| KEYWORD |
Definizione di strategie di intelligenza artificiale per Health Monitoring di attuatori di controllo volo
Parole chiave AI, DIAGNOSTICA, MECCATRONICA, PHM, PROGNOSTICA
Riferimenti ANTONIO CARLO BERTOLINO, ANDREA DE MARTIN, MASSIMO SORLI
Gruppi di ricerca 14-Meccatronica e servosistemi
Tipo tesi RICERCA
Descrizione La manutenzione rappresenta una quota significativa del costo totale sulla vita operativa di un velivolo (fino al 60%), parte della quale è legata ad operazioni di manutenzione non necessarie ed eseguite per via di schemi di manutenzione preventiva eccessivamente conservativi o dalla difficoltà di giungere alla root cause di un guasto tramite le sequenze tradizionali di trouble shooting.
L’ottimizzazione di tali procedure di manutenzione viene perseguito tramite logiche di prognostica/diagnostica avanzate (PHM), in grado di osservare la presenza di un guasto prima che questi assuma caratteristiche critiche, classificarne opportunamente l’estensione e la tipologia, e seguirne nel tempo l’evoluzione al fine di fornire un’indicazione sulla vita utile residua del sistema degradato e programmare coerentemente l’azione manutentiva.
Gli algoritmi tipicamente impiegati nell’ambito PHM fanno riferimento a sistemi basati su machine-learning, ovvero algoritmi allenati a risolvere un’attività ristretta (diagnosi del guasto, prognosi) sulla base di training-set provenienti da dati simulati o da set-up sperimentali. Tali tipologie di algoritmo, seppure efficaci nella loro funzione, sono causa di alcune limitazioni:
· Gli algoritmi non sono in grado di interpretare autonomamente la presenza di guasti che non sono stati allenati a riconoscere
· La loro scalabilità su sistemi diversi appartenenti alla stessa famiglia è spesso scarsa
· Necessitano di training set statisticamente rappresentativi di eventi di guasto, che a meno di errori di progettazione rimangono eventi rari nella vita operativa di sistemi aeronautici
Per tali motivi si propone l’adozione di sistemi basati su intelligenza artificiale per affiancare, o sostituire, framework prognostici basati su algoritmi di machine learning.
L’attività di tesi verte sulla definizione di routines di intelligenza artificiale dedicate all’individuazione, classificazione ed eventualmente prognosi di guasti all’interno di servosistemi per controlli di volo. Al candidato sarà richiesto lo sviluppo di un’indagine bibliografica e la definizione progressiva di un algoritmo di intelligenza artificiale dotato di una logica di interpretazione in grado di dialogare con modelli high-fidelity e giungere ad una diagnosi del guasto senza appoggiarsi (unicamente) su sistemi di machine learning.
Conoscenze richieste Meccatronica
Scadenza validita proposta 05/02/2025
PROPONI LA TUA CANDIDATURA