ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

On the development of a sliding mode observer-based fault diagnosis scheme for a wind turbine benchmark model

سال انتشار: 1396
کد COI مقاله: JR_EES-5-1_002
زبان مقاله: انگلیسیمشاهد این مقاله: 261
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 15 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله On the development of a sliding mode observer-based fault diagnosis scheme for a wind turbine benchmark model

Mostafa Rahnavard - School of Mechanical Engineering, University of Tehran, Tehran, Iran
Mohammad Reza Hairi Yazdi - School of Mechanical Engineering, University of Tehran, Tehran, Iran
Moosa Ayati - School of Mechanical Engineering, University of Tehran, Tehran, Iran

چکیده مقاله:

This paper addresses the design of an observer-based fault diagnosis scheme, which is applied to some of the sensors and actuators of a wind turbine benchmark model. The methodology is based on a modified sliding mode observer (SMO) that allows accurate reconstruction of multiple sensor or actuator faults occurring simultaneously. The faults are reconstructed using the equivalent output error injection signal. A well-known validated wind turbine benchmark model, developed by Aalborg University and KK-electronic a/c, is utilized to evaluate the FDD scheme. Different sensors and actuator fault scenarios are simulated in the drive train, generator, and pitch & blade subsystems of the benchmark model, and attempts have been made to estimate these faults via the proposed modified SMO. The simulation results confirm the effectiveness of the proposed diagnosis scheme, and the faults are well detected, isolated, and reconstructed in the presence of the measurement noise.

کلیدواژه ها:

Wind Turbine, Fault Detection, Sliding Mode Observer

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/665565/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Rahnavard, Mostafa and Hairi Yazdi, Mohammad Reza and Ayati, Moosa,1396,On the development of a sliding mode observer-based fault diagnosis scheme for a wind turbine benchmark model,,,,,https://civilica.com/doc/665565

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1396, Rahnavard, Mostafa؛ Mohammad Reza Hairi Yazdi and Moosa Ayati)
برای بار دوم به بعد: (1396, Rahnavard؛ Hairi Yazdi and Ayati)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 63,668
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی