Cerca nel sito per parola chiave

rapporti - Deliverable

1.3.5.3-Sperimentazione di tecniche di intelligenza artificiale per la diagnosi di processo di turbine a gas

rapporti - Deliverable

1.3.5.3-Sperimentazione di tecniche di intelligenza artificiale per la diagnosi di processo di turbine a gas

Recently updated on Aprile 7th, 2021 at 12:29 pm

Lo studio oggetto del presente rapporto è stato sviluppato per la Ricerca di Sistema, nell’ambito del sottoprogetto GAS, workpackage GASOEM, facente capo al progetto GEN21. Il rapporto, prodotto all’interno dell’attività di ricerca prevista dalla milestone 1.3.5.3, illustra un’applicazione di tecniche numeriche basate sulle reti neurali alla diagnostica di processo della turbina a gas. Lo scopo del lavoro era quello di valutare potenzialità e limiti di un simile approccio, verificandone l’applicabilità anche a fronte delle sorgenti di errore insite nel problema e confrontando i risultati con quelli ottenibili da metodi deterministici, basati su risoluzione inversa del modello fisico del ciclo termodinamico del turbogas. Nel rapporto vengono dapprima descritti alcuni elementi informativi di carattere generale sulla tipologia delle reti neurali utilizzate, poi viene discussa l’architettura prescelta e, quindi, vengono documentati i risultati ottenuti dalla applicazione delle reti neurali ai dati rappresentativi delle misure sul percorso aria-gas di una turbina da 240 MW. I risultati esposti indicano quanto segue: ♦ Una buona capacità di interpolazione dei modelli neurali sviluppati i quali danno una risposta affidabile a fronte di dati affetti da errori casuali. ♦ I modelli neurali sviluppati hanno inoltre una buona capacità di estrapolazione a punti di lavoro della macchina corrispondenti a valori dei parametri caratteristici esterni all’intervallo di variazione dei parametri utilizzato in fase di addestramento. I modelli neurali sembrano perciò abbastanza robusti (in genere l’errore aumenta meno del doppio) a fronte di dati di ingresso “fuori-range”. ♦ L’affidabilità della risposta dei modelli neurali di diagnosi è buona a fronte di riduzione delle informazioni disponibili e di incertezze sistematiche di misura. Alla luce dello studio effettuato, si può quindi concludere che restano confermate le potenzialità di effettiva applicazione degli approcci proposti al monitoraggio avanzato dello stato di salute delle turbine a gas.

Progetti

Commenti