Il lavoro illustra la messa a punto e l’applicazione alla diagnostica funzionale di turbine a gas di una tecnica di intelligenza artificiale basata su reti neurali con lo scopo di valutarne le potenzialità e la robustezza. La prima fase del lavoro riguarda la calibrazione di un programma di ciclo generalizzato per simulare il funzionamento del turbogas Siemens V94.3A al fine di generare dati corrispondenti a vari punti di funzionamento e differente stato di salute della macchina, cioè sia in condizioni di “nuovo e pulito”, sia in condizioni di macchina affetta da decadimento delle prestazioni dei singoli componenti. I dati generati mediante il programma di ciclo sono poi utilizzati per la messa a punto e la verifica di modelli diagnostici basati su reti neurali. Le analisi condotte sui modelli neurali in particolare riguardano: • capacità di interpolazione e affidabilità della risposta a fronte di dati affetti da errori di misura casuali; • capacità di estrapolazione; • affidabilità della risposta a fronte di riduzione delle informazioni disponibili e di incertezze sistematiche di misura. In questo caso, i modelli neurali sviluppati sono stati verificati sia ipotizzando di non disporre di una grandezza misurata, sia introducendo nei dati di input errori sistematici di misura. PUBBLICATO A5021642 (PAD – 644782)