Carregant...
Carregant...

Vés al contingut (premeu Retorn)

Machine learning techniques for wind turbine fault diagnosis

Autor
Vidal, Y.; Pozo, F.; Luo, N.; Tutivén, C.; Rodellar, J.
Tipus d'activitat
Presentació treball a congrés
Nom de l'edició
7th World Conference on Structural Control and Monitoring
Any de l'edició
2018
Data de presentació
2019-07
Llibre d'actes
Control and monitoring: abstracts and papers of the 7th World Conference on Structural Control and Monitoring: 7WCSCM: July 22-25, 2018 Qingdao, China
Pàgina inicial
1385
Pàgina final
1394
Projecte finançador
2017 SGR 388: Control, Modelitzacio´, Identificacio´ i Aplicacions (CoDAlab)
Caracterización y clasificación morfológica de células leucémicas mediante procesamiento digital de imágenes y reconocimiento de patrones para el soporte al diagnóstico
DPI2017-82930-C2-1-R DESARROLLO Y VALIDACION DE SISTEMAS DE MONITORIZACION INTELIGENTE, ESTRATEGIAS DE CONTROL DEL PITCH Y DE AMORTIGUACION ESTRUCTURAL PARA AEROGENERADORES OFFSHOREFLOTANTES
Desarrollo y validación de sistemas de detección de fallos y diseño de estrategias de control tolerante a fallos con aplicación a plantas de energía eólica offshore
Repositori
http://hdl.handle.net/2117/121613 Obrir en finestra nova
Resum
The reliability requirements of wind turbine (WT) components have increased significantly in recent years in the search for a lower impact on the cost of energy. In addition, the trend towards larger WTs installed in offshore locations has significantly increased the cost of repair of the components. In the wind industry, therefore, condition monitoring is crucial for maximum availability. In this work, without using specific tailored devices for condition monitoring but only increasing the samp...
Citació
Vidal, Y., Pozo, F., Luo, N., Tutivén, C., Rodellar, J. Machine learning techniques for wind turbine fault diagnosis. A: World Conference on Structural Control and Monitoring. "Control and monitoring: abstracts and papers of the 7th World Conference on Structural Control and Monitoring: 7WCSCM: July 22-25, 2018 Qingdao, China". 2018, p. 1385-1394.
Paraules clau
machine learning support vector machines fault diagnosis health monitoring wind turbine
Grup de recerca
CoDAlab - Control, Modelització, Identificació i Aplicacions

Participants