Tesi etd-06012020-095950 |
Link copiato negli appunti
Tipo di tesi
Tesi di laurea magistrale
Autore
FARINA, DARIO
URN
etd-06012020-095950
Titolo
Smart Ice control system based on Machine and Deep Learning Techniques
Dipartimento
INGEGNERIA CIVILE E INDUSTRIALE
Corso di studi
INGEGNERIA AEROSPAZIALE
Relatori
relatore Prof. Filippeschi, Sauro
correlatore Ing. Iorio, Carlo Saverio
supervisore Ing. Dongo, Désiré Patrice
correlatore Ing. Iorio, Carlo Saverio
supervisore Ing. Dongo, Désiré Patrice
Parole chiave
- unsupervised learning
- intelligenza artificiale
- decision tree
- supervised learning
- neural networks
- machine learning
- detezione ghiaccio
- ghiaccio ali aereo
- sistema antighiaccio
- antighiaccio
- de-icing
- pulse detection
- ghiaccio
- Ice detection
- Arduino
- Raspberry
- random forest
- logistic regression
- Multilayer Perceptron Neural Network
- graphene de-icing
- support vector machine
- artificial intelligence
Data inizio appello
16/06/2020
Consultabilità
Non consultabile
Data di rilascio
16/06/2090
Riassunto
La tesi sperimentale è stata svolta presso il Centro di ricerca di microgravità presso l'Université Libre de Bruxelles. L'obiettivo principale del progetto era quello di creare uno Smart System per il rilevamento e il controllo del ghiaccio.
Lo Smart System è stato creato per prevedere la formazione del ghiaccio applicando le tecniche di machine learning e di deep learning al fine di sciogliere il ghiaccio sulla superficie dell'ala se questo è formato. Sono stati usati diversi approcci per avere la migliore affinità per la previsione della formazione di ghiaccio su una superficie alare senza alcun intervento umano. Il sistema è completamente autonomo e l'intelligenza artificiale rende il sistema anche in grado di apprendere dall'addestramento precedente e migliorare le proprie decisioni in merito alla formazione del ghiaccio. Le previsioni vengono eseguite applicando due metodi: uno chiamato passivo per quanto riguarda il fenomeno naturale chiamato "sopraffusione" quando c'è una diminuzione naturale della temperatura; il secondo è un metodo attivo utilizzato quando la temperatura scende sotto -15 ° C e viene inviato un impulso per prevedere se si forma o meno del ghiaccio sull'ala. In particolare per la parte dello scioglimento del ghiaccio è stata utilizzata una resistenza creata con strisce di Grafene.
Questo progetto è in collaborazione con Airbus.
The experimental thesis has been carried out at Microgravity Research Center at Université Libre de Bruxelles. The main goal of the project was to create a Smart System for ice detection and control.
The Smart System has been created to make prediction of the ice formation applying machine learning and deep learning techniques in order to melt the ice over the wing surface if it is formed. Several approaches have been used in order to have the best affinity for prediction of ice formation over a wing surface without any human intervention. The system is completely autonomous and artificial intelligence makes the system able also to learn from the previous training and improve its own decisions regarding the ice formation. The predictions are performed applying two methods: one called passive regarding the natural phenomenon called “supercooling” when there is a natural temperature decreasing; the second one is an active method used when the temperature decreases under -15°C , and a pulse is sent to predict if ice is formed or not over the wing. In particular for the part regarding the Ice melting has been created a resistance in Graphene.
This project is in collaboration with Airbus.
Lo Smart System è stato creato per prevedere la formazione del ghiaccio applicando le tecniche di machine learning e di deep learning al fine di sciogliere il ghiaccio sulla superficie dell'ala se questo è formato. Sono stati usati diversi approcci per avere la migliore affinità per la previsione della formazione di ghiaccio su una superficie alare senza alcun intervento umano. Il sistema è completamente autonomo e l'intelligenza artificiale rende il sistema anche in grado di apprendere dall'addestramento precedente e migliorare le proprie decisioni in merito alla formazione del ghiaccio. Le previsioni vengono eseguite applicando due metodi: uno chiamato passivo per quanto riguarda il fenomeno naturale chiamato "sopraffusione" quando c'è una diminuzione naturale della temperatura; il secondo è un metodo attivo utilizzato quando la temperatura scende sotto -15 ° C e viene inviato un impulso per prevedere se si forma o meno del ghiaccio sull'ala. In particolare per la parte dello scioglimento del ghiaccio è stata utilizzata una resistenza creata con strisce di Grafene.
Questo progetto è in collaborazione con Airbus.
The experimental thesis has been carried out at Microgravity Research Center at Université Libre de Bruxelles. The main goal of the project was to create a Smart System for ice detection and control.
The Smart System has been created to make prediction of the ice formation applying machine learning and deep learning techniques in order to melt the ice over the wing surface if it is formed. Several approaches have been used in order to have the best affinity for prediction of ice formation over a wing surface without any human intervention. The system is completely autonomous and artificial intelligence makes the system able also to learn from the previous training and improve its own decisions regarding the ice formation. The predictions are performed applying two methods: one called passive regarding the natural phenomenon called “supercooling” when there is a natural temperature decreasing; the second one is an active method used when the temperature decreases under -15°C , and a pulse is sent to predict if ice is formed or not over the wing. In particular for the part regarding the Ice melting has been created a resistance in Graphene.
This project is in collaboration with Airbus.
File
| Nome file | Dimensione |
|---|---|
Tesi non consultabile. |
|