Exploitation de mesures distribuées de déformation de pales par LiDAR en vue de la détection de défauts sur éoliennes en opération

IFP Energies nouvelles (IFPEN) est un organisme public de recherche, d’innovation et de formation dont la mission est de développer des technologies performantes, économiques, propres et durables dans les domaines de l’énergie, du transport et de l’environnement. 

IFPEN met à disposition de ses chercheurs un environnement de recherche stimulant, avec des équipements de laboratoire et des moyens de calcul très performants.

Dans le cadre de la mission d’intérêt général confiée par les pouvoirs publics, IFPEN concentre ses efforts sur :

• l’apport de solutions aux défis sociétaux de l’énergie et du climat, en favorisant la transition vers une mobilité durable et l’émergence d’un mix énergétique plus diversifié ;
• la création de richesse et d’emplois, en soutenant l’activité économique française et européenne et la compétitivité des filières industrielles associées.

Stage de Master / Projet de Fin d’Etude (PFE) recherche 2026

Exploitation de mesures distribuées de déformation de pales par LiDAR en vue de la détection de défauts sur éoliennes en opération

Dans le cadre de la maintenance des éoliennes onshore et offshore, il est nécessaire de pouvoir déterminer la santé structurelle ou la conformité aux performances théoriques des différents composants. Des mesures doivent alors être déployées sur le système. Leur but est d’identifier d’éventuels avaries ou dysfonctionnements afin d’éviter les pertes d’efficacité, voire la ruine complète du système. Un réglage défectueux et plus encore une immobilisation de l’éolienne entrainent des pertes de production.

La recherche d’outils permettant la mesure de grandeurs d’intérêt in operando sur l’ensemble des éoliennes d’un parc apparaît dès lors essentielle. Les enjeux de la mise au point de ces mesures sont divers, entre les difficultés liées à l’acquisition et au traitement des données recueillies.

S’agissant de l’acquisition, de nombreuses techniques existent [1]. Il est par exemple possible d’utiliser des jauges de déformations en pied de pales. Ces mesures, bien que riches, sont limitées, puisqu’elles ne fournissent qu’une information ponctuelle et s’avèrent couteuses en termes d’installation et de maintenance. Cela explique l’augmentation de l’utilisation de drones dans les travaux de recherche [2]. Ce stage s’inscrit dans une démarche visant à mesurer l’entièreté des champs de déformations de pales en temps réel à l’aide d’un drone équipé d’un LiDAR (Light Detection And Ranging), ce qui permettrait également de généraliser la mesure à l’ensemble d’un parc.

S’agissant du traitement des données, diverses méthodes existent pour identifier des défauts de structures en fonctionnement, telle que l’analyse de variations de modes propres significatives d’événements inhabituels (perte de raideur, balourd aérodynamique, etc.). Ce stage sera orienté autour du pré-traitement des données issues de nuages de points nécessaire pour parvenir à étendre ces méthodes à des mesures distribuées.

L’objectif du stage est de parvenir à retrouver dans un environnement virtuel les champs de déplacements et de déformations connus de pales à partir de nuages de points. Les méthodes de classification des nuages [3] (point set registration), par apprentissage ou d’interpolation basées sur les lois de la mécanique peuvent être envisagées. La connaissance partielle de la surface observée, les hétérogénéités de dimensions des pales ou encore la régularité de la surface sont quelques-uns des obstacles rendant cette identification délicate.

Le stage a vocation à poursuivre des travaux déjà entamés à l’IFPEN en collaboration avec un partenaire industriel, en vue du développement d’un produit technologique, mais aussi à préparer une thèse prochaine en partenariat avec l’INRIA portant sur l’application de l’Analyse Modale Opérationnelle (OMA) à des mesures distribuées.

Dans le cadre de ce stage l’étudiant / l’étudiante pourra :

• S’approprier les problématiques et outils de l’éolien onshore et offshore.
• Générer des données synthétiques de déformations de pales en opération (idéales ou avec avaries).
• Générer des données synthétiques de mesures LiDAR par drone.
• Utiliser ces générations synthétiques afin d’identifier et retrouver les déformées de pales.
• Eventuellement via des méthodes inverses retrouver des propriétés structurelles équivalentes des pales.

Profil recherché : 

Etudiant(e) en école d'ingénieur ou M2

• Compétences recherchées : Mécanique des structures, mathématiques appliquées, éolien.

Durée : 6 mois à compter de mars 2026 (date flexible)
Lieu : IFPEN, Solaize (69), France, Département de Mécanique des Solides
Encadrants : M. Merle, O. Lepreux, JL. Pfister, M. Castagné

Contact : Maxime Merle

Bibliographie :

[1] Sun et al., In-situ condition monitoring of wind turbine blades: A critical and systematic review of techniques, challenges, and futures, Renewable and Sustainable Energy Reviews (2022)
[2] Zhang et al., Inspection of Floating Offshore Wind Turbines Using Multi-Rotor Unmanned Aerial Vehicles: Literature Review and Trends, Sensors (2024)
[3] Myronenko et al., Point Set Registration: Coherent Point Drift, IEEE Transactions on Pattern Analysis and Machine Intelligence (2010)

**************************

Exploitation of LiDAR distributed measurements of blade
deformation for fault detection on operating wind turbines

2026 Master’s degree research internship

As part of the maintenance of onshore and offshore wind turbines, it is necessary to determine the structural health or compliance with theoretical performance of the various components. Measurements must therefore be deployed on the system. Their purpose is to identify any damage or malfunctions to avoid loss of efficiency or even complete failure of the system. The associated issues are that faulty adjustments and, even more so, wind turbine downtime lead to production losses. It is therefore essential to find tools able to measure in operando relevant parameters on all the wind turbines in a wind farm. The challenges involved in these measurements are varied, ranging from
difficulties in acquiring and processing the data collected.
When it comes to data acquisition, various techniques have been developed [1], for instance it is currently possible to use blade root strain gauges. Although these measurements are rich in information, they are limited in that they only provide specific data and are installation and maintenance costly. These drawbacks can explain the growing use of drone in research papers [2]. This internship is part of an approach aimed at measuring the entire deformation field of wind turbine blades in real time using a drone equipped with LiDAR (Light Detection And Ranging), which would also make it possible to extend the measurement to an entire wind farm.
When it comes to data processing, there are various methods for identifying structural defects during operation, such as analysing significant variations in natural frequencies caused by unusual events (loss of stiffness, aerodynamic imbalance, etc.). This internship will focus on the pre-processing of point cloud data required to extend these methods
to distributed measurements.
The objective of the internship is to identify known wind turbine blade displacement and deformation fields in a virtual environment using point clouds. Methods such as point set registration [3], machine learning or interpolation based on the laws of mechanics, may be considered. Partial knowledge of the observed surface, heterogeneity of blade dimensions, and the regularity of the surface are some of the obstacles that make this identification difficult.
The internship aims to continue work already begun at IFPEN in collaboration with an industrial partner, with a view to developing a technological product, but also to prepare a forthcoming thesis in partnership with INRIA on the application of Operational Modal Analysis (OMA) to distributed measurements.

During this internship, students will be able to:

- Learn about the issues and tools involved in onshore and offshore wind power.
- Generate synthetic data of blade deformations during operation (ideal or damaged).
- Generate synthetic data of LiDAR measurements taken by a drone.
- Use these synthetic generations to identify and locate blade deformations.
- Possibly use inverse methods to find equivalent structural properties of the blades.

Duration: 6 months, starting end March 2026 (flexible date)

Location: IFPEN, Solaize (69), France (Solid mechanics department)

Supervisors: M. Merle, O. Lepreux, JL. Pfister, M. Castagné

Desired skills: Mechanical engineering, applied mathematics, wind energy.

Contact: Maxime Merle

References

1] Sun et al., In al., In-situ condition monitoring of wind turbine blades: A critical and systematic review of techniques, challenges, and futures, Renewable and Sustainable Energy Reviews (2022)
[2] Zhang et al., Inspection of Floating Offshore Wind Turbines Using Multi-Rotor Unmanned Aerial Vehicles:Literature Review and Trends, Sensors (2024)
[3] Myronenko et al., Point Set Registration: Coherent Point Drift, IEEE Transactions on Pattern Analysis and Machine Intelligence (2010)