열력 발전기 장치의 장기 운영이 전혀 일반적인 변화가 되어 지고 있는 반면 가스 터빈 로터의 강철에서 발생한 피로균열은 기계의 운전 안전에 심각한 영향을 미치고 있습니다. 피로균열 분포 실험 자료의 부족과 무작위 모델 모델화의 복잡성은 피로균열의 잔존수명(RUL) 예측에 제한을 가하고 있습니다. 이미 존재하는 피로균열 분포 실험 자료 및 무작위 모델에 기반하여 통합 분산 확산(GMIE) 기술을 기반으로 가상 샘플을 생성해주는 방법을 제시하며 향후 정해진 주기 내의 피로균열 분포의 RUL을 예측하기 위해 ER 회귀와 극한 학습 기계(ELM) 뉴럴 네트워크 모델을 결합하였습니다. 이를 통하여 기존의 수치 해석 방법의 RUL 확률 밀도 함수(PDF) 및 피로균열 분포 곡선과 비교하였을 때 평균 절대 백분율 오차(δ_(MAPE))는 2.78%로 나타나 이러한 방법이 효과적임을 증명하고 가스 터빈 로터 시스템의 안전한 운전에 강력한 지원을 제공하였습니다.

통합 분산 확산, 피로균열 분포, VSG-ELM, 잔존수명 예측