Modelação baseada em dados de motores de turbina a gás - Asgari, Hamid
39,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
payback
20 °P sammeln
  • Broschiertes Buch

Actualmente, os motores de turbina a gás (GTE) são amplamente utilizados em motores a jacto, plataformas de campos petrolíferos, centrais eléctricas, refinarias, instalações petroquímicas e centrais de gás para produção de energia. Uma das melhores estratégias para fabricar GTE com maior eficiência, durabilidade e fiabilidade é a utilização de técnicas de modelização e simulação. Até à data, foram realizados estudos notáveis na área da modelação de GTE com base em dados, cada um com as suas próprias vantagens e limitações. O resultado destas actividades tem tido impactos significativos na…mehr

Andere Kunden interessierten sich auch für
Produktbeschreibung
Actualmente, os motores de turbina a gás (GTE) são amplamente utilizados em motores a jacto, plataformas de campos petrolíferos, centrais eléctricas, refinarias, instalações petroquímicas e centrais de gás para produção de energia. Uma das melhores estratégias para fabricar GTE com maior eficiência, durabilidade e fiabilidade é a utilização de técnicas de modelização e simulação. Até à data, foram realizados estudos notáveis na área da modelação de GTE com base em dados, cada um com as suas próprias vantagens e limitações. O resultado destas actividades tem tido impactos significativos na optimização e redução de custos dos processos de concepção e fabrico, e melhorias na monitorização do estado, operação, diagnóstico de falhas e planeamento da manutenção destes sistemas. Este livro investiga e compara novos modelos lineares e não lineares baseados em dados de motores de turbinas a gás. Os modelos lineares consistem em modelos Ridge, Lasso e Multi-Task Elastic-Net, que são construídos com base em regressões lineares. É criado e validado um modelo não linear do sistema, utilizando redes neuronais recorrentes (RNN). É demonstrado que o modelo RNN resultante pode ser aplicado de forma fiável para a previsão do desempenho do motor, seguindo as alterações nas entradas do sistema.
Autorenporträt
HAMID ASGARI ha conseguito il dottorato di ricerca in Ingegneria meccanica presso l'Università di Canterbury (UC) in Nuova Zelanda. Ha lavorato come ricercatore in centri di ricerca internazionali. Le sue competenze di ricerca riguardano l'analisi dei dati, l'apprendimento automatico, l'apprendimento profondo, la dinamica dei sistemi e la "modellazione, simulazione e controllo" dei sistemi industriali.