Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "wind turbines" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    ART-2 artificial neural networks applications for classification of vibration signals and operational states of wind turbines for intelligent monitoring
    Autorzy:
    Barszcz, T.
    Bielecki, A.
    Wójcik, M
    Bielecka, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/329678.pdf
    Data publikacji:
    2013
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    wind turbines
    monitoring
    ART neural network
    Opis:
    In recent years wind energy is the fastest growing branch of the power generation industry. The largest cost for the wind turbine is its maintenance. A common technique to decrease this cost is a remote monitoring based on vibration analysis. Growing number of monitored turbines requires an automated way of support for diagnostic experts. As full fault detection and identification is still a very challenging task, it is necessary to prepare an “early warning” tool, which would focus the attention on cases which are potentially dangerous. There were several attempts to develop such tools, in most cases based on various classification methods. As the ART neural networks are capable to perform efficient classification and to recognize new states when necessary, they seems to be a proper tool for classification of vibration signals of bearing in gears in wind turbines. The verification of ART-2 networks efficiency in this task is the topic of this paper.
    Źródło:
    Diagnostyka; 2013, 14, 4; 21-26
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wind turbine generator slip ring damage detection through temperature data analysis
    Autorzy:
    Astolfi, Davide
    Castellani, Francesco
    Natili, Francesco
    Powiązania:
    https://bibliotekanauki.pl/articles/329616.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    wind energy
    wind turbines
    fault diagnosis
    condition monitoring
    principal components regression
    energetyka wiatrowa
    turbina wiatrowa
    diagnostyka uszkodzeń
    monitorowanie stanu
    Opis:
    The use of condition monitoring techniques in wind energy has been recently growing and the average unavailability time of an operating wind turbine in an industrial wind farm is estimated to be less than the 3%. The most powerful approach for gearbox condition monitoring is vibration analysis, but it should be noticed as well that the collected data are complex to analyse and interpret and that the measurement equipment is costly. For these reasons, several wind turbine subcomponents are monitored through temperature sensors. It is therefore valuable developing analysis techniques for this kind of data, with the aim of detecting incoming faults as early as possible. On these grounds, the present work is devoted to a test case study of wind turbine generator slip ring damage detection. A principal component regression is adopted, targeting the temperature collected at the slip ring. Using also the data collected at the nearby wind turbines in the farm, it is possible to identify the incoming fault approximately one day before it occurs.
    Źródło:
    Diagnostyka; 2019, 20, 3; 3-9
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Vibration signals processing by cellular automata for wind turbines intelligent monitoring
    Przetwarzanie sygnałów drganiowych przy pomocy automatów komórkowych w celu inteligentnego monitoringu turbin wiatrowych
    Autorzy:
    Barszcz, T.
    Bielecki, A.
    Wójcik, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/328842.pdf
    Data publikacji:
    2013
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    cellular neural networks
    wind turbines
    gears
    intelligent monitoring
    deterministyczne automaty komórkowe
    turbina wiatrowa
    przekładnia
    monitoring inteligentny
    Opis:
    In recent years wind energy is the fastest growing branch of the power generation industry. The largest cost for the wind turbine is its maintenance. A common technique to decrease this cost is a remote monitoring based on vibration analysis. Growing number of monitored turbines requires an automated way of support for diagnostic experts. As full fault detection and identification is still a very challenging task, it is necessary to prepare an early-warning tool, which would focus the attention on cases which are potentially dangerous. There were several attempts to develop such tools, in most cases based on various classification methods. The techniques that have been used so far are based on the vibration signals analysis in which the signals are considered as time series. However such approach has crucial limitations. Therefore, new approaches for wind turbines intelligent monitoring are worked out. Artificial intelligence systems are ones of promising. In this paper such approach is proposed - a vibration signal spectrum is considered as a pixel matrix which is processed using deterministic cellular automaton (DCA). It turns out that such processing allows us to detect pre-failure states.
    W ostatnich latach energetyka wiatrowa jest najszybciej rozwijającą się gałęzią przemysłu energetycznego. Najkosztowniejsza w turbinach wiatrowych jest ich konserwacja. Popularną techniką obniżającą te koszta jest zdalny monitoring bazujący za analizie wibracyjnej. Rosnąca liczba monitorowanych turbin zmusza do znalezienia automatycznego wsparcia dla diagnozujących ekspertów. Ponieważ pełna detekcja i identyfikacja uszkodzeń jest wciąż wielkim wyzwaniem, potrzebne jest określenie narzędzia zdolnego wychwytywać jak najwcześniejsze symptomy awarii. Podejmowane były próby stworzenia takich narzędzi, opierając się na różnych metodach klasyfikacji. Używane techniki od dłuższego czasu bazują na analizie sygnałów wibracyjnych, które rozpatrywane są jako szeregi czasowe. Takie podejście, jednakże, ma istotne ograniczenia. Dlatego też poszukuje się nowych metod, które mogą być skutecznie użyte do inteligentnego monitoringu turbin wiatrowych. Systemy sztucznej inteligencji wydają się być obiecującym podejściem. W niniejszej publikacji testowana jest użyteczność tego podejścia - badane widmo sygnału wibracyjnego jest rozumiane jako macierz komórek, które konstytuują automat komórkowy. Przetwarzanie sygnałów przy pomocy powyższego automatu pozwoli wykrywać stany przedawaryjne.
    Źródło:
    Diagnostyka; 2013, 14, 2; 31-36
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Novel intuitive hierarchical structure for condition monitoring system of wind turbines
    Nowatorska intuicyjna struktura hierarchiczna systemu monitorowania stanu turbin wiatrowych
    Autorzy:
    Barszcz, T.
    Strączkiewicz, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/328414.pdf
    Data publikacji:
    2013
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    data fusion
    condition monitoring
    fault detection
    fault identification
    vibration
    wind turbines
    integracja danych
    monitorowanie stanu
    wykrywanie uszkodzenia
    identyfikacja uszkodzenia
    analiza drgań
    turbina wiatrowa
    Opis:
    The field of condition monitoring (CM) systems has developed significantly in recent decade. Due to constant improvement of embedded computing, complex vibration data processing can be now implemented for a much larger group of machines, e.g. wind turbines. One of the key outcomes of this process is increase in the number of signal features calculated online. Instead of a dozen of broadband values, we now have more than a hundred for a typical wind turbine. Such a situation creates information overload for the operators. On one hand, it is now possible to detect machine failure at an early stage, but on the other – a person monitoring a few dozens of turbines, each generating over a hundred features is not able to properly organize all the information from CM systems. Therefore, we have proposed the hierarchical informational structure for condition monitoring system of wind turbines, based on the data fusion methods. The information about feature values and statuses is combined into higher levels, e.g. main bearing, gearbox and generator together with the information about its severity and novelty.
    Na przestrzeni ostatniego dziesięciolecia zaobserwować można było szczególny rozwój na polu monitorowania stanu maszyn i urządzeń. Stało się tak dzięki wykorzystaniu bardziej zaawansowanych systemów wbudowanych oraz skomplikowanych algorytmów przetwarzania sygnałów drgań, które obecnie mogą być zastosowane do oceny stanu znacznie większej grupy maszyn, takich jak np. turbiny wiatrowe. Jednym z najważniejszych efektów tego procesu jest zwiększenie ilości wskaźników diagnostycznych, które mogą zostać obliczone w czasie rzeczywistym – zamiast kilkunastu wartości szerokopasmowych, obecnie otrzymuje się ich ponad sto dla typowej turbiny wiatrowej. W rezultacie prowadzi to do przeciążenia ilością informacji, jakie jest stanie przetworzyć wykwalifikowany pracownik utrzymania ruchu. Z jednej strony, istnieje obecnie możliwość wykrycia uszkodzenia maszyny w najwcześniejszym jego stadium, z drugiej natomiast – inżynier utrzymania ruchu monitorujący kilkadziesiąt turbin, z których każda generuje ponad sto wskaźników informujących o stanie maszyny, nie jest zdolny do właściwej oceny wszystkich informacji z systemu diagnostycznego. W związku z tym, zaproponowana została hierarchiczna struktura informacyjna dla systemów monitorowania stany turbin wiatrowych oparta na metodach integracji danych. Informacja o wartościach oraz stanach wskaźników diagnostycznych łączy się na wyższych poziomach, tj. łożyska głównego, przekładni oraz generatora razem z informacją o ich o ważności oraz aktualności.
    Źródło:
    Diagnostyka; 2013, 14, 3; 53-60
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-4 z 4

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies