基于分层贝叶斯建模的海上风力涡轮机结构异常检测
机器学习
2024-09-23 v1
摘要
基于群体的结构健康监测（PBSHM）旨在在群体成员之间共享信息。海上风电（OW）场可被视为由标称相同的风力涡轮机结构组成的群体。然而，成员之间存在良性差异，如几何形状、海床条件和温度差异。这些因素可能影响结构特性，进而影响动态响应，使得通过传统结构健康监测（SHM）技术检测结构问题变得更加困难。本文探讨了使用分层贝叶斯模型来推断群体层面和局部层面的预期土壤刚度分布，以此作为对新旧涡轮机进行异常检测（即冲刷形式）的基础。为此，我们将自然频率的观测值生成为仿佛来自一小群风力涡轮机的数据。个体观测值之间的差异将通过假设土壤刚度和测量噪声的分布来引入，并在异常检测情况下减少土壤深度（以代表冲刷）。
引用
@article{arxiv.2402.19295,
title = {Anomaly Detection in Offshore Wind Turbine Structures using Hierarchical Bayesian Modelling},
author = {S. M. Smith and A. J. Hughes and T. A. Dardeno and L. A. Bull and N. Dervilis and K. Worden},
journal= {arXiv preprint arXiv:2402.19295},
year = {2024}
}
备注
Submitted to International Workshop on Structural Health Monitoring 2023, Stanford University, California, USA