Informacja

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

Wyszukujesz frazę "Barszcz, T." wg kryterium: Autor


Wyświetlanie 1-3 z 3
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:
Three-dimensional representation of diagnostic features in application to wind turbines
Trójwymiarowa reprezentacja parametrów diagnostycznych w zastosowaniu do turbin wiatrowych
Autorzy:
Strączkiewicz, M.
Urbanek, J.
Barszcz, T.
Powiązania:
https://bibliotekanauki.pl/articles/329408.pdf
Data publikacji:
2012
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
turbina wiatrowa
analiza drgań
zmienne warunki eksploatacyjne
wykrywanie uszkodzeń
wind turbine
vibration analysis
non-stationary operation
damage detection
Opis:
Wind turbine condition monitoring is essential task in the process of maintaining machine operation at the optimal level. It is related to ensuring the profitability of investment and the provision of security in the environment of the turbine. However, the working conditions of turbine associated with non-stationary nature of the stimulus which is wind, impede the correct diagnosis of the machine. In addition, a multitude of parameters adversely affects the clarity of predictions and setting alarm thresholds. In the article, the authors evaluate the impact of power generator and bearing rotational speed on the root-mean-square (RMS) value received on the generator bearing. The study was performed in various dynamic states of the bearing: the intact and after discovery of damage. It was possible due to long term monitoring of the system and further analysis of the RMS as a function of power and rotational speed. For this purpose the method that bases on calculation of arithmetic mean of the data in the segments corresponding to the chosen ranges of both rotational speed and generator output power. Results are presented in the form of three-dimensional charts, which allow assessing the impact of parameters on the estimator. As observed, a greater impact on the RMS has the power which reveals as more dynamic changes of RMS to the fluctuation of power. The variation of rotational speed does not affect RMS so rapidly. This was confirmed by an analysis of the slope the function obtained by linear regression. Therefore, it might lead to the conclusion that operational state of wind turbines should be assessed due to generated power level not in respect to rotational speed.
Monitorowanie stanu pracy turbiny wiatrowej jest niezbędnym zadaniem w procesie utrzymania pracy maszyny na optymalnym poziomie. Jest to związane zarówno z utrzymaniem rentowności inwestycji jak i zapewniania bezpieczeństwa w otoczeniu pracy turbiny. Jednakże warunki pracy turbiny związane z niestacjonarnym charakterem czynnika pobudzającego, jakim jest wiatr, utrudniają poprawną diagnozę stanu maszyny. Dodatkowo mnogość parametrów wpływa niekorzystnie na klarowność prognozy i ustawienie progów alarmowych. W artykule autorzy oceniają wpływ mocy generatora i prędkości obrotowej łożyska generatora na zmianę wartości skutecznej (RMS) wibracji otrzymanej na łożysku generatora. Obserwacja została poczyniona w dwóch stanach dynamicznych łożyska: w stanie nieuszkodzonym oraz po stwierdzeniu uszkodzenia. Umożliwiła to długoczasowa obserwacja turbiny pod kątem ww. parametrów, a następnie analiza zależności RMS w funkcji mocy i prędkości obrotowej. W tym celu zaproponowano metodę polegającą na obliczaniu średniej arytmetycznej wartości RMS w segmentach odpowiadającym wybranym zakresom prędkości obrotowej i mocy generatora. Wyniki przedstawiono w postaci trójwymiarowych wykresów, które pozwalają na ocenę wpływu parametrów na estymator. Jak zaobserwowano, większy wpływ na RMS ma parametr mocy generatora, co objawia się bardziej dynamiczną zmianą RMS w odniesieniu do zmiany mocy. Wahania prędkości obrotowej nie wpływają na estymator tak gwałtownie. Zostało to potwierdzone analizą współczynników kierunkowych funkcji otrzymanej przy pomocy regresji liniowej. Może to prowadzić do wniosku, że stan działania turbin wiatrowych powinien być oceniany ze względu na generowany poziom mocy a nie z powodu prędkości obrotowej.
Źródło:
Diagnostyka; 2012, 4(64); 9-16
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Supervised and unsupervised learning process in damage classification of rolling element bearings
Nadzorowany i nienadzorowany proces uczenia w klasyfikacji uszkodzeń łożysk tocznych
Autorzy:
Strączkiewicz, M.
Czop, P.
Barszcz, T.
Powiązania:
https://bibliotekanauki.pl/articles/327924.pdf
Data publikacji:
2016
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
fault classification
pattern recognition
rolling element bearing
multiple classifiers comparison
klasyfikacja uszkodzeń
rozpoznawanie wzorców
łożysko toczne
porównanie klasyfikatorów
Opis:
Damage classification plays a crucial role in the process of management in nearly every branch of industry. In fact, is becomes equally important as damage detection, since it can provide information of malfunction severity and hence lead to improvement of a production or manufacturing process. Within this paper selected supervised and unsupervised pattern recognition methods are employed for this purpose. The attention of the authors is given to assessment of selection, performance benchmarking and applicability of selected pattern recognition methods. The investigation is performed on the data collected using an experimental test grid and rolling element bearing with deteriorating condition of an outer race.
Klasyfikacja uszkodzeń odgrywa ważną rolę w procesie zarządzania w niemalże każdej gałęzi przemysłu. W rzeczywistości staje się ona równie istotna co samo wykrywanie uszkodzenia ponieważ pozwala określić stopień uszkodzenia, a co za tym idzie, poprawić efektywność zarządzania zakładem przemysłowym. W tym celu wykorzystano wybrane nadzorowane i nienadzorowane metody rozpoznawania wzorców. W artykule zwrócono uwagę na ocenę wyboru, porównanie wydajności oraz możliwości wykorzystania tych metod. Analiza przeprowadzona została na danych zgromadzonyh na eksperymentalnym stanowisku testowym, gdzie obserwowany jest stan łożyska tocznego z pogłębiającym się uszkodzeniem bieżni zewnętrznej.
Źródło:
Diagnostyka; 2016, 17, 2; 71-80
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-3 z 3

    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