Algoritmos utilizados para el análisis de fluencia en transductores de torque para turbinas eólicas
Autores: Puchalski, Jacek G.; Fidelus, Janusz D.; Fotowicz, Pawe
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Algoritmos utilizados para el análisis de fluencia en transductores de torque para turbinas eólicas
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Software
Palabras clave
Desviaciones
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 30
Citaciones: Sin citaciones
Uno de los desafíos fundamentales en el análisis del rendimiento de los aerogeneradores es la aparición de deslizamiento de par bajo carga y sin carga. Este fenómeno impacta significativamente en el correcto funcionamiento de los transductores de par, lo que hace necesario el uso de algoritmos adecuados para el análisis de datos de medición. En este sentido, el empleo del método de mínimos cuadrados parece ser un enfoque adecuado. La regresión lineal puede utilizarse para investigar la tendencia de deslizamiento en sí misma, mientras que visualizar el deslizamiento en forma de una curva no lineal utilizando un polinomio de tercer grado puede proporcionar más información. Además, calcular las desviaciones entre los datos de medición y las curvas de regresión resulta beneficioso para evaluar con precisión los datos.
Descripción
Uno de los desafíos fundamentales en el análisis del rendimiento de los aerogeneradores es la aparición de deslizamiento de par bajo carga y sin carga. Este fenómeno impacta significativamente en el correcto funcionamiento de los transductores de par, lo que hace necesario el uso de algoritmos adecuados para el análisis de datos de medición. En este sentido, el empleo del método de mínimos cuadrados parece ser un enfoque adecuado. La regresión lineal puede utilizarse para investigar la tendencia de deslizamiento en sí misma, mientras que visualizar el deslizamiento en forma de una curva no lineal utilizando un polinomio de tercer grado puede proporcionar más información. Además, calcular las desviaciones entre los datos de medición y las curvas de regresión resulta beneficioso para evaluar con precisión los datos.