Identyfikatory
Warianty tytułu
Functional and diagnostic model of a hybrid power system using renewable energy sources
Języki publikacji
Abstrakty
W artykule przedstawiono problematykę budowania diagnostycznej bazy wiedzy dotyczącej hybrydowego systemu zasilania na potrzeby organizacji procesu diagnozowania. Podstawą do pozyskiwania informacji diagnostycznej dotyczącej urządzeń hybrydowego systemu zasilania jest analiza funkcjonalno-diagnostyczna badanego obiektu. Efektem procesu opracowania diagnostycznego jest wykonany model struktury funkcjonalno-diagnostycznej, wyznaczone zbiory elementów podstawowych oraz sygnałów diagnostycznych wraz z przypisanymi im wzorcowymi sygnałami diagnostycznymi.
The article presents the problem of building a diagnostic base of knowledge for a hybrid power system for the needs of the organization of the diagnosis process. The basis for obtaining the diagnostic in-formation, regarding devices of the hybrid power system, is functional and diagnostic analysis of the tested object. The effect of the diagnostic development’s process is a model of functional and diagnostic structure, determined sets of basic elements, and diagnostic signals along with assigned standard signals.
Czasopismo
Rocznik
Tom
Strony
133--146
Opis fizyczny
Bibliogr. 13 poz., rys., tab.
Twórcy
autor
- Politechnika Koszalińska, Wydział Mechaniczny, Katedra Energetyki, ul. Racławicka 15-17, 75-620 Koszalin
Bibliografia
- [1] Będkowski L., Dąbrowski T., Podstawy eksploatacji, cz. 2, WAT, Warszawa, 2006, s. 187.
- [2] Będkowski L., Elementy ogólnej teorii diagnostyki technicznej, WAT, Warszawa, 1981.
- [3] Duer S., Zajkowski K., Duer R., Wrzesień P., Bernatowicz D., Ekspertowa baza wiedzy wspomagająca diagnozowanie urządzeń farmy wiatrowej, Wydawnictwo Uczelniane Politechniki Koszalińskiej, Koszalin, 2017, s. 163.
- [4] Duer S., Wrzesień P., Duer R., Creating of structure of facts for the knowledge base of an expert system for wind power plant’s equipment diagnosis, EEMS 2017, E3S Web of Conferences 19, 01029 (2017). DOI: 10.1051/e3sconf/20171901038.
- [5] Duer R., Duer S., Badanie diagnostyki urządzeń elektrowni słonecznej w logice 2- i 3-wartościowej, Biuletyn Wojskowej Akademii Technicznej, 66, 1, 2017, s. 67-79, DOI: 10.5604/01.3001.0009.9485.
- [6] Duer S., Bernatowicz D., The computer diagnostic program (DIAG 2) for identifying states of complex technical objects, EEMS 2017, E3S Web of Conferences 19, 01029, 2017, DOI: 10.1051/e3sconf/20171901029.
- [7] Dhillon B.S., Applied Reliability and Quality, Fundamentals, Methods and Procedures, Springer – Verlag London Limited, 2006, p. 186.
- [8] Flasiński M., Wstęp do sztucznej inteligencji, PWN, Warszawa, 2011, s. 331.
- [9] Hojjat A., Shih-Lin Hung, Machine learning, neural networks, genetic algorithms and fuzzy systems, John Wiley and Sons, Inc., 1995.
- [10] Madan M. Gupta, Liang Jin, Noriyasu H., Static and Dynamic Neural Networks. From Fundamentals to Advanced Theory, John Wiley End Sons, Inc., 2003, p. 718.
- [11] Osowski S., Sieci neuronowe, Wyd. Politechniki Warszawskiej, Warszawa, 1996, s. 241.
- [12] Pokorádi L., Duer S., Investigation of maintenance process with Markov matrix, Proceedings of the 4th International Scientific Conference On Advances In Mechanical Engineering, 13-15 October 2016, Debrecen, Hungary, pp. 402-407.
- [13] Rosiński A., Reliability analysis of the electronic protection systems with mixed – three branches reliability structure. Reliability, Risk and Safety. Theory and Applications, vol. 3. [ed:] R. Bris, C. Guedes Soares, S. Martorell, CRC Press/Balkema, London, UK 2010.
Uwagi
Praca finansowana z Projektu Badawczego Statutowego Politechniki Koszalińskiej nr 504.02.33.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-71a49a6b-4a72-4c1b-8b8f-22c9ec312c4f