search query: @keyword FFT / total: 13
reference: 5 / 13
Author: | Jokela, Matti Kalevi |
Title: | Kunnonvalvonta ja vianilmaisualgoritmit |
Condition Monitoring and Algorithms for Fault Detection | |
Publication type: | Master's thesis |
Publication year: | 2006 |
Pages: | 56 Language: fin |
Department/School: | Tietotekniikan osasto |
Main subject: | Informaatiotekniikka (T-115) |
Supervisor: | Simula, Olli |
Instructor: | Suuronen, Matti |
OEVS: | Electronic archive copy is available via Aalto Thesis Database.
Instructions Reading digital theses in the closed network of the Aalto University Harald Herlin Learning CentreIn the closed network of Learning Centre you can read digital and digitized theses not available in the open network. The Learning Centre contact details and opening hours: https://learningcentre.aalto.fi/en/harald-herlin-learning-centre/ You can read theses on the Learning Centre customer computers, which are available on all floors.
Logging on to the customer computers
Opening a thesis
Reading the thesis
Printing the thesis
|
Location: | P1 Ark Aalto 7419 | Archive |
Keywords: | condition monitoring learning methods neural network SOM MLP FFT wavelets ICA kunnonvalvonta oppivat menetelmät neuroverkko aallokemuunnos |
Abstract (fin): | Teollisuuden tuotantokoneisto tarvitsee säännöllistä huoltoa. Hyvin huollettu laitteisto pitää tuotteiden laadun hyvänä ja tarjoaa työntekijöille turvallisen työympäristön. Liian harva huoltoväli saattaa johtaa yllättäviin konerikkoihin, jotka voivat aiheuttaa kalliita huoltoja ja pitkiä tuotantokatkoksia. Kunnonvalvonnalla voidaan seurata laitteiston kuntoa ja ennakoida sen rikkoutumista. Ennakointi mahdollistaa laitteiston huollon optimoinnin, joka auttaa nostamaan teollisuusyrityksen kilpailukykyä. Tässä työssä tutkitaan erilaisia kunnonvalvonta-algoritmeja. Erityisinä mielenkiinnon kohteina ovat itsejärjestyvä kartta (SOM) ja monikerros-perseptroniverkko (MLP), jotka ovat oppivia menetelmiä. Muita käytettyjä algoritmeja ovat FFT, aallokemuunnos ja riippumattomien komponenttien analyysi (ICA). Algoritmien toimintaa kokeillaan käytännön olosuhteissa muutamilla eri laitteistoilla, joihin kuuluvat moottori ja kaksi erilaista vaihteistoa. Laitteista mitattuja signaaleja analysoidaan FFT:llä ja aallokemuunnoksella, ja signaaleista yritetään eritellä riippumattomat komponentit. Oppiville algoritmeille opetetaan laitteiden ominaistaajuudet ja kokeillaan miten hyvin ne oppivat tunnistamaan laitteiden toimintatilan niiden perusteella. Oppivat menetelmät osasivat tunnistaa hyvin ne toimintatilat, jotka niille opetettiin. Aitoa vikojen tunnistamista ei voitu kokeilla, sillä testattavat laitteet olivat täysin toimivia koko mittausjakson ajan. Myös signaalin riippumattomien komponenttien erittely toimi melko hyvin vaikkei se ihan täyttänytkään ennakko-odotuksia. |
ED: | 2006-07-07 |
INSSI record number: 32144
+ add basket
INSSI