تخمین طول عمر ژنراتور توربینهای بادی فراساحلی با استفاده از دوقلوی دیجیتال و روشهای یادگیری ماشین - دانشکده فنی و مهندسی
تخمین طول عمر ژنراتور توربینهای بادی فراساحلی با استفاده از دوقلوی دیجیتال و روشهای یادگیری ماشین
نوع: Type: پایان نامه
مقطع: Segment: کارشناسی ارشد
عنوان: Title: تخمین طول عمر ژنراتور توربینهای بادی فراساحلی با استفاده از دوقلوی دیجیتال و روشهای یادگیری ماشین
ارائه دهنده: Provider: ادریس نظری - رشته برق
اساتید راهنما: Supervisors: دکتر عباس رمضانی
اساتید مشاور: Advisory Professors: دکتر محمد مهدی شهبازی
اساتید ممتحن یا داور: Examining professors or referees: دکتر محسن حسن بابای نوزادیان و دکتر یونس سلگی
زمان و تاریخ ارائه: Time and date of presentation: سه شنبه 25 مهر ساعت 13
مکان ارائه: Place of presentation: کلاس 3
چکیده: Abstract: در طی سال های اخیر نیاز به تولید انرژی و مخصوصا انرژی های تجدیدپذیر یکی از مهم ترین دغدغه های بشر بوده است . یکی از این موارد توربین های بادی فراساحلی است که به انسان ها برای تولید انرژی بسیار کمک کرده است . دسترسی به این توربین ها سخت وهزینه بر است پس باید به طول عمر قطعات آن توجه خاصی داشت . یکی از مهم ترین قطعات الکتریکی توربین بادی ژنراتور است . پس تخمین طول عمر ژنراتور ها می تواند کمک شایانی به انسان ها برای کاهش هزینه تعمیر و نگهداری نماید .برای تخمین طول عمر ژنراتور باید اطلاعات و داده های کافی وجود داشته باشد تا بتوان به طور دقیق این کار را انجام داد . با استفاده از شبیه سازی و در برنامه متلب این اطلاعات را بدست می آوریم که هم حاوی اطلاعات در هنگام بروز خطا و هم در حالت دینامیکی سیستم است . با استفاده از خروجی های سیمولینک در برنامه متلب از سیگنال ها نمونه برداری کردیم و داده ها را برای ورودی شبکه عصبی خود محیا کردیم . در این پژوهش در ادامه کار با استفاده از یادگیری ماشین و شبکه های عصبی CNN و LSTM برای انجام تخمین طول عمر استفاده کردیم . ما در سیستمی که شبیه سازی کردیم چهار برای وقوع خطا ها داشتیم و همچنین سیزده نوع خطا و البته تعدادی هم حالت تحت عنوان حالت دینامیکی سیستم در نظر گرفتیم . با استفاده از این شبکه های عصبی و چندین تست متوالی به بهترین نتیجه رسیدیم و این شبکه ها دقتی حدود 80 درصد به ما دادند
فایل: ّFile: دانلود فایل