خرید و دانلود نسخه کامل کتاب E-diagnosis of physical processes based on high resolution methods, Application : Wind turbine machines

توضیحاتی در مورد کتاب

گسترش سیستم های با استفاده از حسگرهای هوشمند، مطالعه فرآیندهای فیزیکی را برانگیخته است.
تشخیص بر اساس روش های با وضوح بالا کنترل خودکار ماشین های بادی مدرن نیاز دارد
نگهداری پیشگیرانه ما چندین شاخص برای اندازه گیری سطح عملکرد یک بی سیم پیشنهاد کردیم
پروتکل برای مسیریابی بسته های داده به ایستگاه مانیتورینگ. مطالعه ای برای طراحی یک سیستم تشخیص با عنوان IESRCM برای نظارت محلی یا از راه دور برای ماشین های ذکر شده به دست آمده است. مقایسه ای برای قدردانی از عملکرد این سیستم در صورت ادغام با آن انجام شده است
ماژول های بی سیم GPRS یا Wi-Max. نتایج به دست آمده با شبیه سازی با استفاده از Proteus ISIS و
نرم‌افزار OPNET به دلیل مزایای آن نسبت به GPRS، استفاده از ماژول Wi-Max را در سیستم پیشنهادی ترجیح داده‌اند. روش های تخمین طیفی با وضوح بالا به طور موثر برای استفاده می شود
تشخیص عیوب الکترومکانیکی توربین بادی در مقابل تنوع این روش ها، بررسی هر الگوریتم به طور جداگانه با سیگنال ترکیبی جریان استاتور حاوی چندین نوع نقص و در محیط های مختلف نویز انجام شده است. در آن استنباط شد که دقت تخمین طیفی به درجه اختلال سیگنال، سطح شدت خطاها، نمونه‌برداری فرکانس و تعداد نمونه‌های داده بستگی دارد. مقایسه
با شبیه سازی در Matlab که ما بین این الگوریتم ها انجام دادیم برتری آنها ثابت شده است
الگوریتم ESPRIT با این حال، این الگوریتم زمان محاسباتی نسبتاً زیادی دارد و برای اجرا نیاز به اندازه حافظه مهمی دارد. برای غلبه بر این مشکل، بهبود ESPRIT-TLS
تکنیکی پیشنهاد شده است تا آن را در زمان واقعی قابل اجرا کند. نسخه جدیدی از این روش در این پایان نامه با عنوان Fast-ESPRIT ارائه شده است. توسعه پیشنهادی با ترکیب تکنیک فیلتر بازگشتی باند عبور IIR از Yule-Walker و تکنیک decimation ساخته شده است. ارزیابی تکنیک پیشنهادی برای تشخیص عیب توربین بادی در انواع مختلف انجام شده است. تجزیه و تحلیل نتایج به‌دست‌آمده تأیید می‌کند که الگوریتم Fast-ESPRIT دقت طیفی بسیار رضایت‌بخشی را در تشخیص هارمونیک‌های خطاهای مورد مطالعه ارائه می‌کند. این منجر به کاهش پیچیدگی با نسبت واجد شرایط، کاهش اندازه حافظه مورد نیاز برای اجرای آن 5 برابر کمتر و کاهش زمان محاسبه حدود 14.25 برابر کمتر شد. این روش حتی در حضور تعداد قابل توجهی از هارمونیک های گسل های مختلف، وضوح طیفی بهتری را ارائه می دهد. با این حال، این روش جدید دارای محدودیت هایی است زیرا نوع و سطح شدت یک خطای شناسایی شده را تشخیص نمی دهد. بنابراین، روش کنترل زمان واقعی دیگری پیشنهاد شده است. این روش توسعه‌یافته Fast-ESPRIT، الگوریتم طبقه‌بندی خطا به نام CAFH و یک سیستم استنتاج فازی مرتبط با حسگرهای ارتعاش واقع در اجزای مختلف توربین بادی را ترکیب می‌کند. یک شاخص جدید از سطح شدت برای هر نوع گسل مورد مطالعه فرموله شد. این امکان جلوگیری از آلارم های غیر ضروری را فراهم می کند. شبیه‌سازی متلب این رویکرد تحت چهار نوع شکست با نویز نشان می‌دهد که استحکام خوبی در طبقه‌بندی خطاها ارائه می‌کند.