Дослідження можливостей використання інструментів штучного інтелекту Microsoft Copilot для контролю теплового стану елементів газотурбінних двигунів

dc.contributor.authorСавушкін В. В.
dc.contributor.authorСербін С. І.
dc.date.accessioned2025-12-08T09:45:28Z
dc.date.issued2025
dc.descriptionСавушкін, В. В. Дослідження можливостей використання інструментів штучного інтелекту Microsoft Copilot для контролю теплового стану елементів газотурбінних двигунів = Research on the possibilities of using Microsoft Copilot artificial intelligence tools to control the thermal state of gas turbine elements / В. В. Савушкін, С. І. Сербін // Зб. наук. пр. НУК. – Миколаїв : Гельветика, 2025. – № 3 (501). – С. 85–96.
dc.description.abstractГазотурбінні двигуни (ГТД) у складі енергетичних установок відіграють вирішальну роль у сучасних системах генерації електроенергії. Зважаючи на невпинний розвиток виробничих процесів, питання постійного розширення потужностей генерації енергії є актуальним і навіть вирішальним у гонитві за технологічною перевагою. Також із підвищенням рівня життя у розвинутих країнах світу все більше зростає кількість обладнання, що використовується як у побуті, так і в сферах обслуговування та надання послуг. А ці процеси, також потребують додаткового обсягу енергії. Отже, нарощування потужностей та покращення ефективності роботи ГТД у складі енергетичних установок як одного з розповсюджених методів генерації енергії є актуальним питанням. Одним з методів підвищення потужності та ефективності ГТД є підвищення температури на вході в турбіну високого тиску. Реалізація цього методу завжди пов’язана з ризиками термічного та динамічного навантаження на елементи турбіни і, як наслідок, з можливим виходом із ладу вузлів та агрегатів ГТД. Тому контроль теплового стану елементів турбіни ГТД в процесі модернізації розроблених двигунів або проєктування нових з впровадженням заходів щодо підвищення температури на вході в турбіну, є дуже важливим задля зберігання належного функціонування установок. Метою статті є дослідження можливостей додаткового контролювання теплового стану елементів турбіни ГТД інструментами штучного інтелекту (ШІ) Microsoft Copilot (MC), який працює в складі GPT-4 (Generative Pre-trained Transformer), розробленого корпорацією Microsoft спільно з OpenAI для операційних систем Windows 10 та 11, Android, iOS, сервісу Microsoft 365 та веббраузера Microsoft Edge. Розглянуто послідовність запитів до ШІ МС для розуміння шляху отримання найкращих варіантів розв’язання поставленого завдання. Для досягнення мети дослідження запропоновано методику побудови запитів за принципом наближення та уточнення. Представлено план побудови запитів до ШІ МС. Отримані результати дозволили відкоригувати загальні відомості щодо вирішення питання контролю температурного стану елементів турбіни ГТД. Наукова новизна проведеного дослідження полягає в обґрунтуванні та апробації підходу до використання ШІ для розв’язання прикладних завдань контролю теплового стану елементів турбіни газотурбінного двигуна. Практична значимість полягає у реалізації підходу до формування запитів із використанням принципу наближення та уточнення, що дозволяє ефективно застосовувати можливості ШІ для аналітики, генерації технічних рішень та потенційної оптимізації процесу контролю теплового стану елементів турбіни ГТД.
dc.description.abstract1Gas turbine engines (GTEs) in power plants have been identified as playing a pivotal role in contemporary power generation systems. In view of the relentless technological development of production processes and the increasing complexity of the continuous improvement of electronic components used in consumer and professional products, the issue of constantly expanding energy generation capacities is relevant and even crucial in the pursuit oftechnological superiority. Moreover, concomitant with the enhancement of living standards in developed countries, there has been an increase in the utilisation of equipment, both in domestic and service sector contexts. It is important to note that these processes also require additional energy. Consequently, enhancing the capacity and efficiency of gas turbine engines in power plants, a predominant method of energy generation, has become a pressing concern in the present day. A methodology for enhancing the power and efficiency of gas turbine engines involves the augmentation of temperature at the inlet of the high-pressure turbine. The implementation of this method invariably entails the potential for thermal and dynamic loads to be exerted on turbine components, which, in turn, may precipitate the failure of gas turbine engine components and assemblies. Consequently, the monitoring of the thermal state of gas turbine engine components during the modernisation of existing engines or the design of new ones, with the introduction of measures to increase the temperature at the turbine inlet, is of paramount importance for maintaining the proper functioning of the units. The purpose of this article is to undertake a theoretical investigation into methodologies for the monitoring of the thermal state of gas turbine engine components, as proposed by the Microsoft Copilot (MC) artificial intelligence (AI) tool. This tool is operated by the GPT-4 (Generative Pre-trained Transformer) model, which was developed by Microsoft in collaboration with OpenAI for the Windows 10 and 11 operating systems, Android, iOS, the Microsoft 365 service, and the Microsoft Edge web browser. The sequence of queries directed towards MC AI is regarded as a means to comprehend the methodology required to identify optimal solutions to the task at hand. In order to achieve the aforementioned research objective, a methodology for constructing queries is proposed, founded upon the principles of approximation and refinement. The following paper sets out a scheme for constructing queries to MC AI. The obtained results made it possible to correct the general information on solving the issue of controlling the temperature state of gas turbine engine components. The scientific novelty of the study lies in the justification and testing of the approach to using AI to solve applied problems of controlling the thermal state of gas turbine engine components. The practical importance of this approach lies in its implementation for the formation of queries using the principle of approximation and refinement. This principle allows for the effective application of AI capabilities for analytics, technical solution generation, and the optimisation of the process of monitoring the thermal state of GTE turbine components.
dc.identifier.issn2311-3405 (Print)
dc.identifier.issn2313-0415 (Online)
dc.identifier.urihttps://eir.nuos.edu.ua/handle/123456789/11476
dc.language.isouk
dc.relation.ispartofseriesУДК; 621.438:004.8
dc.subjectгазотурбінний двигун
dc.subjectтеплова діагностика
dc.subjectтемпературне навантаження
dc.subjectтурбіна високого тиску
dc.subjectштучний інтелект
dc.subjectMicrosoft Copilot
dc.subjectGPT-4
dc.subjectенергетична установка
dc.subjectцифрові технології
dc.subjectgas turbine engine
dc.subjectthermal diagnostics
dc.subjectthermal load
dc.subjecthigh-pressure turbine
dc.subjectartificial intelligence
dc.subjectpower plant
dc.subjectengineering queries
dc.subjectdigital technologies
dc.titleДослідження можливостей використання інструментів штучного інтелекту Microsoft Copilot для контролю теплового стану елементів газотурбінних двигунів
dc.title.alternativeResearch on the possibilities of using Microsoft Copilot artificial intelligence tools to control the thermal state of gas turbine elements
dc.typeArticle

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Вантажиться...
Ескіз
Назва:
Savushkin.pdf
Розмір:
1.45 MB
Формат:
Adobe Portable Document Format

Ліцензійна угода

Зараз показуємо 1 - 1 з 1
Вантажиться...
Ескіз
Назва:
license.txt
Розмір:
4.38 KB
Формат:
Item-specific license agreed upon to submission
Опис:

Зібрання