Riassunto analitico
La crescente complessità dei sistemi industriali rilevata negli ultimi anni ha portato alla necessità di utilizzare altrettanto sofisticati sistemi di identificazione e diagnosi dei guasti, in modo da massimizzare la performance dei sistemi stessi. I dispositivi di controllo oggi utilizzati per migliorare le prestazioni complessive dei processi industriali coinvolgono complesse tecniche di progettazione sia di sistemi digitali che di hardware; come conseguenza, la probabilità che si verifichi un guasto su tali apparecchiature può risultare significativa. È stata, pertanto, proposta un’ampia varietà di metodologie di fault detection, ossia sistemi di supervisione che consentano di rilevare e isolare le condizioni di lavoro anomale il prima possibile. Tra i vari metodi, le tecniche basate su modelli sono state riconosciute come potenti approcci per la diagnosi dei guasti e richiedono un modello matematico realistico del sistema monitorato. Un efficace sistema di diagnosi dei guasti basato su modelli dovrebbe, però, gestire anche i rumori e le incertezze di modellazione, sempre presenti e principali responsabili della failure di questi metodi. Questa tesi è stata sviluppata presso la divisione Testing dell’azienda HPE-Coxa e mira a definire una metodologia di rilevamento dei guasti applicata all’impianto di trattamento aria comburente (ACS) della sala prova dedicata al testing del motore monocilindrico di proprietà di Ferrari GeS. L’idea alla base del progetto è quella di sviluppare un modello matematico dell’impianto ed usare lo stesso per calcolare alcune grandezze caratteristiche del funzionamento, in modo da poterle poi confrontare con le medesime grandezze acquisite e misurate mediante i sensori dell’impianto ACS e valutare l’eventuale scarto esistente tra grandezza calcolata e grandezza acquisita, chiamato residuo. Il modello è stato costruito a partire dalle grandezze misurate in determinate condizioni di funzionamento dell’impianto in assenza di guasti; questi dati sono stati elaborati per costruire delle mappe in modo da replicare il comportamento dei vari componenti, così da poter calcolare le diverse grandezze di output a partire da input noti. Dopo la costruzione delle mappe, si è proceduto alla validazione del modello mediante il confronto dei segnali da esso calcolati con gli stessi dati usati per la costruzione delle mappe, in modo da valutare quale fosse la precisione con cui il modello prevede l’andamento delle varie grandezze di interesse motoristico; lo scopo di questa operazione è quello di definire le varie soglie che determineranno poi la rilevazione del guasto. Terminata tale fase, si è passati all’alterazione dei segnali acquisiti dai sensori con diverse percentuali di errore, così da vedere come il modello si comporta in determinate situazioni. A seguito di ciò, sono state create delle tabelle in cui sono stati riportati i vari residui che risultano alterati al variare della failure dei diversi sensori; in questo modo, si può disporre di un potente strumento di diagnosi che consenta di risalire in real-time alla tipologia di guasto semplicemente valutando quali e quanti residui mostrano un andamento anomalo. Infine, nel quinto capitolo si è proceduto ad effettuare delle prove di alterazione del segnale dei sensori in diversi modi, così da testare le performance del modello nelle diverse condizioni di funzionamento, per poi passare all'analisi di un guasto reale verificatosi sull'impianto, relativo alla rottura di uno dei due compressori.
|
Abstract
The growing complexity of industrial systems in recent years has led to the need to use equally sophisticated systems of fault detection and diagnosis, in order to maximize the performance of the systems themselves. The control devices used today to improve the overall performance of industrial processes involve complex design techniques of both digital systems and hardware; as a result, the likelihood of a failure occurring on such equipment can be significant. A wide variety of fault detection methodologies was therefore proposed, i.e. supervision systems that allow to detect and isolate abnormal working conditions as soon as possible. Among various methods, model-based techniques have been recognized as powerful approaches to fault diagnosis and require a realistic mathematical model of the monitored system. An effective model-based fault diagnosis system should, however, also manage modeling noises and uncertainties, which are always present and primarily responsible for the failure of these methods. This thesis was developed at the Testing division of the HPE-Coxa company and aims to define a failure detection methodology applied to the combustion air treatment system (ACS) of the test room dedicated to the testing of the single-cylinder engine owned by Ferrari GeS. The idea behind the project is to develop a mathematical model of the system and use it to calculate some characteristic parameters of the components, in order to then be able to compare them with the same quantities acquired and measured by the sensors of the ACS system and evaluate any difference between the calculated and acquired quantities, called the residual. The model was built starting from the quantities measured under certain operating conditions of the system in the absence of faults; these data have been processed to build maps in order to replicate the behavior of the various components, so as to be able to calculate the different output quantities starting from known inputs. After the construction of the maps, the model was validated by comparing the signals calculated with the same data used for the construction of the maps, in order to evaluate the precision with which the model predicts the trend of the various quantities of motoristic interest; the purpose of this operation is to define the various thresholds which will then determine the detection of the fault. At the end of this phase, we moved on to the alteration of the signals acquired by the sensors with different percentages of error, so as to see how the model behaves in certain situations. Following this, tables have been created in which the various residues that are altered as the failure of the various sensors varies; in this way, it is possible to have a powerful diagnostic tool that allows to trace the type of fault in real-time simply by evaluating which and how many residues show an anomalous trend. Finally, in the fifth chapter we proceeded to carry out some alteration tests of the sensor signal in different ways, so as to test the performance of the model in the different operating conditions, to then move on to the analysis of a real failure that occurred on the system, relating to the breakdown of one of the two compressors.
|
