39,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
payback
20 °P sammeln
  • Broschiertes Buch

Oggi i motori a turbina a gas (GTE) sono ampiamente utilizzati nei motori a reazione, nelle piattaforme dei giacimenti petroliferi, nelle centrali elettriche, nelle raffinerie, negli impianti petrolchimici e nelle stazioni di gas per la generazione di energia. Una delle migliori strategie per produrre GTE con maggiore efficienza, durata e affidabilità è l'impiego di tecniche di modellazione e simulazione. Finora sono stati condotti studi notevoli nel campo della modellazione guidata dai dati dei GTE, ognuno con i propri vantaggi e limiti. I risultati di queste attività hanno avuto un impatto…mehr

Produktbeschreibung
Oggi i motori a turbina a gas (GTE) sono ampiamente utilizzati nei motori a reazione, nelle piattaforme dei giacimenti petroliferi, nelle centrali elettriche, nelle raffinerie, negli impianti petrolchimici e nelle stazioni di gas per la generazione di energia. Una delle migliori strategie per produrre GTE con maggiore efficienza, durata e affidabilità è l'impiego di tecniche di modellazione e simulazione. Finora sono stati condotti studi notevoli nel campo della modellazione guidata dai dati dei GTE, ognuno con i propri vantaggi e limiti. I risultati di queste attività hanno avuto un impatto significativo sull'ottimizzazione e la riduzione dei costi dei processi di progettazione e produzione, nonché sui miglioramenti nel monitoraggio delle condizioni, nel funzionamento, nella diagnosi dei guasti e nella pianificazione della manutenzione di questi sistemi. Questo libro analizza e confronta i nuovi modelli lineari e non lineari di motori a turbina a gas. I modelli lineari consistono in modelli Ridge, Lasso e Multi-Task Elastic-Net, costruiti sulla base di regressioni lineari. Un modello non lineare del sistema è stato creato e convalidato utilizzando reti neurali ricorrenti (RNN). Si dimostra che il modello RNN risultante può essere applicato in modo affidabile per la previsione delle prestazioni del motore seguendo le variazioni degli ingressi del 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.