Notice bibliographique
Résumé
Modern health management approaches for gas turbine engines (GTE) aim to acquire precise information about the health state of the GTE components to optimize the maintenance decisions with respect to both the economy and safety.The task becomes more challenging for the GTE parts inaccessible to direct measurements with the available sensors of the GTE control system.This article-based thesis integrates a set of five coherent research work to address this problem.A detailed nonlinear thermodynamic model for single shaft GTEs is developed to predict the expected cycle parameters for the GTE in the healthy condition.In reality, the measured cycle parameters gradually deviate from the prediction due to performance deterioration.Physics-based performance indicators are defined based on the deviations in the measured performance parameters, compared to the respective model predictions.The indicators can effectively monitor the GTE performance deterioration in both shortterm and long-term regimes.In the next step, effect of the air humidity is taken into account to enhance the GTE model, and it is shown that the enhanced model can improve the performance monitoring by reducing the uncertainties.In order to separate the effects of different fault modes, an inference-based model is developed to predict the short-term recoverable performance deterioration due to the compressor fouling under different ambient and operating conditions.For the long-term non-recoverable performance deterioration due to the degradation mechanisms in the turbine hot section, two steps are undertaken; 1) a state estimation framework is developed for nonlinear/non-Gaussian systems with non-uniform time steps to track a degradation symptom of the turbine, i.e., loss of isentropic efficiency, using the observable performance indicators, and 2) the state estimation framework is extended to multidimensional dynamical systems with stochastic inputs for simultaneous tracking of two degradation symptoms, i.e., loss of isentropic efficiency and increase of the mass flow, using the observable parameters, provided by the GTE operating system.The developed techniques and frameworks are verified and validated, using a set of three-year operating data from an industrial GTE in a power plant.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».