جناب آقای مهندس علی نکونام دانشجوی دکتری دانشکده مهندسی مکانیک دانشگاه علم و صنعت ایران، از رساله خود با عنوان «عیب یابی توربین گاز صنعتی با بکارگیری ماشین یادگیری حدی با مکانیزم جبران ساز» به راهنمایی جناب دکتر مرتضی منتظری قهجاورستانی در تاریخ 1402/06/20 ساعت 14:30 دفاع می کنند.
اساتید داور داخلی: دکتر میر سعید صفی زاده / دکتر اسماعیل خان میرزا
اساتید داور خارجی: دکتر محمد تشنه لب / دکتر آریا الستی
توربین‌های گاز صنعتی نقشی کلیدی در صنایع نفت و گاز و پتروشیمی و نیروگاه‌های تولید توان الکتریکی ایفا می‌کنند. ازاین‌رو اطمینان از کارکرد ایمن و بهینه چنین تجهیزاتی برای صاحبان این صنایع اهمیت فراوانی دارد. از این جهت پایش وضعیت توربین‌های گازی به‌عنوان یک ضرورت اجتناب‌ناپذیر جهت حفظ بازدهی و دسترس‌پذیری تجهیز مطرح شده است. یکی از شاخه‌های پایش وضعیت توربین گاز، عیب‌یابی به روش مسیر گاز است. هدف از این روش، تشخیص و شناسایی عیوب ایجاد شده در اجزائی از توربین گاز است که در مسیر جریان گاز عبوری قرار گرفته‌اند. کمپرسور و توربین از جمله‌ی این اجزاء به شمار می‌روند و ایجاد عیب در آنها بر راندمان و ظرفیت جریان (پارامترهای سلامت) اجزاء و به‌موازات آن بر عملکرد کل توربین گازی اثرگذار خواهد بود. دراین‌بین رسوب گرفتگی و فرسایش تیغه‌ها جزو مهم‌ترین عیوب پایش‌پذیر مسیر گاز به حساب می‌آیند.
حجم عظیم داده‌های دریافتی از توربین گازی و مسائل مربوط به ذخیره‌سازی داده‌ها، در دسترس نبودن اندازه‌گیری‌ها در بخش‌های داغ و وجود نویز اندازه‌گیری از جمله چالش‌های اساسی در توسعه سیستم عیب‌یابی برای توربین گاز است. لذا برای تشخیص عیوب مورد اشاره می‌بایست سیستمی توسعه داده شود که قبل از هر چیز توانایی رویارویی با نویز را داشته باشد، بتواند با حداقل تعداد ورودی کار کند و همچنین قابلیت یادگیری مجدد با دسته داده‌های محدود داشته باشد. جهت نیل به این اهداف در این پژوهش برای اولین‌بار نوعی شبکه عصبی عمیق تحت عنوان ماشین یادگیری حدی با مکانیزم جبران ساز عمیق جهت تشخیص عیب رسوب گرفتگی و فرسایش بکار گرفته شده، سپس در مرحله بعد به مدلی با قابلیت یادگیری افزایشی ارتقاء داده شده است.
