Logowanie do System sprawozdań KDM

Szybki model neuronowy do wyznaczania stanów referencyjnych w diagnostyce łopatkowych poddźwiękowych kanałów przepływowych turbin parowych

Kierownik projektu: Anna Butterweck

Politechnika Gdańska

Wydział Oceanotechniki i Okrętownictwa

Gdańsk

Streszczenie projektu

Celem badań jest rozwój metody obliczeniowej opartej o sztuczne sieci neuronowe, która zostanie zastosowana do cieplno - przepływowej diagnostyki turbin parowych.

Badania wykonywane są w ramach pracy doktorskiej.

Obecnie narzędzia diagnostyczne dla siłowni turbinowych są oparte o tzw. metody 1D, które pozwalają ocenić przybliżony stan techniczny turbiny w oparciu o wyniki pomiarów. Pomiary dokonywane są zwykle w rurociągach, np. na dolocie i wylocie z turbiny, w upustach.

Ze względu na wysokie ciśnienie i temperaturę panujące w turbinach niemożliwym jest dokładne zmierzenie parametrów czynnika roboczego wewnątrz turbin. Ponadto ew. czujniki zaburzałyby przepływ generując straty.

Na podstawie pomiarów z modelu 1D, możliwymi do wykonania są symulacje komputerowej mechaniki płynów (CFD) pokazujące zachowanie czynnika roboczego wewnątrz kanału przepływowego. Program w którym wykonywane są symulacje CFD (często ANSYS FLUENT) rozwiązują nieliniowy układ równań mechaniki płynów co jest bardzo czasochłonne.

Dla diagnostyki cieplono - przepływowej turbin kluczowym jest czas wykonywania obliczeń. Rozpowszechnione programy CFD charakteryzują się zbyt długim czasem obliczeń, dlatego zaczęto poszukiwać innych metod obliczeniowych które pozwolą na uzyskanie rozkładów ciśnienia i temperatury w kanale przepływowym.

W ramach badań rozpoczęto rozwój metody obliczeniowej o sztuczne sieci neuronowe (SSN). Metoda ta wymaga treningu SSN, gdyż same SSN nie posiadają właściwości odpowiadających fizyce symulowanego zjawiska. Trening SSN odbywa się w oparciu o przeliczone, już wcześniej, za pomocą CFD przypadki. Następnie dla innych przypadków, które nie zostały użyte do treningu modelu neuronowego, sprawdzane jest działanie stworzonego modelu.

Jak dotąd uzyskano obiecujące wyniki dla geometrii dwu i trój wymiarowej. Obecnie trwają prace nad udoskonaleniem metody trójwymiarowej opartej o SSN.

Do wykonania i rozwoju modelu opartego o sztuczne sieci neuronowe niezbędnym oprogramowaniem jest Matlab + toolbox ANN + SIMULINK.

Publikacje

  1. A. Butterweck, J. Głuch, Accuracy Investigations of Turbine Blading Neural Models Applied to Thermal and Flow Diagnostics, Advances in Intelligent Systems and Computing 386, (2016) 267 - 274
  2. A. Butterweck, J. Głuch, Zastosowanie sztucznych sieci neuronowych do diagnostyki cieplno-przepływowej wieńców turbin parowych, Mechanik 7, (2014) 173 - 180
  3. A. Butterweck, J. Głuch, Application of spatial neural simulators of turbine blade rows to fluid flow diagnostics, Aktualne zagadnienia energetyki. - Tom 1 t. 1 , (2014) 179 - 189
  4. A. Butterweck, A. Grzymkowska, J. Głuch, ZASTOSOWANIE METOD SZTUCZNYCH SIECI NEURONOWYCH DO WYSZUKIWANIA STANÓW REFERENCYJNYCH PRZEPŁYWÓW W KANAŁACH ŁOPATKOWYCH DLA CELÓW DIAGNOSTYKI CIEPLNO-PRZEPŁYWOWEJ TURBIN PAROWYCH, O zastosowaniu neuronowych symulatorów przepływu przez kanały łopatkowe turbin do wyznaczania stanu referencyjnego w diagnostyce cieplno-przepływowej 1, (2014) 162 - 175

Centrum Informatyczne Trójmiejskiej Akademickiej Sieci Komputerowej
ul. G. Narutowicza 11/12, 80-233 Gdańsk   |   tel. 58-347-24-11
email: office@task.gda.pl   |   NIP: 584-020-35-93