MétaCan
Menu
Retour à la cohorte
Enregistrement W3107828401 · doi:10.18280/jesa.530508

Wind Turbine Lubrication Based on Parallel Control of Multiple Factors

2020· article· en· W3107828401 sur OpenAlexvenueno aff
Yang Xiao-pin, Xinyu Liu, Guiyue Kou, Chunxia Xu, Wenhua Zhang, Rui Hu, Cui Wang

Notice bibliographique

RevueJournal Européen des Systèmes Automatisés · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueTribology and Lubrication Engineering
Établissements canadiensnon disponible
Organismes subventionnairesNatural Science Foundation of Jiangxi ProvinceEducation Department of Jiangxi ProvinceNational Natural Science Foundation of China
Mots-clésLubricationTurbineWind powerAutomotive engineeringMarine engineeringComputer scienceEngineeringControl theory (sociology)Mechanical engineeringControl (management)Electrical engineering

Résumé

récupéré en direct d'OpenAlex

The lubrication needs of wind turbines vary with the operating conditions. To provide a dynamic lubrication scheme for wind turbines under variable conditions, this paper designs a dynamically adjustable lubrication scheme through parallel control of multiple influencing factors. Based on mid- and long-term loads, the proposed scheme fully considers the influence of various sudden changes in addition to slowly changing factors like load, operating hours, and speed, such as to dynamically adjust the injection flow as per the specific operating condition of the turbine. The ideal lubrication effect was tracked through the adjustment of the injection flow or injection time, and used to determine the optimal dynamic lubrication control strategy during turbine operation. The proposed control strategy overcomes the defects of the traditional fixed-time fixed-flow lubrication approach, and provides reasonable on-demand lubrication schemes for wind turbines in different operating conditions. The on-demand injection of lubricant prevents under- or over-lubrication, reduces the rate of mechanical failure, and extends the service life of wind turbines. Suffice it to say that the proposed control strategy can lower power generation cost and save energy, making wind turbines more profitable.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,598
Score d'incertitude au seuil0,705

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,017
Tête enseignante GPT0,216
Écart entre enseignants0,199 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal Européen des Systèmes AutomatisésMême sujetTribology and Lubrication EngineeringTravaux en français237 207