مرتضی منتظری - دانشگاه علم و صنعت ایران دانشکده مهندسی مکانیک تهران ایران
علی نکونام - دانشگاه علم و صنعت ایران دانشکده مهندسی مکانیک تهران ایران

یکی از چالش هایی که سیستم تشخیص عیب توربین گاز مبتنی بر داده با آن مواجه است عملکرد ضعیف آن برای شرایط کاری است که به دلابل مختلفدر طی فرایند آموزش در نظر گرفته نشده است. جهت رفع این مشکل در این پژوهش با بکار گیری مجموعه ای از ماشین های یادگیری حدی یک سیستمتشخیص عیب اجزاء مسیر گاز با قابلیت بروزرسانی با تعداد دلخواهی از داده های جدید ارائه شده است. سیستم عیب یابی مورد اشاره برای یک توربین گازصنعتی دومحوره تولید توان الکتریکی برپا شده و عملکرد آن با چهار سیستم عیب یابی دیگر. شامل شبکه های عصبی پس انتشار خطا و ماشین های بردارپشتیبان، بر اساس تحلیل ماتریس های درهمریختگی مقایسه شده است. نتایج نشان دهنده این است که سیستم تشخیص عیب مبتنی بر مجموعه شبکههای ماشین یادگیری حدی برخط دارای دقت مناسب بوده و در مقایسه با دیگر ساختارهای مورد بررسی کمترین زمان آموزش را داشته در حالی که دقتتشخیص آن به صورت برخط و سریع صرفا با دریافت داده های بارگذاری جدید قابل ارتقاء است.

تشخیص عیب، ماشین یادگیری حدی برخط، توربین گاز صنعتی، عیوب مسیر گاز، شبکه های عصبی مصنوعی