Bis zu 50 % günstiger als neu
3 Jahre rebuy Garantie
Professionelles Refurbishment
ElektronikMedien
Tipps & News
AppleAlle anzeigen
TabletsAlle anzeigen
HandyAlle anzeigen
Fairphone
AppleAlle anzeigen
iPhone Air GenerationiPhone Duo Generation
GoogleAlle anzeigen
Pixel Fold
HonorAlle anzeigen
HuaweiAlle anzeigen
NothingAlle anzeigen
OnePlusAlle anzeigen
OnePlus 11 GenerationOnePlus 12 Generation
SamsungAlle anzeigen
SonyAlle anzeigen
XiaomiAlle anzeigen
Weitere Modelle
Tablets & eBook ReaderAlle anzeigen
GoogleKobo
AppleAlle anzeigen
HuaweiAlle anzeigen
MatePad Pro Serie
MicrosoftAlle anzeigen
XiaomiAlle anzeigen
Kameras & ZubehörAlle anzeigen
ObjektiveAlle anzeigen
Samyang
System & SpiegelreflexAlle anzeigen
CanonAlle anzeigen
FujifilmAlle anzeigen
OlympusAlle anzeigen
PanasonicAlle anzeigen
SonyAlle anzeigen
WearablesAlle anzeigen
Fitness TrackerAlle anzeigen
SmartwatchesAlle anzeigen
Xiaomi
Konsolen & ZubehörAlle anzeigen
Lenovo Legion GoMSI Claw
NintendoAlle anzeigen
Nintendo Switch Lite
PlayStationAlle anzeigen
XboxAlle anzeigen
Audio & HiFiAlle anzeigen
KopfhörerAlle anzeigen
FairphoneGoogle
LautsprecherAlle anzeigen
GoogleYamahatonies
iPodAlle anzeigen

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

21 Tage Widerrufsrecht

Fehlerdiagnose von Wasserkraftmaschinen mit simulierter Datenbasis

Christian Sperber (Broschiert, Deutsch)

Optischer Zustand
Beschreibung
Die Betriebsschwingungen von rotierenden Maschinen werden im Rahmen eines Sicherheitskonzepts permanent gemessen und überwacht, um Schäden durch zu hohe Schwingungsamplituden zu vermeiden. Diese Schwingungsdaten lassen sich nutzen, um daraus Informationen zum Zustand der Maschine zu gewinnen und diese Informationen beispielsweise bei der Planung akuter oder künftiger Wartungen und Reparaturen zu…  berücksichtigen. In dieser Arbeit wird hierfür ein neuartiges Verfahren zur Diagnose rotordynamischer Fehler an Wasserkraftmaschinen entwickelt. Das Verfahren nutzt eine Datenbasis simulierter Maschinenschwingungen einer großen Zahl fiktiver Anlagen. Diese dienen als Trainingsbeispiele für einen Algorithmus des maschinellen Lernens. Nach dem Trainingsprozess schätzt das Diagnosemodell auch für bisher unbekannte Anlagen bestimmte Fehlergrößen mit vielversprechender Genauigkeit ab. Der Fokus liegt dabei auf der Diagnose von Unwucht, Kupplungsversatz, Lagerfehlausrichtung und anderen mechanischen Maschinenfehlern. Es wird gezeigt, dass die Schwingungsdiagnose durch die gezielte Verwendung von aussagekräftigen Kenngrößen verbessert werden kann. Als besonders hilfreich erweisen sich dabei Kenngrößen im Zeit- und Frequenzbereich sowie Kenngrößen der Betriebsschwingungsform. Die Anwendbarkeit der entwickelten Diagnosemodelle auf reale Anlagen wird am Beispiel einer Pumpturbine sowie mehreren Francis-Turbinen demonstriert. Die entwickelten Diagnosemodelle stellen eine solide Basis für ein Diagnosesystem dar, das Anlagenbetreiber und Schwingungsexperten bei der Analyse des Maschinenzustandes mit wertvollen Hinweisen unterstützt.
Dieses Produkt haben wir gerade leider nicht auf Lager.
ab 36,99 €
Derzeit nicht verfügbar
Derzeit nicht verfügbar

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

21 Tage Widerrufsrecht

Technische Daten


Erscheinungsdatum
07.01.2022
Sprache
Deutsch
EAN
9783844083859
Herausgeber
Shaker
Serien- oder Bandtitel
Schriften aus dem Institut für Technische und Numerische Mechanik der Universität Stuttgart
Sonderedition
Nein
Autor
Christian Sperber
Seitenanzahl
139
Auflage
1
Einbandart
Broschiert

Auf gebrauchten Artikeln oder Originalverpackungen sichtbare Umwelt-, Nachhaltigkeits- oder Zertifizierungsangaben stammen aus der ursprünglichen Herstellerkennzeichnung. Sie stellen keine eigene aktuelle Umwelt- oder Nachhaltigkeitsaussage von rebuy dar. Maßgeblich für das Angebot sind ausschließlich die von rebuy in der Artikelbeschreibung angegebenen Produkteigenschaften.

-.-
Leider noch keine Bewertungen
Leider noch keine Bewertungen
Schreib die erste Bewertung für dieses Produkt!
Wenn du eine Bewertung für dieses Produkt schreibst, hilfst du allen Kund:innen, die noch überlegen, ob sie das Produkt kaufen wollen. Vielen Dank, dass du mitmachst!