Informacja

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

Wyszukujesz frazę "fault monitoring" wg kryterium: Temat


Wyświetlanie 1-4 z 4
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
Tytuł:
Automatic method for spectral pattern association with characteristic frequencies
Metoda automatycznego łączenia schematów spektralnych z charakterystycznymi częstotliwościami
Autorzy:
Firla, M.
Gerber, T.
Bellemain, P.
Martin, N.
Powiązania:
https://bibliotekanauki.pl/articles/328595.pdf
Data publikacji:
2015
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
condition monitoring
characteristic fault frequencies
wind shaft turbine
diagnosis
monitorowanie stanu
częstotliwości charakterystyczne uszkodzeń
diagnostyka
wał
turbina wiatrowa
Opis:
This paper proposes an advanced signal-processing technique to improve the condition monitoring of rotating machinery. The proposed method employs the results of a blind spectrum interpretation including harmonic and sideband series detection. The contribution of this paper is an algorithm for automatic association of harmonic and sideband series with the characteristic fault frequencies listed in the kinematic configuration of the monitored system. The proposed algorithm is efficient in inspection of real-world signals, which contain a vast number of detected spectral components. The proposed approach has the advantage of taking into account a possible slip of the rolling-element bearings. The performance of the proposed algorithm is illustrated on real-world data by investigating a shaft problem of an industrial wind turbine high-speed shaft.
W artykule zaproponowano zaawansowaną technikę przetwarzania sygnałów w celu poprawy monitorowania stanu maszyn wirujących. Przedstawiona metoda wykorzystuje wyniki ślepej interpretacji widma sygnału, m. in. detekcję serii harmonicznych i wstęg bocznych. Wkład zaprezentowany w tym artykule to algorytm do automatycznego łączenia serii harmonicznych oraz wstęg bocznych z charakterystycznymi częstotliwościami dostępnymi na podstawie konfiguracji kinematycznej monitorowanej maszyny. Zaproponowany algorytm jest skuteczny w badaniu sygnałów rzeczywistych, które zawierają dużą liczbę wykrytych elementów widmowych. Zaletą zaproponowanej metody jest uwzględnianie możliwego poślizgu łożyska tocznego. Działanie zaproponowanego algorytmu zostało zilustrowane na przykładzie rzeczywistych danych, który pokazuje problem wału wysokoobrotowego przemysłowej turbiny wiatrowej.
Źródło:
Diagnostyka; 2015, 16, 4; 77-84
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:
Condition monitoring of wind turbines based on cointegration analysis of gearbox and generator temperature data
Diagnostyka turbiny wiatrowej w oparciu o analizę kointegracji sygnałów temperatury z przekładni oraz generatora
Autorzy:
Dao, P. B.
Powiązania:
https://bibliotekanauki.pl/articles/329322.pdf
Data publikacji:
2018
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
wind turbine
varying environmental conditions
operational conditions
condition monitoring
fault detection
cointegration
SCADA system
turbina wiatrowa
zmienne warunki środowiskowe
zmienne warunki eksploatacyjne
monitorowanie stanu
wykrywanie uszkodzeń
kointegracja
system SCADA
Opis:
This paper presents a cointegration-based method for condition monitoring of wind turbines. Analysis of cointegration residuals - obtained from cointegration process of wind turbine data - is used for operational condition monitoring and fault detection. The method has been employed for on-line condition monitoring of a wind turbine drivetrain with a nominal power of 2 MW under varying environmental and operational conditions using only the temperature data of gearbox bearing and generator winding, which were collected by the Supervisory Control and Data Acquisition (SCADA) system. The results show that the proposed method can effectively monitor the wind turbine and reliably detect the gearbox fault.
Artykuł przedstawia metodę kointegracji sygnałów do monitorowania stanu turbiny wiatrowej. Analiza wektorów resztkowych kointegracji wykorzystana została do monitorowania stanu turbiny wiatrowej o mocy nominalnej 2 MW. Diagnostykę turbiny wiatrowej przeprowadzono dla zmiennych warunków środowiskowych i eksploatacyjnych, tylko w oparciu o sygnały temperatury łożyska przekładni i uzwojenia generatora. Sygnały te zostały zgromadzone przez system sterowania, monitorowania oraz wizualizacji SCADA. Wyniki pokazują, że proponowana metoda może skutecznie monitorować turbinę wiatrową i niezawodnie wykryć uszkodzenie przekładni.
Źródło:
Diagnostyka; 2018, 19, 1; 63-71
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