dc.contributor.author | Δάινα, Παναγιώτα![]() |
el |
dc.contributor.author | Daina, Panagiota![]() |
en |
dc.date.accessioned | 2020-11-03T09:01:54Z | |
dc.date.available | 2020-11-03T09:01:54Z | |
dc.identifier.uri | https://dspace.lib.ntua.gr/xmlui/handle/123456789/51765 | |
dc.identifier.uri | http://dx.doi.org/10.26240/heal.ntua.19463 | |
dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
dc.subject | Διαγνωστική στροβιλοκινητήρων | el |
dc.subject | Πρόγνωση | el |
dc.subject | Αεριοστρόβιλοι | el |
dc.subject | Πρόγνωση αεριοστροβίλων | el |
dc.subject | Μέθοδοι πρόγνωσης | el |
dc.subject | Gas turbine diagnostics | en |
dc.subject | Gas turbine prognostics | en |
dc.subject | Gas turbines | en |
dc.subject | Forecasting methods | en |
dc.subject | Forecasting | el |
dc.title | Επεξεργασία δεδομένων για αποτίμηση και πρόγνωση κατάστασης αεριοστροβίλου | el |
dc.title | Data processing for monitoring and forecasting of gas turbine's condition | en |
dc.contributor.department | Τομέας Ρευστών- Εργαστήριο Θερμικών Στροβιλομηχανών | el |
heal.type | bachelorThesis | |
heal.classification | Θερμικές Στροβιλομηχανές | el |
heal.language | el | |
heal.access | free | |
heal.recordProvider | ntua | el |
heal.publicationDate | 2020-06 | |
heal.abstract | Στα πλαίσια της παρούσας διπλωματικής εργασίας χρησιμοποιούνται δεδομένα από λειτουργούντες αεριοστροβίλους με σκοπό να βρεθούν τα πιο κατάλληλα μοντέλα και οι καταλληλότερες παράμετροι που μπορούν να υποστηρίξουν μία διαδικασία επιτήρησης και πρόγνωσης κατάστασης αεριοστροβίλου. Αρχικά, έγινε βιβλιογραφική ανασκόπηση για τις διάφορες μεθόδους αποτίμησης κατάστασης και πρόβλεψης που χρησιμοποιούνται για την πρόγνωση των βλαβών στους αεριοστροβίλους. Στη συνέχεια, σε σετ δεδομένων από αεριοστρόβιλο εφαρμόζονται μοντέλα γραμμικής παλινδρόμησης. Εφαρμόζοντας γραμμικά μοντέλα παλινδρόμησης για διαφορετικές χρονικές αφετηρίες από διαφορετικό αριθμό δεδομένων, παρακολουθείται η εξέλιξη των τιμών στις κλίσεις των γραμμικών μοντέλων. Επιπλέον, δοκιμάζονται και μη γραμμικά μοντέλα παλινδρόμησης που προσομοιάζουν την φθορά στη μηχανής, με σκοπό να εξεταστεί αν με την εφαρμογή τους θα δώσουν κάποια επιπλέον δυνατότητα ως προς την επόπτευση λειτουργίας και την πρόγνωση δυσλειτουργιών σε σχέση με τα γραμμικά. Στις μεθόδους ανάλυσης δεδομένων που εφαρμόζονται είναι και η μεθοδολογία ανάλυσης χρονοσειρών Box-Jerkins στο ίδιο σετ δεδομένων που χρησιμοποιήθηκε και στα προηγούμενα κεφάλαια. Ακολουθώντας την μεθοδολογία Box-Jerkins δοκιμάζονται διάφορα μοντέλα ARIMA και κατόπιν γίνεται διαγνωστικός έλεγχος των υπολοίπων, ώστε να βρεθεί αν το κάθε μοντέλο κρίνεται κατάλληλο για πρόβλεψη. Ακόμα, παρουσιάζεται μια μέθοδος επόπτευσης λειτουργίας με την χρήση του λογισμικού Matlab, προκειμένου να μελετηθεί η ημερήσια αλληλοσυσχέτιση των μετρήσεων διαδοχικών ημερών σε σχέση με την συχνότητα των on line πλυσιμάτων. Τέλος, κάθε μέθοδος που παρουσιάστηκε στα προηγούμενα κεφάλαια δοκιμάζεται σε νέες χρονοσειρές παραμέτρων υγείας και βαθμού απόδοσης συμπιεστή από τον αεριοστρόβιλο που παρουσιάστηκε αλλά και από διαφορετικούς. | el |
heal.abstract | In the context of the following diploma thesis, operating data from gas turbines are used in order to find the most suitable models and the most suitable parameters that can support a monitoring and forecasting process of a gas turbine’s condition. Primarily, an introduction to different methods of gas turbine prognostics using performance data is provided. Linear regression models are then applied to gas turbine data sets. By applying linear regression models from different number of data points, the evolution of values in the slopes is monitored. In addition, non-linear regression models that simulate degradation in gas turbines are being tested, in order to examine whether their application will provide any additional information in terms of operation monitoring and forecasting of malfunctions comparatively to the linear ones. Among the data analysis methods that are being used, is the Box-Jerkins time series analysis methodology in the same data set used in the previous chapters. Following the Box-Jerkins methodology, various ARIMA models are tested and then the residuals are being checked in order to detect if each model is suitable for prediction. Also, a condition monitoring method using Matlab software is presented, in order to study the daily correlation of the measurements of consecutive days in relation to the frequency of on line washes. Finally, each method presented in the previous chapters is tested in new time series of health parameters and compressor efficiency of different gas turbines. | en |
heal.advisorName | Μαθιουδάκης, Κωνσταντίνος | el |
heal.advisorName | Mathioudakis, Konstantinos | en |
heal.committeeMemberName | Γιαννάκογλου, Κυριάκος | el |
heal.committeeMemberName | Αρετάκης, Νικόλαος | el |
heal.academicPublisher | Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Μηχανολόγων Μηχανικών. Τομέας Ρευστών. Εργαστήριο Θερμικών Στροβιλομηχανών | el |
heal.academicPublisherID | ntua | |
heal.numberOfPages | 107 σ. | el |
heal.fullTextAvailability | false |
Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο: