Le choix des capteurs et l'estimation des états pour la commande individuelle du calage des pales
Bibliographic record
Abstract
Le contrôle des vibrations devient de plus en plus important dans les éoliennes modernes. Ce travail démontre les méthodes de choisir les capteurs et d'estimer les états dans le contrôle des vibrations dans les structures des éoliennes et explore aussi quelques alternatives dans la commande individuelle du calage des pales. Une analyse du problème de l'estimation des états conclut qu'il n'y a pas besoin de mettre les capteurs à l'extérieur de la nacelle : les états dont la commande a besoin, tels que les deflexions de la structure et les variations des vitesses du vent dans le plan du rotor, sont bien estimés à partir des mesures de force, de couple et d'accélération dans la nacelle et son enroulement d'embardée. Quant aux algorithmes d'estimation, le filtre de Kalman à réponse impulsionnelle infinie sert bien dans les applications de commande, mais une diminution de la réponse impulsionnelle du filtre peut augmenter la précision de l'estimateur aux fréquences plus élevées. Les simulations du NKEL Offshore Baseline Turbine (5MW) indiquent que la commande individuelle du calage des pales peut permettre des réductions d'environ 24% dans les couples aux racines des pales dans certaines conditions, mais que la dynamique des actionneurs de calage et les suppositions dans la modélisation peuvent limiter la performance de la commande dans d'autres conditions. La stratégie de contrôle qui s'avère la plus performante dans ce travail est une régulation de l'angle d'attaque estimé.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".