将研究离岸风力涡轮机的生命周期结束影响，以帮助最大限度地延长引领绿色复苏和可再生能源革命的关键基础设施的使用寿命。

赫尔大学已获得 100,000 英镑来承担这项任务，机器学习在监测和预测疲劳水平方面的作用是这项工作的核心。它在计算机科学讲师 Nina Dethlefs 博士的带领下将工业界和学术界聚集在一起。

一个特别的焦点将是涡轮机的单桩——巨大的钢结构堆入海床，将工厂的平衡提升到水面以上。

它被描述为风险最大的组成部分之一，这是由于海浪、潮汐和天气在作业上方的影响造成的压力和应变。

现金来自 Supergen 海上可再生能源中心。

新项目的首席研究员 Dethlefs 博士说：“对单桩疲劳的准确估计对于帮助为海上风力涡轮机的潜在退役和更换以及优化未来设计和维护做出决策提供信息至关重要。

“由于这些涡轮机所处的环境充满挑战和不可预测，对疲劳和磨损的准确预测往往会出现重大错误。

“使用机器学习，我们希望能够更准确地预测涡轮机的寿命终止阶段。非常感谢 Supergen ORE Hub 对这项重要研究的支持。”