ارائه راهکار جدید برای تحلیل رفتار سازه‌ای توربین‌های بادی

به گزارش زیست آنلاین،از دانشگاه تهران، در مقاله‌ای با عنوان «بهره‌گیری از یادگیری ماشین برای تحلیل رفتار سازه‌ای پره کامپوزیتی توربین بادی» توسط رهام رفیعی عضو هیأت علمی دانشکدگان علوم و فناوری‌های میان رشته‌ای، علی شاهچراغی و امیر شایسته‌منش دانشجویان دانشگاه تهران، از آزمایشگاه تحقیقات کامپوزیت دانشکده علوم و فناوری‌های میان‌رشته‌ای دانشگاه تهران در نشریه معتبر Engineering Applications of Artificial Intelligence از انتشارات الزویر (Elsevier) منتشر شد.

نتایج این پژوهش نشان می‌دهد که مدل‌های توسعه‌یافته، می‌توانند با دقت بالا و در مدت‌زمانی بسیار کوتاه، عملکرد مکانیکی پره‌های کامپوزیتی را پیش‌بینی کنند؛ دستاوردی که می‌تواند نقش مهمی در افزایش بهره‌وری و تسریع تصمیم‌گیری در صنایع انرژی بادی ایفا کند.

در این مطالعه، پژوهشگران به یکی از چالش‌های مهم صنعت توربین‌های بادی پرداخته‌اند؛ چالشی که ناشی از تفاوت خواص مکانیکی مواد اولیه خریداری‌شده از تأمین‌کنندگان مختلف است و می‌تواند بر عملکرد نهایی پره‌های توربین اثر بگذارد. به همین منظور، تیم تحقیقاتی دانشگاه تهران با استفاده از مدل‌های یادگیری ماشین، امکان پیش‌بینی سریع رفتار سازه‌ای و ارتعاشی پره‌های توربین بادی را فراهم کرده است.

محققان برای این پژوهش، یک پره کامپوزیتی ۲۳ متری متعلق به توربین بادی ۶۶۰ کیلوواتی تولید داخل را به‌عنوان نمونه صنعتی انتخاب کردند و چهار مدل هوش مصنوعی را برای پیش‌بینی فرکانس‌های طبیعی و سفتی خمشی پره در جهات مختلف توسعه دادند.

بر اساس نتایج این تحقیق، مدل‌های مبتنی بر هوش مصنوعی توسعه‌یافته، قادرند با دقت بالا تأثیر تغییرات خواص مواد کامپوزیتی را بر عملکرد پره‌های توربین بادی پیش‌بینی کنند. این مدل‌ها زمان تحلیل را از چند ساعت در روش‌های مرسوم به چند دقیقه کاهش می‌دهند و می‌توانند به افزایش بهره‌وری، تسریع فرآیندهای صنعتی و توسعه فناوری‌های نوین در حوزه انرژی‌های تجدیدپذیر کمک کنند. این موضوع می‌تواند هزینه‌های تحلیل و طراحی را به‌طور قابل توجهی کاهش داده و فرآیند تصمیم‌گیری در صنایع مرتبط با انرژی‌های تجدیدپذیر را تسریع کند./ایرنا

متن کامل این مقاله از طریق پیوند قابل مشاهده است.