Nel presente lavoro di tesi si descrive un metodo che concili analisi dei dati e conoscenze numerico ingegneristiche per l’analisi a fatica di strutture a comportamento dinamico, principalmente soggette ad oscillazioni ed eventi di larga scala. In particolare, lo studio riguarda i riser, tubi per l’estrazione di risorse da giacimenti off-shore che collegano una nave ancorata a pozzi di estrazione su fondali marini. Il metodo prevede una modellizzazione numerica data-driven dei sistemi e l’utilizzo di reti neurali ricorrenti per prevedere lo stato di sollecitazione di alcune sezioni critiche, sulla base di dati raccolti in alcune sezioni spostamento delle sezioni di monitoraggio e alla tensione delle sezioni critiche lungo il riser, vengono costruite reti neurali ricorrenti in grado di imparare la correlazione tra dati forniti dai punti monitoraggio e tensione dei punti critici. Quindi si analizza la capacità delle reti neurali di fare predizioni su tali grandezze critiche e si studiano il numero e la posizione ottimali dei sensori per il monitoraggio
Reti neurali ricorrenti: un modello matematico per la previsione del danno a fatica
Millevoi, Caterina
2020/2021
Abstract
Nel presente lavoro di tesi si descrive un metodo che concili analisi dei dati e conoscenze numerico ingegneristiche per l’analisi a fatica di strutture a comportamento dinamico, principalmente soggette ad oscillazioni ed eventi di larga scala. In particolare, lo studio riguarda i riser, tubi per l’estrazione di risorse da giacimenti off-shore che collegano una nave ancorata a pozzi di estrazione su fondali marini. Il metodo prevede una modellizzazione numerica data-driven dei sistemi e l’utilizzo di reti neurali ricorrenti per prevedere lo stato di sollecitazione di alcune sezioni critiche, sulla base di dati raccolti in alcune sezioni spostamento delle sezioni di monitoraggio e alla tensione delle sezioni critiche lungo il riser, vengono costruite reti neurali ricorrenti in grado di imparare la correlazione tra dati forniti dai punti monitoraggio e tensione dei punti critici. Quindi si analizza la capacità delle reti neurali di fare predizioni su tali grandezze critiche e si studiano il numero e la posizione ottimali dei sensori per il monitoraggioThe text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
https://hdl.handle.net/20.500.12608/22413