MétaCan
Menu
Retour à la cohorte
Enregistrement W2028056757 · doi:10.1115/imece2012-87736

Small Wind Turbine Tower Structural Vibration

2012· article· en· W2028056757 sur OpenAlexafffundabout
Ehsan Mollasalehi, David Wood, Qiao Sun

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Health Monitoring Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésTowerVibrationAcousticsNormal modeModal analysisNatural frequencyTurbineAccelerometerNoise (video)ModalFrequency bandStructural engineeringWind powerFinite element methodEngineeringPhysicsComputer scienceElectrical engineeringMaterials scienceAerospace engineering

Résumé

récupéré en direct d'OpenAlex

A major barrier to the acceptance of small wind turbines is that they are perceived to be noisy particularly when mounted on monopole towers rather than traditional guy-wired ones. This paper discusses an aspect of noise propagation that has not been studied previously: vibration of the tower. To start studying the tower’s behavior, twenty four accelerometers were attached in two orthogonal lines along the 10 m tower of Southwest Windpower Skystream 2.4 kW wind turbine located at the edge of the city of Calgary. About 15 minutes of data were recorded in order to extract natural frequencies and corresponding mode shapes while the turbine was in operating. Operational modal analysis (OMA), in which input loads are considered the ambient input, is conducted to identify dominant modes up to 100 Hz. This range covers the infrasound region (<20 Hz) that might be perceived at sufficiently high sound pressure levels. The captured modal frequencies and modal shapes compared favorably to those predicted by a finite element analysis. Results indicate that a cluster of modes located around 10 Hz show significantly higher magnitude than other modes. This corresponds to the second bending mode. Short-time Fourier transform was used to distinguish natural and forced frequencies. It was seen that higher modes were exited less than lower ones. Original signals were decomposed using discrete wavelet transform to obtain different frequency bands. Relative root mean square values for each frequency band were calculated to determine the contribution to the vibration energy. It was observed that most of vibration energy occurs in the lowest frequency band which is in the infrasound region. The accelerometers were monitored while the blades and generator accelerated and decelerated as the wind speed changed, and only the first bending mode was excited significantly which apparently generates most of noise emission.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,628
Score d'incertitude au seuil0,375

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,028
Tête enseignante GPT0,269
Écart entre enseignants0,241 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2012
Routes d'admission3
Résumé présentoui

Explorer davantage

Même sujetStructural Health Monitoring TechniquesTravaux en français237 207