840893658]
  本研究では, 環境音の標準的な表現(スペクトログラム)が, 被害者の残差畳み込みニューラルネットワークの認識性能と対角攻撃性に与える影響について検討する。 3つの環境音響データセットの様々な実験から、ResNet-18モデルは、他のディープラーニングアーキテクチャよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2020-07-27T17:30:49Z)
• An ensemble classifier for vibration-based quality monitoring [0.0]
  本稿では, 証拠のデンプスター・シェーファー理論に基づく新しいアンサンブル分類器を開発する。 提案フレームワークの有効性は、15UCIおよびKEEL機械学習データセットに適用することで検証される。
  論文  参考訳（メタデータ） (2020-07-17T07:23:56Z)
• Machine Learning-Based Unbalance Detection of a Rotating Shaft Using Vibration Data [0.0]
  アンバランス検出のためのアルゴリズムの開発と評価の基礎となるデータセットを公表する。 各アンバランス強度に対して、開発と評価データセットが利用可能である。 評価データセット上での予測精度は98.6%であり、完全に接続されたニューラルネットワークで最良の結果が得られる。
  論文  参考訳（メタデータ） (2020-05-26T14:11:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。