پیشبینی عمر مفید باقیمانده موتورهای توربین‌ گاز به روش دسته‌بندی سنی و بررسی مقاوم بودن روش پیشنهادی در شرایط کمبود داده

Abstract

روش‌های پیش‌بینی عمر مفید باقیمانده (پروگنوسیس ) داده-پایه برای اینکه بتوانند عملکرد مطلوبی داشته باشند، معمولاً نیازمند مقدار زیادی داده هستند تا ابتدا به خوبی آموزش ببینند، لذا عملکرد آنها به طور معمول برای مقادیر کم داده‌های آموزش مطلوب نمی‌باشد. روش پروگنوسیس به کمک دسته بندی سنی (ABC ) حجم داده‌های آموزش را از طریق بازتولید مجموعه اولیه داده‌ها در مقاطع مختلف افزایش می‌دهد، لذا این روش می‌تواند در مواردی که حجم داده‌های آموزش اندک می‌باشد، مورد استفاده واقع شود. همچنین، ساختار پیشنهادی ABC می‌تواند با بسیاری از روشهای متداول پیش‌بینی و تخمین ترکیب شده و دقت نتایج آنها را به طور قابل توجهی بهبود ببخشد. در این مقاله، ساختار پروگنوسیس ABC شرح و اثربخشی آن برای پیش‌بینی در یک مطالعه موردی در موتورهای توربین گاز نشان داده شده است. در قسمت اول کار، داده‌های کافی برای آموزش در دسترس بوده است. نتایج این قسمت با نتایج بهترین مقالات ارائه شده بر روی داده‌های مشابه مقایسه شده است. در قسمت دوم مطالعه موردی، مقاوم بودن روش پیشنهادی در شرایطی که حجم داده‌های آموزش محدود باشد بررسی شده است. در این قسمت خطای پیش‌بینی عمر برای موارد مختلف با حجم محدود داده‌های آموزش مقایسه شده است. نتایج این تحقیق اولاً بهره وری روش ABC را در مقایسه با سایر رویکردهای موجود (در شرایطی که داده آموزش غنای کافی دارد) نشان می‌دهد، و دوم مقاوم بودن روش را (در شرایطی که داده آموزش محدود است) نشان می‌دهد.