Έμβλημα Πολυτεχνείου Κρήτης
Το Πολυτεχνείο Κρήτης στο Facebook  Το Πολυτεχνείο Κρήτης στο Instagram  Το Πολυτεχνείο Κρήτης στο Twitter  Το Πολυτεχνείο Κρήτης στο YouTube   Το Πολυτεχνείο Κρήτης στο Linkedin

Νέα / Ανακοινώσεις / Συζητήσεις

Παρουσίαση Διπλωματικής Εργασίας κ. Εμμανουήλ Πατεράκη - Σχολή ΜΠΔ

  • Συντάχθηκε 04-07-2019 09:53 Πληροφορίες σύνταξης

    Ενημερώθηκε: -

    ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ

    ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ ΠΑΡΑΓΩΓΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ

     

    Ονοματεπώνυμο:               Πατεράκης Εμμανουήλ

    Αριθμός Μητρώου:            2012010089

     

    Θέμα

    Τίτλος στα Ελληνικά:       Παρακολούθηση δομικής ακεραιότητας σε πτέρυγα ανεμογεννήτριας με χρήση νευρωνικών δικτύων

    Τίτλος στα Αγγλικά:        Structural health monitoring of a wind  turbine wing using neural networks

     

    Εξεταστική Επιτροπή:

    Επιβλέπων:   Σταυρουλάκης Γεώργιος

    Πρώτο Μέλος: Σταυρουλάκη Μαρία         

    Δεύτερο Μέλος: Μπακατσάκη Μαρία       

     

    Περίληψη

    Λόγω 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.

               

    Περίληψη της εργασίας στα Αγγλικά

    Due 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 thesis, 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.


    Τόπος: Δ3 - Κτίριο ΜΠΔ, Δ3.005, Αίθουσα Πολλαπλών Χρήσεων Σχολής ΜΠΔ
    Έναρξη: 10/07/2019 10:30
    Λήξη: 10/07/2019 11:30


© Πολυτεχνείο Κρήτης 2012