Down-scaling of a wind turbine test-bench and optimal sensor placement

This work proposes an Augmented Extended Kalman Filter based state-input-parameter estimator for mechanical systems modeled using a flexible multibody formulation which is then applied to estimate the loads, the strain field and parameters on a Wind Turbine Test Bench. This work demonstrates that a flexible multibody model representation allows to accurately reconstruct the time domain signals of the external loads and of the full strain field, starting from a minimal set of measured strains, hence providing an appealing alternative to direct measurement methods. The numerical validation on the system under analysis shows that all estimated quantities can be accurately reconstructed, given that the system simulation model incorporates an adequate level of accuracy. The common issue that arises in the estimation of the joint state-input-parameter estimation is the selection of an optimal set of sensors which gives the best estimation. In the Kalman-filtering framework, an Optimal Sensor Placement (OSP) strategy has been proposed and it aims to find the best set of sensors in terms of system observability, which is the minimum requirement of a stable estimation. However, this does not guarantee the most accurate load-parameters estimation. In this contribution, the metric is based on the steady-state error covariance of the estimation which is based on the resolution of the Continuous Algebraic Riccati Equation (CARE). The Optimal Sensor Placement strategy for state-input-parameter estimation is discussed on an industrial-scale Finite Element Model of the hub of the system under study.

Questo lavoro propone un parametro di input di stato basato sul filtro di Kalman esteso aumentato stimatore per sistemi meccanici modellati utilizzando una formulazione multicorpo flessibile che viene quindi applicato per stimare i carichi, il campo di deformazione e i parametri su una turbina eolica Banco di prova. Questo lavoro dimostra che una rappresentazione del modello multicorpo flessibile consente di ricostruire accuratamente i segnali nel dominio del tempo dei carichi esterni e dell'intero campo di deformazione, partendo da un insieme minimo di deformazioni misurate, fornendo quindi un'alternativa interessante ai metodi di misurazione diretta. La validazione numerica sul sistema in analisi mostra che tutte le quantità stimate possono essere accuratamente ricostruite, dato che il sistema modello di simulazione incorpora un adeguato livello di accuratezza. Il problema comune che si pone nella stima della stima congiunta stato-input-parametro è la selezione di un insieme ottimale di sensori che dia la stima migliore. In il framework di filtraggio di Kalman, è stata una strategia di posizionamento ottimale dei sensori (OSP). proposto e mira a trovare il miglior set di sensori in termini di osservabilità del sistema, che è il requisito minimo di una stima stabile. Tuttavia, questo non garantisce il stima più accurata dei parametri di carico. In questo contributo, la metrica si basa su la covarianza dell'errore di stato stazionario della stima che si basa sulla risoluzione del Equazione algebrica continua di Riccati (CARE). Viene discussa la strategia di posizionamento ottimale del sensore per la stima dei parametri di input di stato su un modello a elementi finiti su scala industriale del nodo del sistema in esame.