dc.contributor.advisor | Χαμηλοθώρης, Γεώργιος | |
dc.contributor.author | Παπαδόπουλος, Δημήτριος Ιάσων | |
dc.date.accessioned | 2023-07-24T21:56:16Z | |
dc.date.available | 2023-07-24T21:56:16Z | |
dc.date.issued | 2023-07-18 | |
dc.identifier.uri | https://polynoe.lib.uniwa.gr/xmlui/handle/11400/4820 | |
dc.identifier.uri | http://dx.doi.org/10.26265/polynoe-4658 | |
dc.description.abstract | In this diploma thesis, different techniques of Predictive Maintenance based on Machine Learning are compared. In particular, the Remaining Useful Life of a ball bearing of the shaft of a Wind Turbine was predicted with different methods: Classification algorithms, degradation models and real time updates using a Kalman Filter. In the first half, the theory of ball bearing failure
mechanisms, predictive maintenance and machine learning is analyzed. At the second half, different methods are implemented for the prediction of the remaining useful life. Last, the writer comes to a conclusion about the efficiency of each method. | el |
dc.format.extent | 95 | el |
dc.language.iso | en | el |
dc.publisher | Πανεπιστήμιο Δυτικής Αττικής | el |
dc.rights | Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές | * |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές | * |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Machine learning | el |
dc.subject | Predictive maintenance | el |
dc.subject | Remaining useful life | el |
dc.subject | Degradation models | el |
dc.subject | Classification | el |
dc.subject | Kalman filter | el |
dc.subject | Μηχανική μάθηση | el |
dc.subject | Φίλτρο Kalman | el |
dc.subject | Προγνωστική συντήρηση | el |
dc.title | Machine learning methods for predictive maintenance using real-time data and time-frequency analysis | el |
dc.title.alternative | Μέθοδοι μηχανικής μάθησης για προδεικτική συντήρηση με χρήση δεδομένων πραγματικού χρόνου και ανάλυση χρόνου-συχνότητας | el |
dc.type | Διπλωματική εργασία | el |
dc.contributor.committee | Κονδύλη, Αιμιλία | |
dc.contributor.committee | Drosos, Christos | |
dc.contributor.faculty | Σχολή Μηχανικών | el |
dc.contributor.department | Τμήμα Μηχανολόγων Μηχανικών | el |
dc.description.abstracttranslated | Σε αυτή τη διπλωματική εργασία, γίνεται σύγκριση μεθόδων μηχανικής μάθησης για προδεικτική συντήρηση. Ειδικότερα, γίνεται πρόβλεψη για την εναπομένουσα ωφέλιμη ζωή ενός εδράνου, στον άξονα μιας ανεμογεννήτριας, με τις εξής μεθόδους, αλγόριθμους classification, μοντέλα degradation και συνεχής ανανέωση, με χρήση του φίλτρου Kalman. Σε πρώτη φάση, αναλύεται η θεωρία, σχετικά με τους μηχανισμούς αστοχίας των εδράνων, την μηχανική μάθηση και την προδεικτική συντήρηση. Στη συνέχεια, αυτές οι μέθοδοι, χρησιμοποιούνται για τον υπολογισμό της εναπομένουσας ωφέλιμης ζωής. Τέλος, ο συγγραφές αναλύει τα συμπεράσματά του για την αποδοτικότητα της κάθε μεθόδου. | el |