[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: ارسال مقاله :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: تماس با ما ::
بخش‌های اصلی
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
ثبت نام و اشتراک::
فرم برقراری ارتباط::
تماس با ما::
تسهیلات پایگاه::
بایگانی مقالات زیر چاپ::
آمار نشریه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
ISC
..
SID
..
..
:: دوره 13، شماره 3 - ( پاییز 1405 1405 ) ::
جلد 13 شماره 3 صفحات 29-1 برگشت به فهرست نسخه ها
مدیریت هوشمند فیلتراسیون سامانه‌های هوای ورودی توربین‌های گازی صنعتی: مرور نظام‌مند و ارائه یک چارچوب تصمیم‌یار مبتنی بر هوش مصنوعی برای انتخاب و ارزیابی سلامت فیلتر
سیدجمال موسوی*
واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران ، sjm.aeo.2025@gmail.com
چکیده:   (4 مشاهده)
سامانه هوای ورودی نقش مهمی در عملکرد، قابلیت اطمینان و طول عمر توربین‌های گازی صنعتی دارد. تجمع ذرات، تغییرات شرایط محیطی و افت تدریجی عملکرد فیلتر می‌تواند موجب افزایش اختلاف فشار، کاهش عملکرد و افزایش هزینه‌های نگه‌داری شود. با این‌حال، مدیریت متداول فیلترها عمدتاً بر بازدیدهای دوره‌ای، تجربه کارشناسی و شاخص‌های محدودی مانند اختلاف فشار متّکی است و ارزیابی یکپارچه سلامت فیلتر، عملکرد سامانه، شرایط محیطی و ملاحظات اقتصادی را فراهم نمی‌کند. در این پژوهش، با استفاده از مرور نظام‌مند مطالعات پیشین، کاربردهای هوش مصنوعی و یادگیری ماشین در پایش وضعیت، ارزیابی عملکرد و مدیریت فیلتراسیون سامانه‌های هوای ورودی توربین‌های گازی صنعتی بررسی شده و خلأ موجود در یکپارچه‌سازی ارزیابی سلامت فیلتر، عملکرد سامانه، ملاحظات پایداری و اقتصادی با فرآیند تصمیم‌گیری شناسایی شده است. بر مبنای این خلأ و با در نظر گرفتن ملاحظات صنعتی، یک چارچوب مفهومی برای مدیریت هوشمند, فیلتراسیون پیشنهاد شده است که در آن، چهار شاخص پیشنهادی شامل شاخص سلامت فیلتر(FHI)، شاخص عملکرد فیلتر و جریان هوا(AFPI)، شاخص سلامت هوشمند سامانه هوای ورودی(SAIHI) و شاخص اقتصادی فیلتر(FEI) برای یکپارچه‌سازی عوامل فنی، عملکردی، محیطی و اقتصادی به‌کار گرفته می‌شوند. در این چارچوب، روش‌های هوش مصنوعی و یادگیری ماشین به‌عنوان ابزارهای بالقوه برای تحلیل داده‌های عملیاتی، ارزیابی وضعیت و پشتیبانی از تصمیم‌گیری در نظر گرفته شده‌اند و نه به‌عنوان یک مدل آموزش‌دیده و اعتبارسنجی‌شده در پژوهش حاضر. شاخص‌های پیشنهادی و روابط مفهومی آن‌ها در این مرحله ماهیت اولیه داشته و هنوز اعتبارسنجی میدانی نشده‌اند، تعیین ضرایب، آستانه‌ها و ارزیابی عملکرد آن‌ها مستلزم استفاده از داده‌های واقعی و مطالعات میدانی آینده است. چارچوب پیشنهادی می‌تواند مبنایی برای توسعه یک سامانه تصمیم‌یار داده‌محور جهت تصمیم‌گیری درباره ادامه بهره‌برداری، نگه‌داری، تعویض یا ارتقای کلاس فیلتر در سامانه‌های هوای ورودی توربین‌های گازی صنعتی فراهم کند.
واژه‌های کلیدی: هوش مصنوعی، توربین گازی صنعتی، سامانه هوای ورودی، فیلتراسیون هوشمند، نگه‌داری پیش‌بینانه
متن کامل [PDF 1793 kb]   (3 دریافت)    
نوع مطالعه: مروری | موضوع مقاله: تخصصي
دریافت: 1405/6/7 | پذیرش: 1405/7/20 | انتشار: 1405/9/10
* نشانی نویسنده مسئول: واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Mousavi S J. Intelligent Filtration Management for Industrial Gas Turbine Inlet Air Systems: A Systematic Review and a Proposed AI-Based Decision-Support Framework for Filter Selection and Health Assessment. , تبدیل انرژی. 2026; 13 (3) :1-29
URL: http://jeed.dezful.iau.ir/article-1-585-fa.html

موسوی سیدجمال. مدیریت هوشمند فیلتراسیون سامانه‌های هوای ورودی توربین‌های گازی صنعتی: مرور نظام‌مند و ارائه یک چارچوب تصمیم‌یار مبتنی بر هوش مصنوعی برای انتخاب و ارزیابی سلامت فیلتر. , مهندسی مکانیک تبدیل انرژی. 1405; 13 (3) :1-29

URL: http://jeed.dezful.iau.ir/article-1-585-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 13، شماره 3 - ( پاییز 1405 1405 ) برگشت به فهرست نسخه ها
مجله علمی تخصصی مهندسی مکانیک تبدیل انرژی Journal of Energy Conversion
Persian site map - English site map - Created in 0.11 seconds with 43 queries by YEKTAWEB 4780