Anwendungsorientierte Sensordatenfusion für die In-Situ Rotorblatt-Strukturüberwachung (SENSITU), Teilprojekt: Systementwurf der Sensorknoten und des drahtlosen Sensornetzwerkes

Im SENSITU-Vorhaben wird ein modulares und skalierbares Monitoringsystem zur Strukturüberwachung (SHM) von Rotorblättern an Windenergieanlagen erforscht und im Feld analysiert und erprobt. Gesamtziel ist die anwendungsorientierte Sensordatenfusion für das in-situ Rotorblatt-Monitoring mit 60-GHz-Radarsensorik (lokaler SHM-Ansatz) und schwingungsbasierter Rotorblattüberwachung (globaler SHM-Ansatz). Der Lehrstuhl für Integrierte Elektronische Systeme (IES) der Otto-von-Guericke-Universität Magdeburg (OVGU) wird dafür den miniaturisierten und modularen Sensorknoten erforschen, der neben einem 60-GHz-Mehrantennen-Radarsystem (MIMO-Radar) auch einen präzisen Beschleunigungssensor, ein intelligentes Energiekonzept, eine optimierte Ablaufsteuerung sowie eine hochgenaue drahtlose Synchronisation und effiziente drahtlose Datenübertragung aufweist. So wird eine bisher noch nicht erreichte Datenqualität für die anschließende Fusion der räumlich verteilten Sensoren und die Datenverarbeitung mit Methoden des maschinellen Lernens ermöglicht.

In the SENSITU project, a modular and scalable monitoring system for structural health monitoring (SHM) of rotor blades on wind turbines is being investigated, analyzed, and tested in the field. The overall goal is application-oriented sensor data fusion for in-situ rotor blade monitoring using 60 GHz radar sensor technology (local SHM approach) and vibration-based rotor blade monitoring (global SHM approach). For this purpose, the Chair of Integrated Electronic Systems (IES) at the Otto-von-Guericke-University Magdeburg (OVGU) will research the miniaturized and modular sensor node which, in addition to a 60-GHz multiantenna radar system (MIMO radar), also features a precise acceleration sensor, an intelligent energy concept, an optimized sequence control as well as highly accurate wireless synchronization and efficient wireless data transmission. This enables unprecedented data quality for subsequent fusion of the spatially distributed sensors and data processing using machine learning methods.