LOGIN / Acesse o sistema

Esqueceu sua senha? Redefina aqui.

Ainda não possui uma conta? Cadastre-se aqui!

REDEFINIR SENHA

Insira o endereço de email associado à sua conta que enviaremos um link de redefinição de senha para você.

Ainda não possui uma conta? Cadastre-se aqui!

Este conteúdo é exclusivo para membros ABCM

Inscreva-se e faça parte da comunidade

CADASTRE-SE

Tem uma conta?

Torne-se um membros ABCM

Veja algumas vantagens em se manter como nosso Associado:

Acesso regular ao JBSMSE
Boletim de notícias ABCM
Acesso livre aos Anais de Eventos
Possibilidade de concorrer às Bolsas de Iniciação Científica da ABCM.
Descontos nos eventos promovidos pela ABCM e pelas entidades com as quais mmantém acordo de cooperação.
Estudantes de gradução serão isentos no primeiro ano de afiliação.
10% de desconto para o Associado que pagar anuidade anntes de completar os 12 meses da última anuidade paga.
Desconto na compra dos livros da ABCM, entre eles: "Engenharia de Dutos" e "Escoamento Multifásico".
CADASTRE-SE SEGUIR PARA O VIDEO >

Tem uma conta?

Eventos Anais de eventos

Anais de eventos

DINAME 2023

XIX International Symposium on Dynamic Problems of Mechanics

The influence of proper orthogonal decomposition and smooth orthogonal decomposition on rotor unbalance fault classification

Submission Author: Leonardo Valero Pereira , RJ
Co-Authors: Leonardo Valero Pereira, Thiago Ritto
Presenter: Leonardo Valero Pereira

doi://10.26678/ABCM.DINAME2023.DIN2023-0033

 

Abstract

This work aims to classify different unbalance intensities located at the tip of gas turbine blades. The objective is to verify how the inclusion of proper (POD) and smooth orthogonal decomposition (SOD), as features of the machine learning problem, impact the accuracy of classifying the intensity of unbalance presented at the gas turbine. First, a full gas turbine model with previously identified bearings is set as a reference for test and training data set data generation. These rotordynamic models provided features related to displacement and velocity measured in both bearing nodes, which compose the base for the classification model under different unbalance conditions. Then, different groups of features were proposed to compare the influence of POD and SOD in classification results, which presented a gain of 3% compared with the models without these pair of features. Results demonstrated that both orthogonal decompositions provide different aspects of the physical phenomena, thus improving the classification of rotordynamic severity unbalance.

Keywords

Rotordynamics, Fault classification, Smooth Orthogonal Decomposition, Proper orthogonal decomposition (POD)

 

DOWNLOAD PDF

 

‹ voltar para anais de eventos ABCM