Uso de minería de datos y máquinas de vectores de soporte para la optimización del enfriamiento de álabes de turbina de gas

Autores/as

  • José Omar Dávalos Ramírez Centro de Investigación en Ingeniería y Ciencias Aplicadas, Universidad Autónoma del Estado de Morelos. Av. Universidad 1001, Chamilpa. Cuernavaca, Morelos, México. CP 62210
  • Alberto Ochoa Ortiz-Zezzatti Juarez City University. México
  • Juan Carlos García Castrejón Centro de Investigación en Ingeniería y Ciencias Aplicadas, Universidad Autónoma del Estado de Morelos. Av. Universidad 1001, Chamilpa. Cuernavaca, Morelos, México. CP 62210
  • PhD Gustavo Urquiza Beltrán Centro de Investigación en Ingeniería y Ciencias Aplicadas, Universidad Autónoma del Estado de Morelos. Av. Universidad 1001, Chamilpa. Cuernavaca, Morelos, México. CP 62210

DOI:

https://doi.org/10.30973/progmat/2014.6.1/2

Palabras clave:

minería de datos, máquinas de vectores de soporte, reconocimiento de patrones, sistemas de soportes de decisión

Resumen


En este artículo se discute el uso de sistemas de decisión de soporte basados en minería de datos (para la evaluación histórica) y máquinas de vectores de soporte, con la finalidad de obtener los valores óptimos relacionados con la eficiencia de enfriamiento en un álabe de turbina de gas para determinar la adecuada selección de componentes y construir escenarios bajo incertidumbre. Esta investigación permite seleccionar un número específico de componentes, los cuales son evaluados a partir de un depósito de información con datos de otro sistema de energía. La intención de la presente investigación es aplicar propiedades computacionales, en este caso un modelo de optimización inteligente. El caso de estudio permite analizar las características individuales de cada componente con la emulación de una serie de características correspondientes (valores óptimos alcanzados por el algoritmo híbrido). De esta manera es posible predecir una mejor funcionalidad en un sistema de este tipo.

Biografía del autor/a

José Omar Dávalos Ramírez, Centro de Investigación en Ingeniería y Ciencias Aplicadas, Universidad Autónoma del Estado de Morelos. Av. Universidad 1001, Chamilpa. Cuernavaca, Morelos, México. CP 62210

José Omar Dávalos Ramírez is PhD candidate at the Research Center for Applied Sciences and Engineering (CIICAp), at Universidad Autónoma del Estado de Morelos. His thesis research is about the design and optimization of cooling systems in gas turbine blades using evolutionary algorithms, artificial neural networks, computational fluid dynamics and finite element method.

Alberto Ochoa Ortiz-Zezzatti, Juarez City University. México

Alberto Ochoa Ortiz-Zezzatti (BS, ’94, Eng. Master, ’00, PhD, ’04, Postdoctoral Researcher, ’06, and Industrial Postdoctoral Research, ’09). He joined Juarez City University in 2008. He has published 1 book and 7 chapters in books related to AI. He has supervised 17 PhD theses, 27 MSc theses and 29 undergraduate theses. He participated in the organization of COMCEV’07, COMCEV’08, HAIS’07, HAIS’08, HAIS’09, HAIS’10, HAIS’11, HAIS’12, ENC’06, ENC’07, ENC’08, MICAI’08, MICAI’09, MICAI’10 and MICAI’11. His research interests include evolutionary computation, natural processing language, anthropometrics characterization and social data mining. In his second postdoctoral research participated in an internship in ISTC-CNR in Rome, Italy

Juan Carlos García Castrejón, Centro de Investigación en Ingeniería y Ciencias Aplicadas, Universidad Autónoma del Estado de Morelos. Av. Universidad 1001, Chamilpa. Cuernavaca, Morelos, México. CP 62210

Juan Carlos García Castrejón is PhD professor at the Research Center for Applied Sciences and Engineering (CIICAp) at Universidad Autónoma del Estado de Morelos. He is member of the turbomachinery research group at CIICAp. He has been involved in research related to failure diagnosis, optimization, measurement of flow and vibration of turbomachines. He is coauthor in more than 17 conference or journal papers related to CFD or FEA applied to turbomachinery

PhD Gustavo Urquiza Beltrán, Centro de Investigación en Ingeniería y Ciencias Aplicadas, Universidad Autónoma del Estado de Morelos. Av. Universidad 1001, Chamilpa. Cuernavaca, Morelos, México. CP 62210

PhD Gustavo Urquiza Beltrán is professor at the Research Center for Applied Sciences and Engineering (CIICAp) at Universidad Autónoma del Estado de Morelos. His main research areas focus on turbomachinery, heat exchangers and termohydraulics. He has worked at Instituto de Investigaciones Eléctricas and Centro Nacional de Innovación y Desarrollo Tecnológico. He is author in more than 30 journal and conference papers and member of Sistema Nacional de Investigadores, level 1.

Citas

Min Kim, K. et al. (2011). Analysis of conjugated heat transfer, stress and failure in a gas turbine blade with circular cooling passages. Engineering Failure Analysis. https://doi.org/10.1016/j.engfailanal.2011.03.002

Campos, A. et al. (2008). Thermo-mechanical analysis and conceptual optimization of a first stage bucket. Procedings of ASME Turbo Expo 2008: Power for Land, Sea and Air. Berlin, Germany. https://doi.org/10.1115/GT2008-51217

Han, J. C., Ekkad, S. (2001). Recent development in turbine blade film cooling. International Journal of Rotating Machinery, vol. 7, 21-40. https://doi.org/10.1155/S1023621X01000033

Ronggang, J., Yongmei, L., Gaozhao C., Xuening F. (2012). Parallel predicting algorithm based on support vector regression machine. ACIS-ICIS, 488- 493. https://doi.org/10.1109/ICIS.2012.82

Patil, S. G., Mandal, S. A., Hegde, V. (2012). Genetic algorithm based support vector machine regression in predicting wave transmission of horizontally interlaced multi-layer moored floating pipe breakwater. Advances in Engineering Software, 45(1), 203-212. https://doi.org/10.1016/j.advengsoft.2011.09.026

Lee, L.H., Wan, C. H., Rajkumar, R., Isa, D. (2012). An enhanced support vector machine classification framework by using Euclidean distance function for text document categorization. Appl. Intell., 37(1), 80-99. An enhanced support vector machine classification framework by using Euclidean distance function for text document categorization

Diosan, L., Rogozan, A., Pécuchet, J. P. (2012). Improving classification performance of support vector machine by genetically optimising kernel shape and hyper-parameters. Appl. Intell., 36(2), 280-294. https://doi.org/10.1007/s10489-010-0260-1

Verstraete, T., Amaral, S., Van den Braembussche, R., Arts, T. (2008). Design and optimization of the internal cooling channels of a hp turbine blade-Part II: Optimization. Proceedings of ASME Turbo Expo 2008. https://doi.org/10.1115/1.3104615

Pierret, S., Van den Braembussche, R. Turbomachinery blade design using a navier-stokes solver and artificial neural network. https://doi.org/10.1115/1.2841318

Yang, C., Tao, J., Yu, J. (2009). Fault diagnosis of a hydro turbine generating set based on support vector machine. Intelligent Systems, GCIS ‘09. WRI Global Congress on, vol.3, 415-418. https://doi.org/10.1109/GCIS.2009.291

Sosa, B., Urquiza, G., Garcia, JC., Castro, L. Optimization of the impeller and diffuser of hydraulic submersible pump using computational fluid dynamics and artificial neural networks. https://doi.org/10.4018/978-1-4666-0297-7.ch018

Descargas

Publicado

28-02-2014

Cómo citar

Dávalos Ramírez, J. O. ., Ortiz-Zezzatti, A. O., García Castrejón, J. C., & Urquiza Beltrán, G. (2014). Uso de minería de datos y máquinas de vectores de soporte para la optimización del enfriamiento de álabes de turbina de gas. Programación matemática Y Software, 6(1), 7–13. https://doi.org/10.30973/progmat/2014.6.1/2

Número

Vol. 6 Núm. 1 (2014): Febrero de 2014

Sección

Artículos

Licencia

Derechos de autor 2014 Programación Matemática y Software

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

Usted es libre de:

Compartir — compartir y redistribuir el material publicado en cualquier medio o formato.
Adaptar — combinar, transformar y construir sobre el material para cualquier propósito, incluso comercialmente.

Bajo las siguientes condiciones:

Atribución — Debe otorgar el crédito correspondiente, proporcionar un enlace a la licencia e indicar si se realizaron cambios. Puede hacerlo de cualquier manera razonable, pero de ninguna manera que sugiera que el licenciador lo respalda a usted o a su uso.
  Sin restricciones adicionales: no puede aplicar términos legales o medidas tecnológicas que restrinjan legalmente a otros a hacer cualquier cosa que permita la licencia.

Artículos más leídos del mismo autor/a