Methods and means of increasing operation efficiency of the fleet of electric motors in non-ferrous metallurgy
Notice bibliographique
Résumé
Arranging efficient operation of the fleet of induction motors (IM) in non-ferrous metallurgy is a large-scale technical and economic problem. In scientific aspect, the problem is being solved in the framework of two research lines: in developing criteria for the efficient operation of the branch IM fleet and towards the development of methods and tools for implementing the IM fleet efficient operation. The article presents the results of the authors’ work in the mentiond areas. The basis for developing criteria for efficient operation is modeling of current operational states, taking into account the IM operational aging processes. The existing methods and models are poorly focused on fixation of the changes caused by operational aging. There exists a demand for special methods and tools for modeling the IM operational conditions. A mathematical model based on Kolmogorov equations is one of these tools. The system graph and equations of the mathematical model are given. An example of a practical calculation of the no-failure operation probabilities at different rates of repair operations is given. It is stated that the offered mathematical model can serve as an instrument for developing criteria of the IM pool efficient operation. The system of periodic operational diagnostics is ment to be a key element in enhancement of the IM fleet operation efficiency. A topological method worked out for the problems of operational diagnostics is focused upon analyzing the dynamics of operational changes taking place in the IM vector space. The matrix of current deviations is a medium of objective and reliable information about the current IM technical condition. Matching the matrices of current and limiting deviations allows us to make several essential conclusions concerning the IM technical state. The reported study was funded under as a part of state assignment (project number, FSWF-2020–0019), as well as at the expense of RFBR (project number, 20-01-00283).
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».