Sensor validation and fusion for system monitoring

dc.contributor.advisor Şeker, Şahin Serhat
dc.contributor.author Mousavi, Sadra
dc.contributor.authorID 724534
dc.contributor.department Elektrik Mühendisliği
dc.date.accessioned 2022-09-26T11:48:16Z
dc.date.available 2022-09-26T11:48:16Z
dc.date.issued 2021
dc.description Tez (Doktora) -- İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2021
dc.description.abstract With the thesis, it will be feasible to bring state surveillance up to date with modern technologies and build a platform for scientific research. Through academic works, studies on this issue will give direction and solution partnerships to Turkey's industry. When a defect occurs in industry, it can harm the system, causing it to stop operating for a period of time or to perform inefficiently. Maintenance of the system results in increased expenses for business in certain scenarios. State monitoring methods are model-based tools that are commonly used in industries. During the rise of the fault, no error signal is created in these systems. To avoid this problem, detection and diagnosis are focused on the time between the onset of the fault and its discovery. As a result, an intelligent signal-based monitoring application for usage in an industrial system is required. The goal is to monitor the system and assess the status by merging and evaluating data from several sensors (data fusion). As a result, focusing on these topics will help us detect early faults before they cause system damage and lower maintenance costs. In this thesis a data fusion technique is used for condition monitoring (CM) and fault detection (FD) of electrical motors (EM) utilizing Kalman filtering method. One of the most well-known data fusion approaches is Kalman filtering. It has difficult mathematics. The core mathematics of the kalman filter, on the other hand, is discussed here. In this thesis, it is decided to employ the Kalman filtering method, which is one of the most well-known methods, for data fusion. As a result, in the next parts of this study, the Kalman filter is chosen as the major approach for data fusion application. Note that, there is no example of distinguishing the fault source in the literature utilizing a data fusion strategy powered by Kalman filtering. In other words, the application of FD and CM via data fusion using the KF technique is innovative in this thesis. An EM data set is used as a case study, along with potential sensor and process problems. This technique also allows for sensor validation (SV) and fault tracking (either the sensor or the process). Two case studies are investigated in this thesis separately. The purpose of that, is to apply the proposed method on two types of signals with different characteristics, to demonstrate the capability of the suggested approach. First case study is current signals which are received from two sensors with different biases and noises. In other words, biases and noises with varying characteristics are considered to be present in the sensors. Kalman filtering is used to calculate fused current information. Following that, the impact of measurement and process noises on the fused signal is discussed. consequently, the suggested method can distinguish if a sensor or a process is malfunctioning. Then, the fused and original signals are compared in terms of spectral and statistical characteristics. To illustrate, related figures and tables are shown in following chapters. In mentioned tables you can find statistical data including mean square error, root mean square, standard deviation, mean value and kurtosis, correspondingly. In addition, to perform SV, the Kalman gain is monitored to examine the influence of process and measurement noise. Kalman Gain eliminates the process defect. Following that, the defects in the sensors are identified using spectrum outputs such as power spectral densities and coherences. Finally, the defective sensor(s) are effectively removed. Second case study is vibration signals which have stochastic characteristics. However, current signal has deterministic characteristics. Vibration signals indicating various aging stages of an induction motor are employed as the case study. For this conditions, an Integrated Fault Evaluation (IFE) approach is proposed. The suggested approach makes use of a data fusion algorithm that is further improved by the Kalman filter (KF). furthermore, IFE is accomplished using statistical and frequency domain features. The capacity of distinguishing between system aging and process issues is the study's most significant contribution. For this purpose, a health information (HI) rate is determined that can distinguish the influence of process noise and system age. Three scenarios are developed and investigated individually using the IFE method. The first scenario is a measuring issue in which all sensors are defective. The second scenario is a sensor issue, in which one of the sensors is malfunctioning. The third scenario is a defective process with growing process noise as the system ages. It is attempted to distinguish between process noise and system aging in this case. The HI idea is provided for this aim. The most significant aspect of the IFE strategy is HI. Because, as the process noise grows, the information about aging included in the fused signal is lost. A threshold must be specified to differentiate between process noise and system aging. Therefore, initially, two important factors are determined, and then the HI idea is created around those factors. The previously described threshold is extracted following detailed examinations and observations.
dc.description.abstract Durum izleme yöntemleri, bakım planlaması için endüstride sık kullanılan model tabanlı araçlardır. Bu sistemlerde arızanın yükselmesi sırasında hata sinyali üretilmez. Model hata uyarıları vermeye başladığında, genellikle ilgili bileşenin değiştirilmesi veya onarılması planlanır. Elemanlar bozulmaya başladığında, tespit edilemediğinde ve performans gereksinimleri düşük verimlilikte devam ettiğinde süreç verimsiz hale gelebilir. Ayrıca bir arıza meydana geldiğinde, sistemin maliyeti daha yüksek olan bakıma ihtiyaç duyar ve sistemi bir süreliğine kesintiye uğratır. Bu sorunun önüne geçebilmek için arızanın başlangıcından belirgin hale gelene kadar olan süreçte tespit ve teşhis amaçlanır. Sonuç olarak, bu tez endüstriyel bir sistemde kullanılabilecek akıllı bir sinyal tabanlı izleme uygulaması üzerinde çalışacaktır. Amaç, farklı sensörlerden elde edilen verileri (veri füzyonu) birleştirerek ve değerlendirerek sistemi izlemek ve durumu tahmin etmektir. Tezin amacı, akıllı izleme sistemindeki farklı sinyalleri değerlendirmek ve veri füzyonu yaparak sinyal tabanlı bir durum izleme sistemi kurmaktır. Böylece daha hızlı ve hassas bir takip ve tespit sistemi sağlanacaktır. Tezde bu füzyon verileri istatistiksel ve ileri sinyal işleme yöntemleri ile analiz edilecektir. Bu tezde akım, gerilim, titreşim, akustik gürültü vb. gibi çoklu sensörler kullanılarak elektriksel ve mekanik veriler elde edilebilir. İlk olarak sensörlerin sağlıklı veya arızalı olup olmadığını anlamak için sensörler doğrulanacaktır. Ardından, elde edilen veriler, sistemin durum izlemesi için veri birleştirme teknikleri kullanılarak manipüle edilebilir. Tezin kapsamı, EM'ler gibi endüstride sık karşılaşılan sistemler tarafından belirlenir. Durum izleme ve sorun giderme literatürde bir veya iki basit sinyalden elde edilen bilgiler incelenerek yapılır. Durum izleme söz konusu olduğunda, tek bir sinyal kullanmak, mutlaka en iyi izleme ve arıza analizi sonuçlarıyla sonuçlanmaz. Ancak bu tezde, bir veri birleştirme algoritmasında iki veya daha fazla farklı sinyalin birlikte kullanılmasından bahsedilmiştir. Çalışma kapsamında yenilikçi sinyal işleme yöntemleri incelenecektir. Özellikle, veri birleştirmeye yönelik benzersiz yaklaşımlar hedeflenmektedir. Bu tezin benzersiz yönü, arızanın sisteme zarar vermesini önlemek için birden fazla izleme yöntemini bir arada değerlendiren ve erken arızayı tahmin eden akıllı bir algoritma ortaya koymaktır. Bu tez ile durum izlemenin güncel teknolojilerle güncel hale getirilmesi ve bilimsel araştırmalar için bir platform sağlanması mümkün olacaktır. Akademik çalışmalarla bu konulardaki çalışmalar, Türkiye sanayisine yol gösterici olacaktır. Sonuç olarak her çalışma endüstriyel bir uygulamaya dönüştürülmelidir. Bu araştırma aynı zamanda bir asenkron motor kullanan herhangi bir endüstriyel uygulamaya da uygulanabilir. Ayrıca, uygun sinyalleri elde edebilen endüstride keşfedilen herhangi bir sistem önerilen tekniği kullanabilir. Bu tezde, Kalman filtreleme yöntemi kullanılarak elektrik motorlarının (EM) durum izleme (CM) ve arıza tespiti (FD) için bir veri birleştirme tekniği kullanılmıştır. En iyi bilinen veri birleştirme yaklaşımlarından biri Kalman filtrelemedir. Zor olan matematiğine rağmen, Kalman filtrenin ana matematiğini burada anlatılmaktdır. Bu tezde, veri füzyonu için en bilinen yöntemlerden biri olan Kalman filtreleme yönteminin kullanılmasına karar verilmiştir. Sonuç olarak, bu çalışmanın sonraki bölümlerinde, veri birleştirme uygulaması için ana yaklaşım olarak Kalman filtresi seçilmiştir. Kalman filtrelemesi kullanan veri birleştirme stratejisi literatürde arıza kaynağını ayırt etme örneği bulunmamaktadır. sonuç olarak, FD ve CM'nin KF tekniği kullanılarak veri birleştirme yoluyla uygulanması bu tezde yenilikçidir. Bir elektrik motoru (EM) veri seti, potansiyel sensör ve proses problemleriyle birlikte vaka çalışması olarak kullanılır. Bu teknik aynı zamanda sensör doğrulaması (SV) ve arıza takibine (sensör veya proses) izin verir. Bu tezde iki vaka çalışması ayrı ayrı incelenmiştir. Bunun amacı, önerilen yaklaşımın kabiliyetini göstermek için önerilen yöntemi farklı özelliklere sahip iki tip sinyal üzerinde uygulamaktır. İlk vaka çalışması, farklı bias ve gürültülere sahip iki sensörden alınan akım sinyalleridir. Yani, sensörlerde farklı karakteristiklere sahip biaslar ve gürültüler olduğu kabul edilir. Birleşik akım bilgilerini hesaplamak için Kalman filtrelemesi kullanılır. Bunu takiben, ölçüm ve proses gürültülerinin kaynaşmış sinyal üzerindeki etkisi tartışılmıştır. sonuç olarak, önerilen yöntem, bir sensörün veya bir işlemin arızalı olup olmadığını ayırt edebilir. Daha sonra kaynaşmış ve orijinal sinyaller spektral ve istatistiksel özellikler açısından karşılaştırılır. Bunu göstermek için, ilgili figürler ve tablolar aşağıdaki bölümlerde gösterilmiştir. Söz konusu tablolarda, mean square error, root mean square, standart sapma, mean value ve kurtosis gibi istatistiksel verileri bulunmaktadır. Ek olarak, SV gerçekleştirmek için, proses ve ölçüm gürültüsünün etkisini incelemek için Kalman gain izlenir. Kalman gain, proses hatasını ortadan kaldırır. Bunu takiben, güç spektral yoğunlukları ve tutarlılıkları gibi spektrum çıktıları kullanılarak sensörlerdeki kusurlar belirlenir. Son olarak, arızalı sensör(ler) etkin bir şekilde kaldırılır. İkinci vaka çalışması, stokastik özelliklere sahip titreşim sinyalleridir. Ancak, akım sinyali deterministik özelliklere sahiptir. Örnek olay olarak bir asenkron motorun çeşitli yaşlanma aşamalarını gösteren titreşim sinyalleri kullanılmıştır. Bu koşullar için, Entegre Hata Değerlendirmesi (IFE) yaklaşımı önerilmektedir. Önerilen yaklaşım, Kalman filtresi (KF) tarafından daha da geliştirilmiş bir veri birleştirme algoritmasını kullanır. ayrıca, IFE, istatistiksel ve frekans alanı özellikleri kullanılarak gerçekleştirilir. Sistem yaşlanması ve proses sorunları arasında ayrım yapma kapasitesi, çalışmanın en önemli katkısıdır. Bu amaçla, süreç gürültüsünün etkisini ve sistem yaşının etkisini ayırt edebilecek bir sağlık bilgi oranı belirlenir. IFE yöntemi kullanılarak ayrı ayrı üç senaryo geliştirilmiş ve incelenmiştir. İlk senaryo, tüm sensörlerin arızalı olduğu bir ölçüm sorunudur. İkinci senaryo ise, sensörlerden birinin arızalı olduğu sorunudur. Üçüncü senaryo ise, sistemin yaşlanması ve process gürültüsün artması arasındaki farkı anlamak sorunudur. Bu durumda proses gürültüsü ile sistem yaşlanması arasında ayrım yapılmaya çalışılır. HI fikri bu amaç için sağlanmıştır. IFE stratejisinin en önemli yönü HI'dır. Çünkü proses gürültüsü büyüdükçe, kaynaşmış sinyalde bulunan yaşlanma ile ilgili bilgiler kaybolur. Proses gürültüsü ile sistem yaşlanması arasında ayrım yapmak için bir eşik belirlenmelidir. Bu nedenle öncelikle iki önemli faktör belirlenir ve daha sonra bu faktörler etrafında HI fikri oluşturulur. Daha önce bahsedilen eşik, detaylı incelemeler ve gözlemler sonrasında çıkarılır.
dc.description.degree Doktora
dc.identifier.uri http://hdl.handle.net/11527/20422
dc.language.iso en_US
dc.publisher Lisansüstü Eğitim Enstitüsü
dc.sdg.type none
dc.subject Asenkron motorlar
dc.subject Induction motors
dc.subject Elektrik akımı
dc.subject Electric current
dc.subject Titreşim sinyal analizi
dc.subject Vibration signal analysis
dc.subject Çok algılayıcı veri füzyonu
dc.subject Multisensor data fusion
dc.title Sensor validation and fusion for system monitoring
dc.title.alternative Sistem gözetiminde sensör doğrulama ve bilgi birleştirme
dc.type Thesis
Dosyalar
Orijinal seri
Şimdi gösteriliyor 1 - 1 / 1
thumbnail.default.alt
Ad:
504152009.pdf
Boyut:
3.45 MB
Format:
Adobe Portable Document Format
Açıklama
Lisanslı seri
Şimdi gösteriliyor 1 - 1 / 1
thumbnail.default.placeholder
Ad:
license.txt
Boyut:
1.58 KB
Format:
Item-specific license agreed upon to submission
Açıklama