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 "turbina Kaplana" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Dynamic state assessment of the water turbine with the power of 600 kW
    Ocena stanu dynamicznego turbiny wodnej o mocy 600 kW
    Autorzy:
    Żywica, G.
    Bagiński, P.
    Breńkacz, Ł.
    Powiązania:
    https://bibliotekanauki.pl/articles/328043.pdf
    Data publikacji:
    2013
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    machine's dynamic state
    vibrodiagnostics
    water turbine
    Kaplan turbine
    stan dynamiczny maszyny
    wibrodiagnostyka
    turbina wodna
    turbina Kaplana
    Opis:
    The article discusses the results of experimental studies to assess the dynamic state of the turbine set with the Kaplan turbine. The dynamic assessment was made on the basis of appropriate standards, based on the measurement results of selected parameters of vibration, which have been measured for several states of the machine load. In addition, we attempted to identify the causes of the increased vibration levels based on the measured vibration spectrum and the temperature distribution on the machine casing. On the basis of analysis results, the tested fluidflow machine was qualified in the appropriate zone (defining the state of vibration) and identified the source of high levels of vibration.
    W artykule omówiono wyniki badań eksperymentalnych mających na celu ocenę stanu dynamicznego hydrozespołu z turbiną Kaplana. Oceny stanu dynamicznego dokonano w oparciu o odpowiednie normy, na podstawie wyników pomiarów wybranych wielkości charakterystycznych drgań, które zostały zmierzone dla kilku stanów obciążenia maszyny. Dodatkowo, podjęto próbę wskazania przyczyn podwyższonego poziomu drgań w oparciu o zmierzone widma drgań oraz rozkład temperatury na korpusie maszyny. Na podstawie przeprowadzonych analiz zakwalifikowano badaną maszynę przepływową do odpowiedniej strefy (określającej jej stan drganiowy) oraz wskazano źródło podwyższonego poziomu drgań.
    Źródło:
    Diagnostyka; 2013, 14, 1; 65-70
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prediction of Kaplan turbine coordination tests based on least squares support vector machine with an improved grey wolf optimization algorithm
    Autorzy:
    Kong, Fannie
    Xia, Jiahui
    Yang, Daliang
    Luo, Ming
    Powiązania:
    https://bibliotekanauki.pl/articles/2173627.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    Kaplan turbine
    coordination tests
    least squares support vector machine
    improved grey wolf optimization
    turbina Kaplana
    test koordynacyjny
    metoda najmniejszych kwadratów
    ulepszona optymalizacja szarego wilka
    Opis:
    The optimum combination of blade angle of the runner and guide vane opening with Kaplan turbine can improve the hydroelectric generating the set operation efficiency and the suppression capability of oscillations. Due to time and cost limitations and the complex operation mechanism of the Kaplan turbine, the coordination test data is insufficient, making it challenging to obtain the whole curves at each head under the optimum coordination operation by field tests. The field test data is employed to propose a least-squares support vector machine (LSSVM)-based prediction model for Kaplan turbine coordination tests. Considering the small sample characteristics of the test data of Kaplan turbine coordination, the LSSVM parameters are optimized by an improved grey wolf optimization (IGWO) algorithm with mixed non-linear factors and static weights. The grey wolf optimization (GWO) algorithm has some deficiencies, such as the linear convergence factor, which inaccurately simulates the actual situation, and updating the position indeterminately reflects the absolute leadership of the leader wolf. The IGWO algorithm is employed to overcome the aforementioned problems. The prediction model is simulated to verify the effectiveness of the proposed IGWO-LSSVM. The results show high accuracy with small samples, a 2.59% relative error in coordination tests, and less than 1.85% relative error in non-coordination tests under different heads.
    Źródło:
    Bulletin of the Polish Academy of Sciences. Technical Sciences; 2021, 69, 3; art. no. e137124
    0239-7528
    Pojawia się w:
    Bulletin of the Polish Academy of Sciences. Technical Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prediction of Kaplan turbine coordination tests based on least squares support vector machine with an improved grey wolf optimization algorithm
    Autorzy:
    Kong, Fannie
    Xia, Jiahui
    Yang, Daliang
    Luo, Ming
    Powiązania:
    https://bibliotekanauki.pl/articles/2128160.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    Kaplan turbine
    coordination tests
    least squares support vector machine
    improved grey wolf optimization
    turbina Kaplana
    test koordynacyjny
    metoda najmniejszych kwadratów
    ulepszona optymalizacja szarego wilka
    Opis:
    The optimum combination of blade angle of the runner and guide vane opening with Kaplan turbine can improve the hydroelectric generating the set operation efficiency and the suppression capability of oscillations. Due to time and cost limitations and the complex operation mechanism of the Kaplan turbine, the coordination test data is insufficient, making it challenging to obtain the whole curves at each head under the optimum coordination operation by field tests. The field test data is employed to propose a least-squares support vector machine (LSSVM)-based prediction model for Kaplan turbine coordination tests. Considering the small sample characteristics of the test data of Kaplan turbine coordination, the LSSVM parameters are optimized by an improved grey wolf optimization (IGWO) algorithm with mixed non-linear factors and static weights. The grey wolf optimization (GWO) algorithm has some deficiencies, such as the linear convergence factor, which inaccurately simulates the actual situation, and updating the position indeterminately reflects the absolute leadership of the leader wolf. The IGWO algorithm is employed to overcome the aforementioned problems. The prediction model is simulated to verify the effectiveness of the proposed IGWO-LSSVM. The results show high accuracy with small samples, a 2.59% relative error in coordination tests, and less than 1.85% relative error in non-coordination tests under different heads.
    Źródło:
    Bulletin of the Polish Academy of Sciences. Technical Sciences; 2021, 69, 3; e137124, 1--9
    0239-7528
    Pojawia się w:
    Bulletin of the Polish Academy of Sciences. Technical Sciences
    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