Operational modal analysis of hydroelectric turbines using transient experiments
Analyse modale opérationnelle des roues de turbines hydroélectriques par l'étude des régimes transitoires
Résumé
First, the theoretical modal analysis of an unbalanced hydro turbine enabled us to show that turbines are subjected to a wide range of harmonic excitations. These harmonics are selective, i.e. they only excite one structural mode with specific nodal diameter. Furthermore, it is shown that these harmonics induce resonances in operation. After this preliminary works, an identification algorithm is proposed. The method relies on an order-based modal analysis scheme where order tracking is used to extract resonances and Bayesian modal analysis is used for inference. Eventually, an improvement of the existing Bayesian method is provided. The existing approach involves asymptotic hypotheses that cannot be used when data volume is small. For this, a statistical model is sampled using numerical methods, based on an advanced Gibbs sampler. The new algorithm is more reliable to obtain modal parameters with limited data, and shows excellent convergence properties.
Dans une première phase de travail, l’analyse modale théorique d’une turbine soumise à un débalancement a permis de montrer que les turbines présentent un riche contenu harmonique, et que ces harmoniques sont sélectives, c’est-à-dire qu’elles n’excitent qu’un mode structural de diamètre nodal prédéfini. Il est démontré que ces harmoniques génèrent effectivement des résonances en opération. Dans un deuxième temps, un algorithme d’identification est proposé. La méthode utilise un schéma combiné de suivi d’ordres synchrones pour extraire les résonances harmoniques, et d’un modèle d’analyse modale opérationnel bayésien pour réaliser l’inférence. Enfin, une dernière phase de travail a consisté à améliorer le modèle bayésien existant, qui présente de nombreuses approximations asymptotiques, non raisonnable dans notre cadre où l’on dispose de peu de données. En ce sens, un modèle statistique d’échantillonnage numérique a été développé, basé sur un algorithme de Gibbs avancé. L’outil obtenu est plus fiable pour caractériser des données réduites, et montre d’excellentes propriétés de convergence le rendant compétitif avec les approches existantes.
Origine | Version validée par le jury (STAR) |
---|