Abstract: H. T. Canseven, M. Ercire, M. Comert, A. Unsal, N. Sarma (2026)

As the offshore wind industry scales toward 15 MW capacity, the reliability of Direct-Drive Permanent Magnet Synchronous Generators (DD-PMSGs) becomes critical. However, real-world run-to-failure data for these massive, multi-pole machines is virtually non-existent, creating a barrier for developing effective data-driven diagnostic systems. This study proposes a high-fidelity framework for detecting permanent magnet faults in the International Energy Agency (IEA) 15 MW Reference Wind Turbine. Using Finite Element Analysis (FEA), a dataset (magnetic flux and back electromotive-force (EMF)) capturing the electromagnetic signatures of healthy and faulty states of a PMSG under varying severities is generated. To improve the power of computer vision, 1D time-series signals were transformed into 2D images. Specifically, Gramian Angular Fields (GAFs) and Recurrence Plots (RPs) were applied to magnetic flux density signals, while Markov Transition Fields (MTFs) were applied to back-EMF signals. These representations were then fused into multi-channel Red-Green-Blue (RGB) images and processed via a ResNet-18 Deep Transfer Learning model using a strictly non-overlapping, leakage-free dataset partitioning strategy. The proposed framework achieved a classification accuracy of 99.45% on noise-free data. Furthermore, robustness testing under varying levels of Additive White Gaussian Noise (AWGN) (30 dB, 40 dB, and 50 dB Signal-to-Noise Ratio (SNR)) demonstrated sustained high performance, maintaining over 90% accuracy even under severe 30 dB noise conditions. Comparative analysis proved that this multi-channel fusion significantly outperforms single-channel encoding methods, which collapse under heavy noise, validating the scalability of the framework and applicability for next-generation condition monitoring in harsh offshore environments.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Advanced Fault Detection of Permanent Magnet Faults in Offshore Wind Turbine Generators Using Finite Element Analysis and Deep Transfer Learning