Automated Fault Diagnosis of a Micro Turbine With Comparison to a Neural Network Technique
Notice bibliographique
Résumé
In the predicted future of distributed power generation, a large number of users will operate gas turbine powered cogeneration systems. These systems will be small, relatively inexpensive, and installed in locations without ready access to experts in gas turbine maintenance. Consequently, an automated system to monitor the engine and diagnose the health of the system is required. To remain compatible with the low cost of the overall system, the diagnostic system must also be relatively inexpensive to install and operate. Therefore, a minimum number of extra sensors and computing power should be used. A statistical technique is presented that compares the engine operation over time to the expected trends for particular faults. The technique ranks the probability that each fault is occurring on the engine. The technique can be used online, with daily data from the engine forming a trend for comparison, or, with less accuracy, based on a single operating point. The use of transient operating data with this technique is also examined. This technique has the advantage of providing an automated numerical result of the probability of a particular mode of degradation occurring, but can also produce visual plots of the engine operation. This allows maintenance staff to remain involved in the process, if they wish, rather than the system operating purely as a black box, and provides an easy to understand aid for discussions with operators. The technique is compared to an off the shelf neural network to determine its usefulness in comparison to other diagnostic methods. The test bed was a micro turbojet engine. The data to test the system was obtained from both experiment and computer modeling of the test engine.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».