APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS NO DIAGNÓSTICO DE FALHAS DE TURBINAS A GÁS
Ano de defesa: | 2010 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | , , , , |
Tipo de documento: | Dissertação |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO
|
Programa de Pós-Graduação: |
PPG EM ENGENHARIA MECÂNICA
|
Departamento: |
Não Informado pela instituição
|
País: |
BR
|
Link de acesso: | https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=16580@1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=16580@2 |
Resumo: | A deterioração do desempenho da turbina a gás é resultado de vários tipos de falhas, como acúmulo de sujeira, erosão e corrosão, que afetam os componentes no caminho do gás, sendo os principais o compressor, o combustor e a turbina. No presente trabalho é avaliado o desempenho de Redes Neurais Artificiais (RNA) no emprego de diagnóstico de falha de turbinas a gás. Todas as redes projetadas são do tipo MLP (multi-layer perceptron) com algoritmo de retropropagação (backpropagation). Para cada função de diagnóstico, várias arquiteturas foram testadas, modificando parâmetros de rede como o número de camadas escondidas e o número de neurônios em cada uma destas camadas. As RNAs para diagnóstico de falhas foram aplicadas ao modelo termodinâmico de uma turbina a gás industrial. Este modelo foi responsável pela criação de dados da usina saudável e também degradada, utilizados para o treinamento e validação das redes. Com os resultados obtidos do treinamento das redes é possível mostrar que as mesmas são capazes de detectar, isolar e quantificar falhas de componentes de turbinas a gás de forma satisfatória. |
id |
PUC_RIO-1_ca39f47bd38e4ff9ed2a63398579dc98 |
---|---|
oai_identifier_str |
oai:MAXWELL.puc-rio.br:16580 |
network_acronym_str |
PUC_RIO-1 |
network_name_str |
Repositório Institucional da PUC-RIO (Projeto Maxwell) |
repository_id_str |
|
spelling |
info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisAPLICAÇÃO DE REDES NEURAIS ARTIFICIAIS NO DIAGNÓSTICO DE FALHAS DE TURBINAS A GÁS ARTIFICIAL NEURAL NETWORKS APPLIED TO GAS TURBINE FAULT DIAGNOSTICS 2010-04-26SERGIO LEAL BRAGA42511755734lattes.cnpq.br/4168538689240017SANDRO BARROS FERREIRASANDRO BARROS FERREIRAMARLEY MARIA BERNARDES REBUZZI VELLASCOSANDRO BARROS FERREIRASERGIO LEAL BRAGAJOSE ALBERTO DOS REIS PARISEPAULO SMITH SCHNEIDERMARILIA PAULA E SILVAPONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIROPPG EM ENGENHARIA MECÂNICAPUC-RioBRA deterioração do desempenho da turbina a gás é resultado de vários tipos de falhas, como acúmulo de sujeira, erosão e corrosão, que afetam os componentes no caminho do gás, sendo os principais o compressor, o combustor e a turbina. No presente trabalho é avaliado o desempenho de Redes Neurais Artificiais (RNA) no emprego de diagnóstico de falha de turbinas a gás. Todas as redes projetadas são do tipo MLP (multi-layer perceptron) com algoritmo de retropropagação (backpropagation). Para cada função de diagnóstico, várias arquiteturas foram testadas, modificando parâmetros de rede como o número de camadas escondidas e o número de neurônios em cada uma destas camadas. As RNAs para diagnóstico de falhas foram aplicadas ao modelo termodinâmico de uma turbina a gás industrial. Este modelo foi responsável pela criação de dados da usina saudável e também degradada, utilizados para o treinamento e validação das redes. Com os resultados obtidos do treinamento das redes é possível mostrar que as mesmas são capazes de detectar, isolar e quantificar falhas de componentes de turbinas a gás de forma satisfatória.The gas turbine performance deterioration is a result of several types of faults such as fouling, erosion and corrosion, which affects the components throughout the gas path. As the most significant of these components we can enumerate the compressor, the combustion chamber and the turbine itself. In this work the performance of different types of Artificial Neural Networks (ANN) are evaluated in the diagnosis of this kind of fault. Every neural network designed in this work is MLP (multi-layer perceptron) with back propagation algorithm. For each diagnosis function several architectures were tested, varying network parameters as the numbers of hidden layers and the number of neurons in each layer. The ANNs for fault diagnosis were applied in an industrial gas turbine thermodynamic model. This model was also used for healthy and degraded turbine data generation, which were used for ANNs training and validation. With the ANNs training results we can conclude that these networks are capable of detecting, isolating and quantifying gas turbine components faults in a satisfactory way.PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIROhttps://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=16580@1https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=16580@2porreponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)instacron:PUC_RIOinfo:eu-repo/semantics/openAccess2023-06-26T09:17:50ZRepositório InstitucionalPRI |
dc.title.pt.fl_str_mv |
APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS NO DIAGNÓSTICO DE FALHAS DE TURBINAS A GÁS |
dc.title.alternative.en.fl_str_mv |
ARTIFICIAL NEURAL NETWORKS APPLIED TO GAS TURBINE FAULT DIAGNOSTICS |
title |
APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS NO DIAGNÓSTICO DE FALHAS DE TURBINAS A GÁS |
spellingShingle |
APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS NO DIAGNÓSTICO DE FALHAS DE TURBINAS A GÁS MARILIA PAULA E SILVA |
title_short |
APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS NO DIAGNÓSTICO DE FALHAS DE TURBINAS A GÁS |
title_full |
APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS NO DIAGNÓSTICO DE FALHAS DE TURBINAS A GÁS |
title_fullStr |
APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS NO DIAGNÓSTICO DE FALHAS DE TURBINAS A GÁS |
title_full_unstemmed |
APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS NO DIAGNÓSTICO DE FALHAS DE TURBINAS A GÁS |
title_sort |
APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS NO DIAGNÓSTICO DE FALHAS DE TURBINAS A GÁS |
dc.creator.ID.none.fl_str_mv |
|
dc.creator.Lattes.none.fl_str_mv |
|
author |
MARILIA PAULA E SILVA |
author_facet |
MARILIA PAULA E SILVA |
author_role |
author |
dc.contributor.advisor-co1ID.none.fl_str_mv |
|
dc.contributor.advisor-co1Lattes.none.fl_str_mv |
|
dc.contributor.advisor-co2ID.none.fl_str_mv |
|
dc.contributor.advisor-co2Lattes.none.fl_str_mv |
|
dc.contributor.advisor1.fl_str_mv |
SERGIO LEAL BRAGA |
dc.contributor.advisor1ID.fl_str_mv |
42511755734 |
dc.contributor.advisor1Lattes.fl_str_mv |
lattes.cnpq.br/4168538689240017 |
dc.contributor.advisor-co1.fl_str_mv |
SANDRO BARROS FERREIRA |
dc.contributor.advisor-co2.fl_str_mv |
SANDRO BARROS FERREIRA |
dc.contributor.referee1.fl_str_mv |
MARLEY MARIA BERNARDES REBUZZI VELLASCO |
dc.contributor.referee2.fl_str_mv |
SANDRO BARROS FERREIRA |
dc.contributor.referee3.fl_str_mv |
SERGIO LEAL BRAGA |
dc.contributor.referee4.fl_str_mv |
JOSE ALBERTO DOS REIS PARISE |
dc.contributor.referee5.fl_str_mv |
PAULO SMITH SCHNEIDER |
dc.contributor.author.fl_str_mv |
MARILIA PAULA E SILVA |
contributor_str_mv |
SERGIO LEAL BRAGA SANDRO BARROS FERREIRA SANDRO BARROS FERREIRA MARLEY MARIA BERNARDES REBUZZI VELLASCO SANDRO BARROS FERREIRA SERGIO LEAL BRAGA JOSE ALBERTO DOS REIS PARISE PAULO SMITH SCHNEIDER |
description |
A deterioração do desempenho da turbina a gás é resultado de vários tipos de falhas, como acúmulo de sujeira, erosão e corrosão, que afetam os componentes no caminho do gás, sendo os principais o compressor, o combustor e a turbina. No presente trabalho é avaliado o desempenho de Redes Neurais Artificiais (RNA) no emprego de diagnóstico de falha de turbinas a gás. Todas as redes projetadas são do tipo MLP (multi-layer perceptron) com algoritmo de retropropagação (backpropagation). Para cada função de diagnóstico, várias arquiteturas foram testadas, modificando parâmetros de rede como o número de camadas escondidas e o número de neurônios em cada uma destas camadas. As RNAs para diagnóstico de falhas foram aplicadas ao modelo termodinâmico de uma turbina a gás industrial. Este modelo foi responsável pela criação de dados da usina saudável e também degradada, utilizados para o treinamento e validação das redes. Com os resultados obtidos do treinamento das redes é possível mostrar que as mesmas são capazes de detectar, isolar e quantificar falhas de componentes de turbinas a gás de forma satisfatória. |
publishDate |
2010 |
dc.date.issued.fl_str_mv |
2010-04-26 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=16580@1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=16580@2 |
url |
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=16580@1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=16580@2 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO |
dc.publisher.program.fl_str_mv |
PPG EM ENGENHARIA MECÂNICA |
dc.publisher.initials.fl_str_mv |
PUC-Rio |
dc.publisher.country.fl_str_mv |
BR |
publisher.none.fl_str_mv |
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da PUC-RIO (Projeto Maxwell) instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) instacron:PUC_RIO |
instname_str |
Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) |
instacron_str |
PUC_RIO |
institution |
PUC_RIO |
reponame_str |
Repositório Institucional da PUC-RIO (Projeto Maxwell) |
collection |
Repositório Institucional da PUC-RIO (Projeto Maxwell) |
repository.name.fl_str_mv |
|
repository.mail.fl_str_mv |
|
_version_ |
1776626311631994880 |