پژوهشگران دانشگاه تهران با توسعه مدلهای مبتنی بر هوش مصنوعی، روشی برای پیشبینی سریع و دقیق رفتار سازهای پرههای توربین بادی ارائه کردهاند؛ رویکردی که زمان تحلیل را از چند ساعت به چند دقیقه کاهش میدهد و میتواند به افزایش بهرهوری و کاهش هزینههای طراحی در صنعت انرژیهای تجدیدپذیر کمک کند.
به گزارش سیناپرس، پژوهشگران دانشگاه تهران در مطالعهای جدید، با بهرهگیری از فناوری هوش مصنوعی و یادگیری ماشین، روشی نوین برای تحلیل سریع رفتار سازهای پرههای توربین بادی ارائه کردند.
مقاله دکتر رهام رفیعی، عضو هیئت علمی دانشکدگان علوم و فناوریهای میان رشتهای و علی شاهچراغی و امیر شایستهمنش دانشجویان دانشگاه تهران، از آزمایشگاه تحقیقات کامپوزیت دانشکده علوم و فناوریهای میانرشتهای دانشگاه تهران با عنوان «بهرهگیری از یادگیری ماشین برای تحلیل رفتار سازهای پره کامپوزیتی توربین بادی» در نشریه معتبر Engineering Applications of Artificial Intelligence از انتشارات الزویر (Elsevier) منتشر شد.
در این مطالعه، پژوهشگران به یکی از چالشهای مهم صنعت توربینهای بادی پرداختهاند؛ چالشی که ناشی از تفاوت خواص مکانیکی مواد اولیه خریداریشده از تأمینکنندگان مختلف است و میتواند بر عملکرد نهایی پرههای توربین اثر بگذارد. به همین منظور، تیم تحقیقاتی دانشگاه تهران با استفاده از مدلهای یادگیری ماشین، امکان پیشبینی سریع رفتار سازهای و ارتعاشی پرههای توربین بادی را فراهم کرده است.
بر اساس اعلام دانشگاه تهران، محققان برای این پژوهش، یک پره کامپوزیتی ۲۳ متری متعلق به توربین بادی ۶۶۰ کیلوواتی تولید داخل را بهعنوان نمونه صنعتی انتخاب کردند و چهار مدل هوش مصنوعی را برای پیشبینی فرکانسهای طبیعی و سفتی خمشی پره در جهات مختلف توسعه دادند.
بر اساس نتایج این تحقیق، مدلهای مبتنی بر هوش مصنوعی توسعهیافته، قادرند با دقت بالا تأثیر تغییرات خواص مواد کامپوزیتی را بر عملکرد پرههای توربین بادی پیشبینی کنند.
به نقل از ایسنا، این مدلها زمان تحلیل را از چند ساعت در روشهای مرسوم به چند دقیقه کاهش میدهند و میتوانند به افزایش بهرهوری، تسریع فرآیندهای صنعتی و توسعه فناوریهای نوین در حوزه انرژیهای تجدیدپذیر کمک کنند.
این موضوع میتواند هزینههای تحلیل و طراحی را بهطور قابل توجهی کاهش داده و فرآیند تصمیمگیری در صنایع مرتبط با انرژیهای تجدیدپذیر را تسریع کند.
