Abstract The analysis presented in this work relates to the quantification of the effect of a selected set of measured Environmental and Operational Parameters (EOPs) on the dynamic properties of low and high frequency vibration, in the context of a vibration monitoring campaign implemented on the blade of an operating wind turbine. To this end, a Gaussian Process (GP) time-series modelling approach is adopted, in which the coefficients of a time-series model are driven by a Gaussian Process Regression on the selected EOPs. The properties of the data acquisition system allow to evaluate low and high frequency dynamics, the former associated with the structural dynamics of the blade, and the latter with the wave transmission properties of the material, assessed with the help of an electro-mechanical actuator installed on the blade. In this form, a multi-temporal-scale approach is adopted here, where a GP Linear Parameter Varying Auto-Regressive model is selected to represent low frequency (structural) dynamics, while in parallel a GP Continuous Wavelet Transform model is used to represent high frequency dynamics (associated with wave transmission properties in the material). In both cases the blade is considered in its healthy state as well as in various operational regimes, including idle, and rotating at two different set points. As a result, it is demonstrated that GP time-series modelling succeeds in evaluating and isolating the influence of different EOPs in the features of the vibration response of the wind turbine blade, and at the same time, normalize their effects to enhance the detectability of damage.

中文翻译：

---

用于减轻风力涡轮机结构健康监测中运行变异性的高斯过程模型

摘要 本工作中提出的分析涉及量化一组选定的测量环境和操作参数 (EOP) 对低频和高频振动的动态特性的影响，在叶片上实施的振动监测活动的背景下运行中的风力涡轮机。为此，采用高斯过程 (GP) 时间序列建模方法，其中时间序列模型的系数由所选 EOP 的高斯过程回归驱动。数据采集​​系统的特性允许评估低频和高频动力学，前者与叶片的结构动力学有关，后者与材料的波传输特性有关，在安装的机电致动器的帮助下进行评估在刀片上。在这种形式中，这里采用了多时间尺度的方法，其中选择 GP 线性参数变化自回归模型来表示低频（结构）动力学，同时并行地使用 GP 连续小波变换模型来表示高频动力学（关联在材料中具有波传输特性）。在这两种情况下，叶片都被认为处于其健康状态以及各种操作状态，包括闲置和在两个不同的设定点旋转。结果表明，GP 时间序列建模成功地评估和隔离了不同 EOP 对风力涡轮机叶片振动响应特征的影响，同时对其影响进行了归一化，以提高可检测性。损害。其中选择 GP 线性参数变化自回归模型来表示低频（结构）动力学，同时使用 GP 连续小波变换模型来表示高频动力学（与材料中的波传输特性相关）。在这两种情况下，叶片都被认为处于其健康状态以及各种操作状态，包括闲置和在两个不同的设定点旋转。结果表明，GP 时间序列建模成功地评估和隔离了不同 EOP 对风力涡轮机叶片振动响应特征的影响，同时对其影响进行了归一化，以提高可检测性。损害。其中选择 GP 线性参数变化自回归模型来表示低频（结构）动力学，同时使用 GP 连续小波变换模型来表示高频动力学（与材料中的波传输特性相关）。在这两种情况下，叶片都被认为处于其健康状态以及各种操作状态，包括闲置和在两个不同的设定点旋转。结果表明，GP 时间序列建模成功地评估和隔离了不同 EOP 对风力涡轮机叶片振动响应特征的影响，同时对其影响进行了归一化，以提高可检测性。损害。同时，GP 连续小波变换模型用于表示高频动力学（与材料中的波传输特性相关）。在这两种情况下，叶片都被认为处于其健康状态以及各种操作状态，包括闲置和在两个不同的设定点旋转。结果表明，GP 时间序列建模成功地评估和隔离了不同 EOP 对风力涡轮机叶片振动响应特征的影响，同时对其影响进行了归一化，以提高可检测性。损害。同时，GP 连续小波变换模型用于表示高频动力学（与材料中的波传输特性相关）。在这两种情况下，叶片都被认为处于其健康状态以及各种操作状态，包括闲置和在两个不同的设定点旋转。结果表明，GP 时间序列建模成功地评估和隔离了不同 EOP 对风力涡轮机叶片振动响应特征的影响，同时对其影响进行了归一化，以提高可检测性。损害。并在两个不同的设定点旋转。结果表明，GP 时间序列建模成功地评估和隔离了不同 EOP 对风力涡轮机叶片振动响应特征的影响，同时对其影响进行了归一化，以提高可检测性。损害。并在两个不同的设定点旋转。结果表明，GP 时间序列建模成功地评估和隔离了不同 EOP 对风力涡轮机叶片振动响应特征的影响，同时对其影响进行了归一化，以提高可检测性。损害。