No abstract

El presente artículo tiene como propósito el análisis del segmento espacial como parte del proceso de estructuración de un proyecto aeroespacial, partiendo del problema de desarticulación de procesos de diseño, omisión de factores operacionales y desconocimiento del comportamiento del segmento espacial en órbita. Para esto es necesario el recuento de los pasos requeridos en el diseño de misión de un sistema espacial, la arquitectura y subsistemas constitutivos del segmento genérico e identificación de factores operacionales útiles para el desarrollo del concepto de misión. Adicionalmente, se presentan diferentes formas de representación del movimiento de orientación y traslación del segmento espacial, como guía para el modelamiento de misiones de observación terrestre en órbita baja. Con base en esto se obtienen dos caracterizaciones como ejemplos prácticos para las necesidades de diseño y representación, tanto para el diseño de misión con la síntesis de objetivos de misión de un programa espacial, como para la representación del segmento espacial, frente a las necesidades de uso de un arreglo de misión de gran proximidad y con capacidades de maniobra en órbita, que incluso, pueda requerir no solo uno sino varios satélites en coordinación, todo esto mediante el modelo de vuelo de formación electromagnética (EMFF).

No abstract

One of the greatest drawbacks in wind energy generation is the high maintenance cost associated to mechanical faults. This problem becomes more evident in utility scale wind turbines, where the increased size and nominal capacity comes with additional problems associated with structural vibrations and aeroelastic effects in the blades. Due to the increased operation capability, it is imperative to detect system degradation and faults in an efficient manner, maintaining system integrity, reliability and reducing operation costs. This paper presents a comprehensive comparison of four different Fault Detection and Isolation (FDI) filters based on "Data Driven" (DD) techniques. In order to enhance FDI performance, a multi-level strategy is used where: (i) the first level detects the occurrence of any given fault (detection), while (ii) the second identifies the source of the fault (isolation). Four different DD classification techniques (namely Support Vector Machines, Artificial Neural Networks, K Nearest Neighbors and Gaussian Mixture Models) were studied and compared for each of the proposed classification levels. The best strategy at each level could be selected to build the final data driven FDI system. The performance of the proposed scheme is evaluated on a benchmark model of a commercial wind turbine.