Das Teilprojekt C02 zielt auf die Beantwortung der Frage ab, wie bei einer Offshore-Megastruktur strukturelle Veränderungen, die unerwünschte Systemveränderungen, kritische Betriebszustände oder potentielle Schäden darstellen, mit möglichst hoher Zuverlässigkeit und im laufenden Betrieb der Anlage erkannt werden können. Dazu sollen messdatenbasierte Methoden zum Einsatz kommen, die auf eine Modellierung der genauen Belastungen, der Interaktionen zwischen Struktur und äußeren Lasten sowie der schwingenden Struktur selbst in einem physikalisch basierten Finite-Elemente-Modell verzichten. Stattdessen sollen nur die gemessenen Antwortgrößen sowie Messungen der Betriebs- und Umgebungsbedingungen für die darauf aufbauenden Analysen verwendet werden.

Dabei bestehen wesentliche Herausforderungen darin, dass Schäden oder andere kritische Systemveränderungen nicht direkt gemessen, sondern nur indirekt über schadenssensitive Größen bestimmt bzw. geschätzt werden können. Bei einem komplexen System wie einer Offshore-Windenergieanlage (OWEA) ist die Anzahl der realisierbaren Messpunkte aber klein gegenüber der Anzahl der Freiheitsgrade der Struktur. Es liegt also ein Informationsdefizit vor. Hinzu kommt, dass das strukturdynamische Verhalten stark von den Betriebs- und Umgebungsbedingungen abhängt. So treten zum Beispiel am Rotor ausgeprägte Wechselwirkungen mit aerodynamischen Kräften auf, die zu nichtlinearen Schwingungszuständen führen können. Daher können klassische Methoden der Systemidentifikation, die Linearität und Zeitinvarianz des messtechnisch beobachteten Systems voraussetzen, nicht ohne Weiteres angewendet werden.

Auf der anderen Seite werden in der praktischen Strukturüberwachung (Structural Health Monitoring – SHM) dringend Methoden benötigt, die im Falle eines eventuellen Schadens, ein schnelles Eingreifen erlauben, unnötige Wartungseinsätze aufgrund von Fehldetektionen aber vermeiden. Die Arbeitshypothese des TP ist, dass durch eine geeignete Kombination von Methoden der betrieblichen Modalanalyse mit physikalisch interpretierbaren Zustandsparametern und mathematischen Modellen aus künstlichen neuronalen Netzen eine geeignete Grundlage zur Strukturüberwachung einer Offshore-Megastruktur im laufenden Betrieb geschaffen werden kann. Die Hauptinnovation des TP besteht in der Kombination von robusten Algorithmen, basierend auf White- und Black-Box-Modellen, in einem multivariaten Grey-Box-Strukturüberwachungskonzept. Dieses Konzept soll an verschiedenen Datenbasen, die dem Antragsteller vorliegen, erforscht, schrittweise erprobt und validiert werden.

Dazu sollen geeignete Trainingsstrategien und Hypothesentests erarbeitet werden, die an synchron aufgenommenen Zeitreihen (Beschleunigung, Dehnung, Temperatur, Windgeschwindigkeit, Rotordrehzahl, Pitchwinkel etc.) der schwingenden Struktur erforscht werden. Dazu müssen die verschiedenen Systemzustände unter den auftretenden wechselnden Betriebs- und Umgebungsbedingungen angelernt werden, um Systemveränderungen nicht mit Schäden zu verwechseln.