دانلود ترجمه مقاله متا مدل ها برای برآورد آسیب خستگی زیر ساخت های جکت توربین های بادی فراساحلی (ساینس دایرکت – الزویر ۲۰۱۷) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

این مقاله انگلیسی ISI در نشریه ساینس دایرکت (الزویر) در ۶ صفحه در سال ۲۰۱۷ منتشر شده و ترجمه آن ۹ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

مشخصات مقاله انگلیسی (PDF)
سال انتشار	۲۰۱۷
تعداد صفحات مقاله انگلیسی	۶ صفحه با فرمت pdf
رشته های مرتبط با این مقاله	مهندسی عمران
گرایش های مرتبط با این مقاله	سازه، مهندسی هیدرولیک، آب و سازه های هیدرولیکی
مجله	کنفرانس بین المللی دینامیک ساختاری  International Conference on Structural Dynamics
دانشگاه	موسسه ریسک و قابلیت اطمینان، دانشگاه لایبنیتس هانور، آلمان
کلمات کلیدی	توربین بادی فراساحلی، فرسودگی، بارهای شدید، بهینه سازی قوی، قابلیت اطمینان، احتمال غیردقیق
شناسه شاپا یا ISSN	ISSN ۱۰٫۱۰۱۶
رفرنس	دارد ✓
کد محصول	۹۲۰۳
لینک مقاله در سایت مرجع	لینک این مقاله در نشریه Elsevier
شناسه دیجیتال – doi	https://doi.org/10.1016/j.proeng.2017.09.292
نشریه الزویر

• فهرست مطالب:

چکیده

۱- مقدمه

۲- شبیه‌سازی و حالات بار طراحی

۳- فرا مدل‌ها برای تحلیل استوار و کمی‌سازی عدم قطعیت

۳-۱- Kriging

۳-۲- مدل پیش بینی کننده‌ دامنه‌ای

۴- مثال عددی

۴-۱- تحلیل حساسیت عمومی

۴-۲- نتایج برای مدل Kriging

۴-۳- نتایج مدل پیش بینی کننده‌ دامنه‌ای

۵- نتیجه‌گیری‌ها و مطالعات آتی

• بخشی از ترجمه:

چکیده

یکی از اصلی‌ترین بخش‌های ساختاری توربین‌های بادی فراساحلی زیرساخت آن‌ها است که شکاف بین بستر دریا و پایه‌ی برج را پر می‌کند. یک مفهوم ممکن مورداستفاده در اعماق آبی نزدیک برای توربین‌های دارای توان نرخ بالا، جکت است. این ساختار توسط چندین اثر محیطی از قبیل باد و فشار امواج یا بارهای گریز از مرکز ناشی از حرکت گردشی برانگیخته می‌شود. به‌منظور رسیدن به هزینه‌های رقابتی انرژی ضروری است که هزینه‌های سرمایه‌ای طول عمر را با استفاده از طراحی استوار و مبتنی بر قابلیت اطمینان، به حداقل برسانیم. با این‌حال، یک رویکرد بهینه‌سازی مبتنی بر شبیه‌سازی بر روی مدل مقیاس کامل نیازمند ظرفیت عددی بالایی است. در این مطالعه، مسئله‌ی ارزیابی طول عمر فرسودگی دارای هزینه‌ی عددی با استفاده از یک رویکرد فرا مدل مورد بررسی قرار می‌گیرد. عملکرد دو راه‌حل فرا مدل، یعنی Kriging و مدل پیش‌بین دامنه (Interval Predictor Model) باهم مقایسه می‌شود. علی‌الخصوص، رفتار متفاوت دامنه‌های اطمینان احتمالاتی رگرسیون Kriging و مرزهای دامنه‌ی IPM موردبحث قرار می‌گیرد.

۵- نتیجه‌گیری‌ها و مطالعات آتی این مطالعه نشان‌دهنده‌ی قابلیت عملی پیش‌بینی فرامدل با مرزهای عدم قطعیت برای تخمین آسیب فرسودگی بود. دو راه‌حل فرا مدل رقیب مورد آزمون قرار گرفتند. نتایج نشان داد که هر دو فرامدل می‌توانند به‌درستی رفتار میانگین آسیب فرسودگی بیشینه‌ی جکت‌ها را با استفاده از تنها چهار مورد از هفت پارامتر ورودی در دسترس پیش‌بینی نمایند. بااین‌حال، هنگامی‌که مرزهای پیش‌بینی در تحلیل در نظر گرفته می‌شوند، مدل Kriging ممکن است منجر به یک پیش‌بینی افراطی و بیش‌ازحد محافظه‌کارانه شود به شرطی که داده‌های آموزشی محدودی در دسترس باشند. این امر علی‌الخصوص زمانی رخ می‌دهد که این رویکرد تا حد یک بهینه‌سازی طراحی کامل تعمیم می‌یابد چرا که به دلیل محدودیت‌های محاسباتی، تعداد بسیار اندکی حالت بار برای هر طراحی آزمون محاسبه خواهند شد.

• بخشی از مقاله انگلیسی:

Abstract

One of the main structural components of offshore wind turbines is the substructure which bridges the gap between seabed and tower foot. One possible concept employed in intermediate water depths for turbines with high-rated power is the jacket. This structure is excited by several environmental impacts like wind and wave loads or centrifugal loads from the rotor motion. In order to reach competitive costs of energy, it is crucial to minimize the lifetime capital expenses by means of robust and reliability-based design. However, a simulation-based optimization approach on the full scale model requires high numerical capacity. In this work, the problem of numerically expensive fatigue life evaluation is addressed by the utilization of a meta-model approach. The performance of two meta-models solutions, namely Kriging and Interval Predictor Model, is compared. In particular, the different behavior of the probabilistic confidence intervals of the Kriging regression and the interval bounds of the IPM is discussed.

۵٫ Conclusions and further work

This work has shown the feasibility of a meta-model prediction with uncertainty bounds for fatigue damage estimation. Two competitive meta-model solutions were tested. The results show that both meta-models can accurately predict the mean behavior of the maximum fatigue damage of the jackets using only four out of the seven available input parameters. However, when the prediction bounds are included in the analysis, the Kriging model might lead to an excessive and over-conservative prediction, provided that limited training data is available. This will be especially the case when this approach is expanded to a complete design optimization, since very few load cases will be computed for each test design due to computational constraints.