Μοντελοποίηση και διάγνωση βλαβών αεριοστροβίλων σε περιβάλλον MATLAB/Simulink

Φιλιππόπουλος, Ιωάννης-Παναγιώτης; Filippopoulos, Ioannis-Panagiotis

dc.contributor.author	Φιλιππόπουλος, Ιωάννης-Παναγιώτης	el
dc.contributor.author	Filippopoulos, Ioannis-Panagiotis	en
dc.date.accessioned	2023-02-02T09:23:15Z
dc.date.available	2023-02-02T09:23:15Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/57043
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.24741
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	Αεριοστρόβιλοι	el
dc.subject	Νευρωνικά Δίκτυα	el
dc.subject	Μοντελοποίηση	el
dc.subject	Προσομοίωση	el
dc.subject	Gas turbines	en
dc.subject	Neural Networks	en
dc.subject	Modeling	en
dc.subject	Simulation	en
dc.subject	Διαγνωστική	el
dc.subject	Diagnostics	en
dc.title	Μοντελοποίηση και διάγνωση βλαβών αεριοστροβίλων σε περιβάλλον MATLAB/Simulink	el
dc.title	Gas turbine fault modeling and diagnosis in MATLAB/Simulink	en
heal.type	bachelorThesis
heal.classification	Αεροπορικοί κινητήρες	el
heal.classification	Στροβιλομηχανές	el
heal.classification	Aircraft engines	en
heal.classification	Turbomachines	en
heal.language	el
heal.language	en
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2022-10-18
heal.abstract	Η ανάπτυξη υπολογιστικών μοντέλων για την πραγματοποίηση προσομοίωσης και διάγνωσης σε αεριοστροβίλους είναι αρκετά διαδεδομένη τόσο σε ακαδημαϊκό, όσο και σε βιομηχανικό επίπεδο. Στην παρούσα εργασία αναπτύχθηκε μια εφαρμογή στο περιβάλλον Matlab/Simulink με σκοπό ο χρήστης της να μπορεί να πραγματοποιήσει προσομοίωση και διάγνωση σε έναν αεριοστρόβιλο. Επιπροσθέτως, δημιουργήθηκαν κώδικες που χρησιμοποιούν Νευρωνικά Δίκτυα για την διάγνωση βλαβών ενός αεροπορικού κινητήρα αξιοποιώντας την Εργαλειοθήκη Βαθιάς Μάθησης (Deep Learning Toolbox) της Matlab. Για τον σκοπό αυτό αναπτύχθηκε ένα μοντέλο κινητήρα στο περιβάλλον Simulink χρησιμοποιώντας την βιβλιοθήκη συνιστωσών αεριοστροβίλων T-MATS της NASA και στη συνέχεια, μέσω του App Designer της Matlab, δημιουργήθηκε η διεπαφή χρήστη της εφαρμογής. Η εφαρμογή που αναπτύχθηκε μπορεί να χρησιμοποιηθεί ως ένα έτοιμο εργαλείο προσομοίωσης και διάγνωσης ενός αεριοστρόβιλου, παρέχοντας στον χρήστη έλεγχο του σημείου λειτουργίας και δίνοντάς του πλήρη εποπτεία της κατάστασής του. Τέλος, βρέθηκε πως τα Νευρωνικά Δίκτυα που αναπτύχθηκαν είχαν ποσοστό επιτυχούς ταξινόμησης προτύπων πάνω από 90%.	el
heal.abstract	Development of computational models to conduct simulations and diagnoses of gas turbines is fairly prevalent both in the academic and the industrial level. In the present thesis an app was developed in the Matlab/Simulink environment aiming for the user to be able to perform simulations and diagnoses on a gas turbine. Furthermore, scripts that employ Neural Networks were created in order to perform aircraft engine diagnosis utilizing Matlab's Deep Learning Toolbox. For this purpose, an engine model was developed in the Simulink environment using NASA's gas turbine component library T-MATS and subsequently a user interface was created using Matlab's App Designer. The developed app can be used as a ready-to-use simulation and diagnosis tool of a gas turbine, providing the user control of the operating point and allowing for a full overview of its state. Finally, the developed Neural Networks had a rate of successfull pattern classification of over 90%.	en
heal.abstract	Development of computational models to conduct simulations and diagnoses of gas turbines is fairly prevalent both in the academic and the industrial level. In the present thesis an app was developed in the Matlab/Simulink environment aiming for the user to be able to perform simulations and diagnoses on a gas turbine. Furthermore, scripts that employ Neural Networks were created in order to perform aircraft engine diagnosis utilizing Matlab’s Deep Learning Toolbox. For this purpose, an engine model was developed in the Simulink environment using NASA’s gas turbine component library T-MATS and subsequently a user interface was created using Matlab’s App Designer. The developed app can be used as a ready-to-use simulation and diagnosis tool of a gas turbine, providing the user control of the operating point and allowing for a full overview of its state. Finally, the developed Neural Networks had a rate of successfull pattern classification of over 90%.	en
heal.advisorName	Αρετάκης, Νικόλαος	el
heal.advisorName	Aretakis, Nikolaos	en
heal.committeeMemberName	Μαθιουδάκης, Κωνσταντίνος	el
heal.committeeMemberName	Γιαννάκογλου, Κυριάκος	el
heal.committeeMemberName	Αρετάκης, Νικόλαος	el
heal.committeeMemberName	Mathioudakis, Konstantinos	en
heal.committeeMemberName	Giannakoglou, Kyriakos	en
heal.committeeMemberName	Aretakis, Nikolaos	en
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Μηχανολόγων Μηχανικών. Τομέας Ρευστών. Εργαστήριο Θερμικών Στροβιλομηχανών	el
heal.academicPublisherID	ntua
heal.numberOfPages	100 σ.	el
heal.fullTextAvailability	false