文献

J-GLOBAL ID：202202236316109194   整理番号：22A0106050

限られたサンプルを有する高速風力タービン軸軸受の残存寿命を推定するための統合方法論【JST・京大機械翻訳】

An integrated methodology for estimating the remaining useful life of high-speed wind turbine shaft bearings with limited samples

著者 (5件)： Merainani Boualem (Solid Mechanics and Systems Laboratory, Faculty of Technology, UMBB, Algeria) ,  Laddada Sofiane (Solid Mechanics and Systems Laboratory, Faculty of Technology, UMBB, Algeria) ,  Bechhoefer Eric (Green Power Monitoring Systems, LLC, Vermont, USA) ,  Chikh Mohamed Abdessamed Ait (Laboratoire Energetique Mecanique et Ingenierie, Faculty of Technology, UMBB, Algeria) ,  Benazzouz Djamel (Solid Mechanics and Systems Laboratory, Faculty of Technology, UMBB, Algeria)
資料名： Renewable Energy  (Renewable Energy)
巻： 182  ページ： 1141-1151  発行年： 2022年 
JST資料番号： A0124C  ISSN： 0960-1481  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 風力発電産業は,風力タービン高速軸軸受(HSSB)における予想外に高い故障率に悩まされている。コストを減らし,アベイラビリティを改善するために,産業は正確な故障予測と残存寿命(RUL)能力を必要とする。信頼できる予後は,保全が実行でき,アベイラビリティを改善し,日和見的保全を可能にする場合に,より良い定義を可能にする。風力タービンは過酷な条件下で動作し,状態監視データは環境が高騒音の非定常挙動であることを示した。本論文では,HSSBのRUL予測に適用できる実用的で効果的なデータ駆動方法論を提案した。新しい健康指標(HI)を,Teagerエネルギー演算子(TEO)による元の信号の強化後に,いわゆる「スペクトル形状因子」(SSF)のエントロピー測度に基づいて構築した。Elmanニューラルネットワーク(ENN)をRUL推定に用いた。さらに,RUL推定の予測間隔を訓練されたENNモデルに基づいて計算し,予測に関連する誤差を定量化した。この方法論を,2MW Suzlon S88風車の収集した実際の単語データを用いて検証した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： エントロピー ,  騒音 ,  測度 ,  故障 ,  故障率 ,  保全 ,  *軸受 ,  風力発電 ,  形状因子 ,  スペクトル ,  *風車 ,  予後 ,  単語
準シソーラス用語： 状態監視 ,  データ駆動 , 【Automatic Indexing@JST】

著者キーワード (7件)： 有用な生命の残存 ,  風力発電機 ,  スペクトル形状因子 ,  Elmanニューラルネットワーク ,  データ駆動 ,  振動 ,  軸受故障

分類 (3件)： 風力発電  (NB03120Q) ,  風力エネルギー  (LB03060X) ,  送風機,圧縮機,風車  (QD03000U)

タイトルに関連する用語 (7件)： サンプル ,  風力タービン ,  軸受 ,  残存寿命 ,  推定 ,  統合 ,  方法論