Machine Learning with Vibrational Measurement Data of Wind Turbine Environments

Abstract

Windenergieanlagen unterliegen verschiedenen Vibrationseinflüssen, die durch schwach gedämpfte Strukturen übertragen werden. Das Ziel ist es, die Vibrationscharakteristik eines Blattlagerschadens in einer Umgebung, ähnlich einer Windenergieanlage, zu isolieren. Hierfür wird ein Prüfstand mit Sensoren bestückt, um anhand eines generierten Testprofiles ein realitätsnahes Testumfeld zu erzeugen. Die generierten Vibrationsdaten werden schließlich von klassischen Ansätzen der Wälzlagerschadensanalyse und eines Separationsalgorithmus beurteilt.

Wind turbines are subject to various vibrations transmitted through weakly damped structures. The aim is to isolate the vibration characteristics of a blade bearing damage in an environment similar to a wind turbine. For this purpose, a test rig is equipped with sensors to generate a realistic test environment based on a generated test profile. The generated vibration data are finally evaluated by classical approaches of rolling bearing damage analysis and a separation algorithm.