Sharif Digital Repository / Sharif University of Technology
    • [Zoom In]
    • [Zoom Out]
  • Page 
     of  0
  • [Previous Page]
  • [Next Page]
  • [Fullscreen view]
  • [Close]
 
تشخیص عیب در توربین‌ های بادی فراساحلی با استفاده از روش‌ های مبتنی بر داده
سالاری، سورنا Salari, Soorena

Cataloging brief

تشخیص عیب در توربین‌ های بادی فراساحلی با استفاده از روش‌ های مبتنی بر داده
پدیدآور اصلی :   سالاری، سورنا Salari, Soorena
ناشر :   صنعتی شریف
سال انتشار  :   1398
موضوع ها :   انرژی باد Wind Energy انرژی بادی فراساحلی Offshore Wind Energy توربین بادی فراساحلی...
شماره راهنما :   ‭05-56613

Find in content

sort by

Bookmark

  • چکیده (6)
  • فهرست مطالب (7)
  • فهرست جداول (11)
  • فهرست شکلها (12)
  • فهرست علائم (15)
  • فصل1 مقدمه (16)
    • 1-1 اهمیت انرژی باد (16)
    • 2-1 عیب‌یابی توربین‌های بادی فراساحلی (18)
    • 3-1 پیشینه تحقیق (20)
    • 4-1 نوآوری‌های تحقیق (24)
    • 5-1 روند ارائه مطالب (24)
  • فصل2 تشخیص عیب در توربین بادی (26)
    • 1-2 مقدمه (26)
    • 2-2 توربین‌های بادی محور افقی (27)
    • 3-2 توربین‌های بادی محور عمودی (27)
    • 4-2 توربین‌های بادی فراساحلی (29)
      • 1-4-2 سکوهای فراساحلی (31)
      • 2-4-2 برج (33)
      • 3-4-2 روتور (33)
      • 4-4-2 سیستم کنترل (33)
      • 5-4-2 زنجیره رانش (34)
    • 5-2 اصطلاحات مربوط به عیب (35)
    • 6-2 تشخیص عیب در توربین بادی فراساحلی (37)
  • فصل3 مدل استاندارد توربین بادی (40)
    • 1-3 مقدمه (40)
    • 2-3 مدل استاندارد توربین بادی (40)
      • 1-2-3 سیستم کنترل (41)
      • 2-2-3 مدل حسگرها (44)
      • 3-2-3 مدل‌ عملگر ها (45)
    • 3-3 عیب‌های بررسی‌شده (46)
    • 4-3 آماده‌سازی داده‌ها (48)
      • 1-4-3 مدل‌سازی باد (48)
      • 2-4-3 داده‌های در دسترس با استفاده از سامانه سرپرستی و گردآوری داده (49)
  • فصل4 یادگیری ماشین و تحلیل آماری داده‌ها برای تشخیص عیب توربین بادی فراساحلی (50)
  • فصل4 یادگیری ماشین و تحلیل آماری داده‌ها برای تشخیص عیب توربین بادی فراساحلی (50)
  • فصل4 یادگیری ماشین و تحلیل آماری داده‌ها برای تشخیص عیب توربین بادی فراساحلی (50)
    • 1-4 مقدمه (50)
    • 2-4 یادگیری ماشین (50)
      • 1-2-4 یادگیری با سرپرست (51)
      • 2-2-4 یادگیری بی‌سرپرست (51)
      • 3-2-4 یادگیری تقویتی (52)
    • 3-4 درخت تصمیم‌ (52)
    • 4-4 جنگل تصادفی (55)
    • 5-4 شبکه‌های عصبی کانولوشنی (56)
      • 1-5-4 عملگر کانولوشن (57)
      • 2-5-4 ویژگی‌های مفید کانولوشن (58)
      • 3-5-4 معماری شبکه‌های عصبی کانولوشنی (60)
      • 4-5-4 توابع هزینه در شبکه‌های عصبی کانولوشنی (61)
      • 5-5-4 تنظیم پارمترها در شبکه‌های عصبی کانولوشنی (62)
    • 6-4 شبکه‌های عصبی بازگشتی (63)
      • 1-6-4 تنظیم پارامترها در شبکه‌های عصبی بازگشتی (66)
      • 2-6-4 شبکه عصبی بازگشتی LSTM (69)
      • 3-6-4 شبکه LSTM کانولوشنی (71)
    • 7-4 معیار‌های بررسی مهارت مدل یادگیری ماشین (71)
      • 1-7-4 صحت (72)
      • 2-7-4 بازخوانی (72)
      • 3-7-4 دقت (73)
      • 4-7-4 F1-Score (73)
      • 5-7-4 ماتریس درهم‌ریختگی (73)
      • 6-7-4 نمودار ROC و معیار AUC (74)
  • فصل5 نتایج شبیه‌سازی (78)
    • 1-5 مقدمه (78)
    • 2-5 نتایج درخت تصمیم (78)
    • 3-5 نتایج جنگل تصادفی (80)
    • 4-5 نتایج شبکه‌های عصبی کانولوشنی (81)
    • 5-5 نتایج شبکه عصبی کانولوشنی LSTM (89)
    • 6-5 مقایسه نتایج (93)
  • فصل6 نتیجه‌گیری و پیشنهاد‌ها (95)
    • 1-6 نتیجه‌گیری (95)
    • 2-6 پیشنهاد‌ها (96)
  • مراجع (97)
Loading...