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 "X-Machine" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-2 z 2
    Tytuł:
    Optimized design of a high-power-density PM-assisted synchronous reluctance machine with ferrite magnets for electric vehicles
    Autorzy:
    Liu, X.
    Li, Y.
    Liu, Z.
    Ling, T.
    Luo, Z.
    Powiązania:
    https://bibliotekanauki.pl/articles/140849.pdf
    Data publikacji:
    2017
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    permanent magnet (PM)-assisted synchronous reluctance machine
    ferrite magnet
    demagnetization
    mechanical strength
    torque ripple
    finite element analysis
    Opis:
    This paper proposes a permanent magnet (PM)-assisted synchronous reluctance machine (PMASynRM) using ferrite magnets with the same power density as rareearth PM synchronous motors employed in Toyota Prius 2010. A suitable rotor structure for high torque density and high power density is discussed with respect to the demagnetization of ferrite magnets, mechanical strength and torque ripple. Some electromagnetic characteristics including torque, output power, loss and efficiency are calculated by 2-D finite element analysis (FEA). The analysis results show that a high power density and high efficiency of PMASynRM are obtained by using ferrite magnets.
    Źródło:
    Archives of Electrical Engineering; 2017, 66, 2; 279-293
    1427-4221
    2300-2506
    Pojawia się w:
    Archives of Electrical Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Health index synthetization and remaining useful life estimation for turbofan engines based on run-to-failure datasets
    Synteza wskaźników stanu technicznego oraz ocena pozostałego okresu użytkowania silników turbowentylatorowych z wykorzystaniem zbiorów danych o pracy do czasu uszkodzenia
    Autorzy:
    Shi, J.
    Li, Y.
    Wang, G.
    Li, X.
    Powiązania:
    https://bibliotekanauki.pl/articles/301447.pdf
    Data publikacji:
    2016
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    hierarchical clustering
    relevance vector machine
    run-to-failure
    remaining useful life
    health indices
    prognostics
    grupowanie hierarchiczne
    maszyna wektorów istotnych
    praca do czasu uszkodzenia
    pozostały okres użytkowania
    wskaźnik stanu technicznego
    prognostyka
    Opis:
    Turbofan engines will gradually degrade until failure occurs or life ends if without maintenance. Reliable degradation assessment and remaining useful life (RUL) estimation make sense on both aviation safety and rational maintenance decisions. This paper proposes a data-driven prognostic method on the premise of run-to-failure (RtF) data which are multivariate sensory data collected from the engines operating from normal to failure. After necessary pre-processing to the data, clustering analysis is executed to generate the clusters which represent the multi-states of the degradation process. The failure state cluster is extracted, and then the distance between the pre-processed data and the cluster is calculated. Therefore, one-dimensional time series are generated and defined as the health indices. Afterwards the degradation models are built based on the health indices. Finally, the RUL of a testing unit can be estimated by similarity analysis with the models. Hierarchical clustering (HC) and relevance vector machine (RVM) are the main algorithms employed in this paper. To validate the proposition, a case study is performed on turbofan engines data from Prognostics Center of Excellence (PCoE) at NASA Ames Research Center, and sufficient comparisons were given.
    Silniki turbowentylatorowe niepoddane konserwacji ulegają stopniowej degradacji aż do czasu wystąpienia uszkodzenia lub zakończenia cyklu życia. Rzetelna ocena degradacji oraz pozostałego okresu użytkowania (RUL) mają wpływ zarówno na bezpieczeństwo maszyn lotniczych jak i racjonalne podejmowanie decyzji dotyczących utrzymania ruchu. W artykule zaproponowano sterowaną danymi metodę prognostyczną opartą na danych o pracy do czasu uszkodzenia (run-to failure, RTF), które są wielowymiarowymi danymi sensorycznymi zbieranymi podczas normalnej pracy silnika aż do jego uszkodzenia. Po niezbędnej wstępnej obróbce danych, przeprowadzono analizę skupień w celu wygenerowania skupień reprezentujących multi-stany procesu degradacji. Wyodrębniono klaster stanów uszkodzenia, a następnie obliczono odległość między wstępnie przetworzonymi danymi a wyodrębnionym klastrem. Następnie wygenerowano jednowymiarowe szeregi czasowe, które zdefiniowano jako wskaźniki stanu technicznego. Na podstawie tych wskaźników zbudowano modele degradacji. Wreszcie, w oparciu o analizę podobieństwa do opracowanych modeli oceniono RUL jednostki testowej. Główne algorytmy zastosowane w niniejszym opracowaniu to algorytmy grupowania hierarchicznego (HC) oraz maszyny wektorów istotnych (RVM). Aby zweryfikować zaproponowaną w pracy metodę, przeprowadzono studium przypadku z wykorzystaniem danych dot. silników turbowentylatorowych pochodzące z Prognostic Center of Excellence (PCoE) przy NASA Ames Research Center oraz przedstawiono odpowiednie porównania.
    Źródło:
    Eksploatacja i Niezawodność; 2016, 18, 4; 621-631
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-2 z 2

      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