Hyppää pääsisältöön

Oma esittely

Sain diplomitutkintoni (integroitu maisterin tutkinto) kone- ja ilmailutekniikasta Patraksen yliopistosta, Kreikasta korkeilla arvosanoilla vuonna 2018. Tutkimukseni keskittyy tekoälyn ja tilastollisten käsittelytekniikoiden toteuttamiseen tuuliturbiinien pikijärjestelmään liittyvien vikojen havaitsemiseksi ja tunnistamiseksi. Myös PhD-projektini tavoitteena on kehittää fysiikkapohjaisia malleja, joiden avulla voidaan selvittää tämän järjestelmän yleisimpien vikojen perimmäinen syy, joka voi olla joko tribologinen tai hydraulinen. Lisäksi minua kiinnostavat digitaaliset kaksoset, joissa yhdistyvät datatiede ja monimutkaisten järjestelmien fysiikkapohjaiset simulaatiot.

Tutkimuskohteet

  • Machine learning algoritmit
  • Deep learning
  • Time series analysis
  • Condition monitoring
  • Condition based maintenance
  • Predictive maintenance
  • Fault detection and classification

Tutkimusrahoitus

DSII - teollisuuden innovaatioiden tohtorikoulu, K.F. ja Maria Dunderbergin testamenttisäätiö

Merkittävimmät julkaisut

Korkos P., Kleemola J., Linjama M., Lehtovaara, A., "Representation Learning for Detecting the Faults in a Wind Turbine Hydraulic Pitch System Using Deep Learning ", Energies (2022), 15(24), 9279 

Korkos P., Kleemola J., Linjama M., Lehtovaara, A., "Fault Detection in a Wind Turbine Hydraulic Pitch System Using Deep Autoencoder Extracted Features ", PHM Society European Conference (2022), 7(1), 261–268. 

Korkos P., Linjama M., Kleemola J., Lehtovaara A., "Data annotation and feature extraction in fault detection in a wind turbine hydraulic pitch system ", Renewable Energy 185 (2022), 692-703

Omat linkit