Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Powiadomienia systemowe

Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: principal components regression

Sortuj według:

Ogranicz wyniki do:

Wind turbine generator slip ring damage detection through temperature data analysis

Astolfi Davide, Castellani Francesco, Natili Francesco

Diagnostyka

2019

Vol. 20, No. 3

3--9

The use of condition monitoring techniques in wind energy has been recently growing and the average unavailability time of an operating wind turbine in an industrial wind farm is estimated to be less than the 3%. The most powerful approach for gearbox condition monitoring is vibration analysis, but it should be noticed as well that the collected data are complex to analyse and interpret and that the measurement equipment is costly. For these reasons, several wind turbine subcomponents are monitored through temperature sensors. It is therefore valuable developing analysis techniques for this kind of data, with the aim of detecting incoming faults as early as possible. On these grounds, the present work is devoted to a test case study of wind turbine generator slip ring damage detection. A principal component regression is adopted, targeting the temperature collected at the slip ring. Using also the data collected at the nearby wind turbines in the farm, it is possible to identify the incoming fault approximately one day before it occurs.

Chemometric quelity assessment of surface waters: two case studies

Simeonov V., Simeonova P., Tzimou-Tsitouridou R.

Chemia i Inżynieria Ekologiczna

2004

Vol. 11, nr 6

449--469

This study deals with the application of some chemometric approaches (cluster analysis, principal components analysis and principal components regression) to two case studies: a potable water monitoring data set from the region of Kavala, Greece, being analysed according to the standard instructions and directives of the European Union and monitoring data from the basin of Saale river, Germany. It is shown that the data classification by cluster analysis and data structure modeling by principal components analysis in the first case reveals similar results, namely four different patterns of water source sites are identified depending on the geographical site location (near to Nestos river, near to Strimon river, elevated sites and near-to-coast sites). Three latent factors, explaining over 85% of the total variance, are responsible for the data structure as follows: "water acidity (anthropogenic)", "water hardness (natural)" and "marine" factor. Their importance for the different sites is related to the site location. The second case study performed in a two year period of observation collected a data set from 12 campaigns at 29 sampling sites from Saale river and in 6 campaigns from the river Ilm at 7 sampling sites and from river Unstrut at 10 sampling sites. Twenty-seven chemical and physicochemical parameters to estimate the water quality were measured. The application of cluster analysis, principal components analysis and apportioning modeling on absolute principal components scores bas lead to gaining of important information about the ecological status of the region of interest: identification of two separate patterns of pollution (upper and lower stream ofthe rivers); six latent factors responsible for the data structure with different content for the two identified pollution patterns; contribution of each latent factor (source of emission) to the formation of the total concentration of the chemical parameters of the river water. Thus, a better ecological policy and decision making is possible.

Przedstawiono wyniki analizy chemometrycznej dwóch zbiorów danych monitoringowych dla wody pitnej z nadmorskiego regionu Kawala, Grecja, analizowanych zgodnie ze standardami i dyrektywami Unii Europejskiej, oraz z dorzecza rzeki Saale, Niemcy. Dla pierwszego przypadku, obróbka danych metodą klasterów (grup) oraz modelowania struktury danych za pomocą analizy składowych głównych ujawnia podobne rezultaty, mianowicie zależnie od geograficznej lokalizacji miejsca pobierania próbek (w pobliżu rzeki Nestos, w pobliżu rzeki Strimon, w miejscach wyżej położonych oraz w pobliżu brzegu morskiego) zidentyfikowano cztery różne rodzaje próbek wody. Trzy czynniki ukryte, wyjaśniające około 85% całkowitej wartości wariancji, są odpowiedzialne za strukturę uzyskanych danych. Można je określić jako: ,,(antropogenna) kwasowość wody", ,,(naturalna) twardość wody" oraz czynnik "morski". Ich znaczenie dla różnych miejsc jest związane z miejscem próbkowania. Drugą część badań przeprowadzono w przeciągu dwóch lat w czasie 12 serii pobierania próbek z 29 miejsc rzeki Saale, 6 serii dla rzeki Ilm z 7 miejsc oraz dla rzeki Unstrut z 10 miejsc próbkowania. Dla oceny jakości wody oznaczono 27 parametrów chemicznych i fizykochemicznych. Za pomocą metody klasterów, analizy składowych głównych oraz modelowania rozdziału wartości bezwzględnych składowych głównych uzyskano ważne informacje o ekologicznym statusie regionu. Zidentyfikowano i ilościowo scharakteryzowano dwa różne obrazy (wzory) zanieczyszczeń (dla górnego i dolnego biegu badanych rzek) oraz 6 czynników ukrytych, odpowiedzialnych za strukturę danych z różną zawartością dwóch ww. obrazów zanieczyszczeń. Ponadto wyznaczono wkład każdego czynnika ukrytego (źródła pochodzenia) do obserwowanego, całkowitego stężenia związków chemicznych w wodzie danej rzeki. Informacje te umożliwiają prowadzenie lepszej polityki ekologicznej i podejmowanie bardziej trafnych konkretnych decyzji.