Details
| Title | Предиктивная диагностика ГТУ на базе Т-32: выпускная квалификационная работа магистра: направление 13.04.03 «Энергетическое машиностроение» ; образовательная программа 13.04.03_02 «Паровые и газовые турбины» = Predictive diagnostics of GTU based on T-32 |
|---|---|
| Creators | Гаврилов Сергей Александрович |
| Scientific adviser | Култышев Алексей Юрьевич |
| Organization | Санкт-Петербургский политехнический университет Петра Великого. Институт энергетики |
| Imprint | Санкт-Петербург, 2025 |
| Collection | Выпускные квалификационные работы ; Общая коллекция |
| Subjects | предиктивная дигностика ГТУ ; газовая турбина Т-32 ; диагностика ; прогнозирование ; параметр оценки работы ГТУ ; predictive diagnostics of GTU ; T-32 gas turbine ; diagnostics ; forecasting ; GTU performance evaluation parameter |
| Document type | Master graduation qualification work |
| Language | Russian |
| Level of education | Master |
| Speciality code (FGOS) | 13.04.03 |
| Speciality group (FGOS) | 130000 - Электро- и теплоэнергетика |
| DOI | 10.18720/SPBPU/3/2025/vr/vr26-1206 |
| Rights | Доступ по паролю из сети Интернет (чтение) |
| Additionally | New arrival |
| Record key | ru\spstu\vkr\40877 |
| Record create date | 7/1/2026 |
Allowed Actions
–
Action 'Прочитать' will be available if you login or access site from another network
| Group | Anonymous |
|---|---|
| Network | Internet |
В данной работе проведен обзор и анализ источников информации, определен объект, предмет и метод исследования. Рассчитан прогнозный критерий оценки работоспособности ГТУ. Выполнен выбор и обоснование алгоритмов машинного обучения для предиктивной диагностики. Выполнен выбор математической модели, настройка и решение. Выполнен анализ полученных результатов и определены оптимальный метод машинного обучения.
In this paper, a review and analysis of information sources is carried out, the object, subject and method of research are determined. A predictive criterion for assessing the efficiency of the GTU has been calculated. The selection and justification of machine learning algorithms for predictive diagnostics is performed. The mathematical model has been selected, configured, and solved. The results were analyzed, and the optimal machine learning method was determined.
| Network | User group | Action |
|---|---|---|
| ILC SPbPU Local Network | All |
|
| Internet | Authorized users SPbPU |
|
| Internet | Anonymous |
|
