MétaCan
Menu
Back to cohort
Record W7009307281

Développement d’un modèle structural simplifié d’analyse en fatigue d’une pale d’éolienne de 2.05 MW en conditions nordiques basée sur des données partielles

2022· other· fr· W7009307281 on OpenAlexaboutno aff

Bibliographic record

VenueEspace École de technologie supérieure (École de technologie supérieure) · 2022
Typeother
Languagefr
Field
Topic
Canadian institutionsnot available
Fundersnot available
KeywordsPneumaticsShock (circulatory)Barrel (horology)
DOInot available

Abstract

fetched live from OpenAlex

La transition énergétique est un enjeu qui se décompose sur plusieurs fronts à l’échelle mondiale. Au Canada, une meilleure intégration des énergies renouvelables et, particulièrement de l’éolien, en milieu nordique est nécessaire pour décroître l’empreinte carbone. Ce projet de recherche s’intègre donc dans la caractérisation de l’éolien en milieu nordique en proposant une approche simplifiée d’analyse structurale, basée sur des données partielles, pour évaluer le chargement et la durée de vie en fatigue des pales d’éoliennes pour une période d’opération désirée. \n \nLes méthodes d’analyse structurale d’une pale, lors de la conception, requièrent une multitude de données, qui ne sont généralement pas accessibles aux opérateurs de parcs éoliens. De ce fait, ce travail vise à modéliser une approche simplifiée et accessible qui permettra d’obtenir le chargement perçu par les pales ainsi que l’endommagement sur l’entièreté de la pale pour une période d’opération. Pour ce faire, les généralités du secteur éolien ainsi que la caractérisation de l’éolienne de référence (2.05 MW) utilisée dans ce travail sont d’abord détaillées. L’étude du chargement est faite selon l’approche simplifiée utilisant les données SCADA de l’éolienne, selon la théorie de l’élément de pale et selon la théorie des poutres en flexion. Afin de caractériser la distribution de rigidité en flexion dans les axes principaux de flexion, on s’intéresse par la suite à l’estimation des propriétés élastiques par méthode d’optimisation et par la théorie classique des stratifiés (avec des échantillons provenant d’une pale). La recherche se conclue avec l’étude de durée de vie en fatigue, selon la norme Germanischer Lloyd. L’objectif y est d’étudier la différence d’endommagement entre deux périodes de temps avec un minimum de données. \n \nL’étude du chargement s’avère concluante avec un écart moyen de 15 % pour les moments fléchissants évalués selon l’approche simplifiée et ceux trouvés à l’aide de capteurs. La difficulté à caractériser le coefficient de poussée explique la divergence entre la méthode simplifiée, la théorie de l’élément de pale et l’acquisition dans la pale. Ensuite, pour l’évaluation de la distribution de rigidité en flexion, la méthode d’optimisation numérique, basée sur les propriétés modales, permet de converger vers une multitude de solutions qui satisfont les fréquences propres ciblées en raison du manque de contraintes dans le modèle. L’évaluation de la rigidité en flexion par les échantillons prélevés résulte en un écart respectif pour les trois premières fréquences propres de 19.9 %, 19.5 % et 6.0 %. La reconstruction structurale de la pale mène à une erreur avoisinant les 23 % pour ce qui est de la masse totale de la pale. Finalement, les résultats d’étude pour une période de trois heures tendent à indiquer que la validité de la rigidité en flexion influence grandement la durée de vie en fatigue, dont le point critique est localisé au bord de fuite.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.003
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: Simulation or modeling
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.080
Threshold uncertainty score0.159

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.003
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.002
Bibliometrics0.0010.001
Science and technology studies0.0010.001
Scholarly communication0.0020.002
Open science0.0010.001
Research integrity0.0020.002
Insufficient payload (model declined to judge)0.0080.002

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.060
GPT teacher head0.284
Teacher spread0.224 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designSimulation or modeling
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2022
Admission routes1
Has abstractyes

Explore more

Same venueEspace École de technologie supérieure (École de technologie supérieure)French-language works237,207