Université de Rennes 1 Analyse modale opérationnelle pour le suivi de santé structurelle des éoliennes Operational Modal Analysis (OMA) for wind turbines health monitoring Vibrations et analyse modaleMéthodes Sous-espacesDétection de défautÉoliennes Vibration and modal analysisSubspace methodsDamage detectionWind turbines Analyse modale (ingénierie) Éoliennes Vibrations Méthodes des sous-espaces Dans cette thèse, l’objectif est de surveiller une éolienne sans avoir à l’arrêter ni à interférer avec son fonctionnement. Ainsi, le problème de la surveillance des éoliennes par analyse modale opérationnelle est traité. Le défi principal provient du fait qu’une éolienne en rotation entraîne un caractère périodique au système, ce qui empêche l’utilisation des méthodes d’identification des modes propres définie pour des structures temporellement invariantes telles que celles de génie civil. Pour permettre l’identification des modes propres des systèmes périodiques, une étude de la dynamique des éoliennes en rotation est réalisée. Ainsi, basée, sur cette étude, une approximation des modes propres des éoliennes en rotation est définie, où ces modes propres sont définis comme une somme de modes propres d’une structure invariante. Par la suite, il est démontré théoriquement que les méthodes d’identification sous espaces existantes peuvent identifier correctement l’approximation définie précédemment. Puis validé avec différents exemples d’identifications utilisant des données simulées à partir de modèles d’éoliennes. Pour conclure le travail, la détection de défaut du rotor est traitée, en utilisant des mesures du rotor ou bien de la tour. Pour ces deux cas, les paramètres obtenus par identification les plus sensibles aux défauts sont recherchés et utilisés pour adapter une méthode de détection de défaut de l’état de l’art. Pour les deux situations, il a été possible de détecter une baisse de raideur d’une pale et de déterminer la pale endommagée lorsque des mesures du rotor sont utilisées. In this thesis, the objective is to monitor the wind turbine without stopping or interfering with its operation. So, the monitoring of operating wind turbines with Operational Modal Analysis is studied. The main challenge is the periodic behavior of a wind turbine, which prevent the use of the eigenmodes identification methods from the literature, defined for time invariant structures such as civil engineering ones. To enable the identification of the periodic system eigenmodes, a study of the dynamical behavior of the rotating wind turbine is carried on. Thus, an approximation of the rotating wind turbine eigenmodes is defined, where those eigenmodes are expressed as a sum of invariant system eigenmodes. Afterward, it is theoretically demonstrated that the existing subspace identification methods can correctly identify the previously defined approximation. Then, it is validated with different examples of identification using data computed with wind turbine models. To complete the work, damage detection of the rotor of a wind turbine is treated using rotor or tower measurements. For both cases, the most damage sensitive parameters obtained from the identification are searched and used to adapt a damage detection method from the state-of-the-art. In both configurations, it has been possible to detect a stiffness loss of one blade and asses the damaged blade when rotor measurements are used. Electronic Thesis or DissertationText en application/pdf1 : 5188 Kohttps://ged.univ-rennes1.fr/nuxeo/site/esupversions/1740a869-8d65-419c-8cf4-effe2ad0019d Cadoret Ambroise 1997-04-10 FR 274151944 cadoretambroise3a1@gmail.com 2023URENS046 http://www.theses.fr/2023URENS046 2023-09-22 Signal, image, vision Université de Rennesthesis.degree.grantor_1 26693823X Doctorat non ouiMevelLaurentintervenant_1093658907LeroyJean-Marcintervenant_2225410303WaeytensJulienintervenant_3149330049DenimalEnoraintervenant_423407969XZhangQinghuaintervenant_5063466694KhelfIlyesintervenant_8274160374MorlierJosephintervenant_6099430584SerraRogerintervenant_7176720081 MATISSEecoleDoctorale_1 267602553 INRIA-RENNES partenaireRecherche_1 133175863 ddc:620 MevelLaurentLeroyJean-MarcWaeytensJulienDenimalEnoraZhangQinghuaMorlierJosephSerraRogerKhelfIlyesUniversité de RennesMATISSE INRIA-RENNES ASCII PDF 5312044