Los campos de helióstatos de energía solar constan de numerosas plataformas de seguimiento solar. Como resultado, la detección de fallos es un problema muy complicado. En consecuencia, el presente estudio propone una red neural de modelo aritmético cerebeloso (CMAC) para el diagnóstico automático de fallos dentro del campo de helióstatos de acuerdo con las características de velocidad de rotación, vibración y temperatura de los sistemas de transmisión individuales de los helióstatos. En comparación con la red neuronal de función de base radial (RBF) y la red neuronal de retropropagación (BP) en el diagnóstico de fallos en el campo de helióstatos, los resultados experimentales muestran que la red neuronal propuesta tiene un tiempo de entrenamiento bajo, una buena robustez y un rendimiento de diagnóstico fiable. Como resultado, proporciona una solución ideal para el diagnóstico de fallos en campos de helióstatos modernos a gran escala.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Simulación numérica de dispositivos fotovoltaicos híbridos de nanotubos de carbono/GaAs con AMPS-1D
Video:
Cumbre ISSST PV - Fotovoltaica solar y el medio ambiente
Artículo:
Análisis numérico de la densidad de dislocaciones en silicio multicristalino para células solares mediante el proceso Bridgman vertical
Artículo:
Algoritmo preciso de seguimiento del punto de máxima potencia basado en un modelo de dispositivo fotovoltaico
Artículo:
Mejora del rendimiento del sistema híbrido fotovoltaico/térmico mediante la técnica de refrigeración por agua y el nanofluido de Zn-H2O
Artículo:
Creación de empresas y estrategia : reflexiones desde el enfoque de recursos
Artículo:
Importancia, manejo y control de extraíbles e incrustaciones (pitch) en la fabricación de papel
Libro:
Tratamientos avanzados de aguas residuales industriales
Artículo:
Distintas formas de simular valores de variables aleatorias con distribución normal estándar