APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS NO DIAGNÓSTICO DE FALHAS DE TURBINAS A GÁS

Detalhes bibliográficos
Ano de defesa: 2010
Autor(a) principal: MARILIA PAULA E SILVA
Orientador(a): SERGIO LEAL BRAGA lattes
Banca de defesa: MARLEY MARIA BERNARDES REBUZZI VELLASCO, SANDRO BARROS FERREIRA, SERGIO LEAL BRAGA, JOSE ALBERTO DOS REIS PARISE, PAULO SMITH SCHNEIDER
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

Registros relacionados