Giorgio D'Alessio
Modellazione e anomaly detection di scambiatori di calore di velivoli elettrificati attraverso tecniche di Machine Learning = Modeling and anomaly detection of heat exchangers in electrified aircraft through Machine Learning techniques.
Rel. Massimo Sorli, Andrea De Martin. Politecnico di Torino, Master of science program in Mechanical Engineering, 2023
Abstract
La transizione dalla propulsione tradizionale basata su combustibili fossili alla propulsione elettrica è una necessità impellente per affrontare le sfide globali legate al cambiamento climatico e alla sostenibilità. Il target di net-zero emission entro il 2050 richiede, infatti, una profonda trasformazione nei settori dei trasporti e dell'energia e la propulsione elettrica offre una soluzione chiave in questo contesto. Tuttavia, una delle problematiche risultanti dalla transizione verso queste tecnologie consiste nello smaltimento del calore generato dall'elettronica di potenza e dai sistemi di propulsione elettrici. Il thermal management system (TMS) riveste un ruolo fondamentale nell'ambito dell'ingegneria aeronautica nell’ottica dell'evoluzione verso velivoli elettrificati. Il principale scopo di un TMS è quello di assicurare un efficace scambio termico, mantenendo la temperatura all’interno di range ottimali e garantendo il corretto funzionamento di sistemi critici come motori e dispositivi elettrici.
Nel contesto sempre più attuale dello sviluppo di strategie di manutenzione predittiva, è di fondamentale importanza riuscire ad individuare tempestivamente, se non anticipatamente, i guasti che possono verificarsi su sistemi di questo tipo
Publication type
URI
 |
Modify record (reserved for operators) |
