Ιδρυματικό Αποθετήριο
Πολυτεχνείο Κρήτης
EN  |  EL

Αναζήτηση

Πλοήγηση

Ο Χώρος μου

Παρακολούθηση δομηκής ακεραιότητας σε πτέρυγα ανεμογεννήτριας με χρήση νευρωνικών δικτύων

Paterakis Emmanouil

Απλή Εγγραφή


URIhttp://purl.tuc.gr/dl/dias/F3FB7969-74D0-467D-92BA-E95DFA0298E2-
Αναγνωριστικόhttps://doi.org/10.26233/heallink.tuc.82631-
Γλώσσαen-
Μέγεθος34 pagesen
ΤίτλοςStructural health monitoring of a wind turbine wing using neural networksen
ΤίτλοςΠαρακολούθηση δομηκής ακεραιότητας σε πτέρυγα ανεμογεννήτριας με χρήση νευρωνικών δικτύωνel
ΔημιουργόςPaterakis Emmanouilen
ΔημιουργόςΠατερακης Εμμανουηλel
Συντελεστής [Επιβλέπων Καθηγητής]Stavroulakis Georgiosen
Συντελεστής [Επιβλέπων Καθηγητής]Σταυρουλακης Γεωργιοςel
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Stavroulaki Mariaen
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Σταυρουλακη Μαριαel
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Bakatsaki Mariaen
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Μπακατσακη Μαριαel
ΕκδότηςTechnical University of Creteen
ΕκδότηςΠολυτεχνείο Κρήτηςel
Ακαδημαϊκή ΜονάδαTechnical University of Crete::School of Production Engineering and Managementen
Ακαδημαϊκή ΜονάδαΠολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και Διοίκησηςel
ΠεριγραφήΠροτυχιακή εργασία που κατατέθηκε στην σχολή Μηχανικών Παραγωγής και Διοίκησης για την πλήρωση των υποχρώσεων για την απόκτηση διπλώματος Μηχανικού Παραγωγής και Διοίκησηςel
ΠερίληψηDue to the stochastic nature of environmental loadings, a lot of interest is paid in the discovery of possible damages of the involved equipment in modern industry. In wind turbine's blades, where access is difficult and expensive, the development of a smart structural health monitoring system is essential. In the present paper, a large-scale composite wind turbine blade model is designed and used for the detection of several damage scenarios. The process which is presented here is mainly based on the development of monitoring techniques which exploit the capabilities of artificial neural networks. These techniques can provide the exact position of possible damages, under given external loading scenarios. Moreover, the use of such methods decreases significantly the need of external intervention and at the same time it increases the accuracy of the whole approach. The above processes are simulated using the finite element method.en
ΠερίληψηΛόγω του στοχαστικού χαρακτήρα των περιβαλλοντικών φορτίων, καταβάλλεται μεγάλη κάλυψη πιθανών ζημιών του εμπλεκόμενου εξοπλισμού στη σύγχρονη βιομηχανία. Στο φτερό της ανεμογεννήτριας, όπου η πρόσβαση είναι δύσκολη και δαπανηρή, η ανάπτυξη ενός έξυπνου συστήματος παρακολούθησης δομικής ακεραιότητας είναι απαραίτητη. Στην παρούσα εργασία, ένα σύνθετο μοντέλο φτερού ανεμογεννήτριας μεγάλης κλίμακας έχει σχεδιαστεί και χρησιμοποιηθεί για την ανίχνευση αρκετών σεναρίων ζημιών. Η διαδικασία που παρουσιάζεται εδώ βασίζεται κυρίως στην ανάπτυξη τεχνικών παρακολούθησης εκμεταλλευόμενη τις δυνατότητες των τεχνητών νευρωνικών δικτύων. Αυτές οι τεχνικές μπορούν να παράσχουν την ακριβής θέση πιθανών ζημιών, υπό δεδομένα σενάρια εξωτερικής φόρτωσης. Επιπλέον, η χρήση των μεθόδων αυτών μειώνουν σημαντικά την ανάγκη εξωτερικής παρέμβασης και ταυτόχρονα αυξάνουν την ακρίβεια ολόκληρης της προσέγγισης. Οι παραπάνω διαδικασίες προσομοιώνονται χρησιμοποιώντας την μέθοδος των πεπερασμένων στοιχείων.el
ΤύποςΔιπλωματική Εργασίαel
ΤύποςDiploma Worken
Άδεια Χρήσηςhttp://creativecommons.org/licenses/by/4.0/en
Ημερομηνία2019-07-10-
Ημερομηνία Δημοσίευσης2019-
Θεματική ΚατηγορίαStructural health monitoringen
Θεματική ΚατηγορίαΔομική ακεραιότητα κατασκευώνel
Βιβλιογραφική ΑναφοράEmmanouil Paterakis, "Structural health monitoring of a wind turbine wing using neural networks", Diploma Work, School of Production Engineering and Management, Technical University of Crete, Chania, Greece, 2019en
Βιβλιογραφική ΑναφοράΕμμανουήλ Πατεράκης, "Παρακολούθηση δομηκής ακεραιότητας σε πτέρυγα ανεμογεννήτριας με χρήση νευρωνικών δικτύων", Διπλωματική Εργασία, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2019el

Διαθέσιμα αρχεία

Υπηρεσίες

Στατιστικά