RICERCA ITALIANA     

Programma di ricerca

Modellazione dei sistemi meccanici per la diagnostica

Università di riferimento

Università degli Studi di GENOVA - MECCANICA E COSTRUZIONE DELLE MACCHINE - GENOVA(GE)

Responsabile dell'Unità di ricerca

Aleramo LUCIFREDI

Descrizione

Fino ad oggi, la supervisione di un processo (o monitoraggio) è stata effettuata principalmente tramite un confronto con un valore limite di qualche importante variabile di processo. Tuttavia se la supervisione è basata su questo semplice metodo, le avarie sono rilevate solo in uno stadio piuttosto avanzato del loro sviluppo. Questa è una delle ragioni per cui operatori di processo rivestono ancora un ruolo fondamentale nella supervisione di processi importanti: gli operatori umani usano i loro sensori (per es. vibrazioni, rumore, temperatura, odore, forze, ispezione visiva,..), registrazioni di dati ed esperienza a lungo termine per ottenere le necessarie informazioni sui cambiamenti del processo. Se la supervisione deve essere automatizzata, un prima naturale tendenza consiste nell'aggiunta di ulteriori sensori ed un secondo passo è il trasferimento nel massimo grado possibile della conoscenza dell'operatore nel computer. E' di solito desiderabile aggiungere sensori che indichino direttamente le avarie. A causa del numero di sensori (frequentemente non molto robusti), trasmettitori e cavi l'affidabilità globale non è sempre accresciuta. Negli ultimi anni è maturata la convinzione che molti cambiamenti nel processo possano essere precocemente rilevati in fase iniziale usando modelli del processo ed un minor numero di sensori. Nella gestione di sistemi meccanici complessi uno scopo predominante è il mantenimento di elevate prestazioni con accresciuta affidabilità, disponibilità, manutenibilità; ciò implica l'estensione della vita utile di servizio, l'incremento del tempo medio fra le principali operazioni di manutenzione, la riduzione del rischio. L'esatta conoscenza che un modello (dell'impianto o del danno) può fornire può far sì che un aumento significativo della vita in servizio possa essere ottenuta attuando, ove necessario nella vita dell'impianto, una piccola riduzione delle prestazioni dinamiche del sistema, cioè ponendo in atto un controllo che mantenga limitato il danno, superando l'approccio tradizionale basato su caratteristiche invarianti, ad es. dei materiali. I modelli per il monitoraggio e la diagnostica possono essere sia di tipo sperimentale sia di tipo analitico o di simulazione. Essi possono poi essere sia qualitativi, sia quantitativi. I modelli analitici permettono la conoscenza del comportamento del sistema e l'esame dell'influenza dei vari parametri, sulla base delle leggi fisiche introdotte nel modello stesso. I modelli di simulazione talora permettono di conoscere il comportamento finale in un modo più "empirico", acquisendo la maggiore sensibilità al fenomeno sulla base dei risultati acquisiti. I modelli sperimentali sono insostituibili per una reale conferma dell'attendibilità dei risultati, anche perché nella realtà della diagnostica i segnali saranno sempre di tipo sperimentale e quindi affetti da rumore e pertanto assai più ostici da elaborare in modo affidabile rispetto ai dati, puliti o sporcati, generabili con un calcolatore. Un altro aspetto molto importante in un modello per la diagnostica può essere la sua completezza e la sua capacità di basarsi su regole ed indicatori precoci ed efficienti. Ciò implica una ricchezza di informazioni disponibili in ingresso, la disponibilità di metodologie efficienti per l'individuazione del danno, la capacità di estrazione di regole ed informazioni non immediatamente evidenti. La disponibilità di grandi volumi di dati acquisibili da impianti reali e dai modelli, soprattutto sperimentali, rende attraente l'applicazione delle emergenti tecniche di data mining, che rendono possibile rivelare patterns temporali nascosti caratteristici ed informazioni e correlazioni significative in grandi volumi di dati. Si possono ad esempio caratterizzare e predire serie temporali complesse, non periodiche, irregolari, caotiche e si possono superare limitazioni (incluse la stazionarietà e la linearità) delle tecniche tradizionali di analisi delle serie temporali. Sulla base di tali presupposti e dell'esperienza pregressa, lo scopo della presente ricerca si articola nella realizzazione di modelli sperimentali ed analitici e di simulazione dedicati alla diagnostica di reali sistemi meccanici di tipo industriale. Prototipi (modelli sperimentali) Il richiedente da tempo dispone, fra il resto, di un modello sperimentale strumentato Bently Nevada Rotor kit RT4. Esso è in grado di simulare condizioni di funzionamento anomale tipiche delle macchine rotanti. Sono possibili differenti allestimenti della macchina, a seconda dei fenomeni che si intende analizzare: in particolare è possibile installare un cuscinetto idrodinamico per studiare fenomeni di instabilità idrodinamica, simulare lo strisciamento di parti in movimento nelle macchine rotanti, utilizzare un elemento (perturbator) che consente di generare sull'albero una sollecitazione periodica esterna. Nel corso di precedenti attività è stato messa a punto un'originale configurazione del rotore con nuovi componenti creati ad hoc che ha permesso di condurre prove nel caso sia di rotore criccato, sia di funzionamento in presenza di forze magnetiche (entrambe condizioni tipicamente non lineari). Si ritiene della massima utilità al fine di disporre di un'ampia casistica di segnali sperimentali, progettare e realizzare rilevanti modifiche al modello esistente (o se ri rivelerà necessario o opportuno per difficoltà o limitazioni di upgrade, realizzare ex novo un altro modello sperimentale) che permetta di effettuare la più ampia tipologia di prove. Si ritiene prioritario rendere possibile lo studio delle vibrazioni torsionali, in abbinamento con le vibrazioni flessionali già attualmente studiabili; inoltre si intende effettuare le variazioni del modello per poter testare ad es. alberi scanalati (con giochi), giunti elastici, giunti cardanici, ingranaggi, presenza di macchine alternative o sistemi a inerzia variabile (centrifughe, nastri che si avvolgono o svolgono come nell'industria della carta o nei laminatoi; essi possono essere sede di fenomeni caotici). Si intendono inoltre realizzare modelli sperimentali a fini diagnostici, progettati e realizzati con criteri di creare banchi prova strumentati di tipo molto versatile per prove di tipo diagnostico, progettati ad hoc per testare e verificare in campo meccanico, in modo sistematico, al variare dei vari fattori le tecniche diagnostiche più avanti indicate. Si intendono poi realizzare prove diagnostiche su modelli sperimentali al vero di componenti industriali, ad es. di veicoli, e di impianti industriali (macchine per la produzione della carta; su di esse si intende sperimentare sul campo le problematiche dell'uso del sensore laser richiesto). Per test vibrazionali su piccoli modelli si userà uno shaker miniaturizzato. Modelli analitici e di simulazione Si intendono realizzare modelli a fini diagnostici di macchine e sistemi industriali. Per quanto attiene ai modelli di simulazione si procederà integrando sistemi multibody (ADAMS) con sistemi FEM (Ansys) e tecniche di ottimizzazione (modeFRONTIER). Si procederà inoltre alla simulazione del modello sperimentale modello Bently Nevada Rotor Kit disponibile in laboratorio con una simulazione Adams+Ansys dei casi di albero sano e di albero criccato. I modelli possono però essere di varie tipologie: in certi casi può essere utile avere un modello che giri su hardware minimo ovvero sotto Windows Pocket PC 2002. Si intende pertanto sperimentare anche modelli compilati adattati a operare su PDA (Pocket handheld PC). Alle vaste basi di dati rese disponibili si intendono applicare tecniche di Data mining; si pensa di iniziare con l'estrazione di regole simboliche da reti neurali RBF (Radial Basis Function; per certi problemi esse hanno un apprendimento molto più veloce rispetto ai Multi-layer Perceptrons). Infatti le reti neurali sono state applicate a molti problemi reali di considerevole complessità, prendendo decisioni su dati di ingresso imprecisi ed offrendo soluzioni robuste ad una varietà di problemi di classificazione, ed a predizioni funzionali e modellazioni di sistema in cui il processo fisico non è ancora del tutto compreso o è altamente non lineare. L'estrazione della conoscenza creando regole simboliche dai parametri interni delle reti neurali sta divenendo una tecnica accettata, che presenta i seguenti vantaggi: -la conoscenza appresa da parte di una rete neurale è in generale difficile ad essere compresa da partedegli esseri umani; la disponibilità di un meccanismo che possa interpretare le mappature ingresso/uscita della rete sotto forma di regole sarebbe molto utile -si possono identificare deficienze nel set originale di apprendimento e si possono identificare e rimuovere parametri superflui della rete, accrescendo così le prestazioni della rete stessa -vi sono grandi potenzialità di induzione scientifica, cioè di scoperta di relazioni precedentemente non note fra i dati; si possono così scoprire nuove modalità di avaria, ma soprattutto nuove "features" per identificare avarie note e si possono scoprire cause di diagnosi non corrette. E' inoltre possibile rimuovere regole ridondanti, identificando quelle che sono state utili a classificare solo un piccolo numero di esempi. Nella realizzazione dei modelli si porrà una speciale attenzione di ricerca per l'individuazione degli indicatori più sensibili ed efficienti. Ad esempio si intendono sperimentare e mettere a punto per un modello diagnostico metodologie efficienti per la precoce localizzazione del danno nelle strutture basate sulla curvatura e sulla frequenza mediante monitoraggio di funzioni di trasmittanza. In molte applicazioni poi l'informazione rilevante per la classificazione è concentrata in brevi intervalli di tempo: si sperimenteranno tecniche di segmentazione per la classificazione di forme d'onda. Si utilizzeranno e si svilupperanno le competenze già acquisite ai fini della diagnostica da parte dei richiedenti relative a: Pattern recognition Reti neurali Clustering con approccio bayesiano Modelli autoregressivi Sistemi esperti Hidden Markov models Dynamic timewarping Algoritmi genetici Logica fuzzy Inoltre si intendono approfondire ulteriori aspetti nell'ambito del monitoraggio e della diagnostica, fra cui la sperimentazione di tecniche di Blind source separation (BSS) applicate alle macchine rotanti. Le tecniche di "blind source separation" (BSS) consistono nella ricostruzione di un insieme di segnali quando soltanto misture o combinazioni di questi sono note. La struttura delle combinazioni e le sorgenti di segnale non sono osservabili (il termine "blind" sottolinea l'assenza di informazioni sul comportamento del sistema che miscela i segnali sorgente e sulla statistica di essi). Si ritiene significativo sviluppare tale aspetto in quanto in genere nel monitoraggio delle macchine rotanti le misure sul campo sono soggette ad interferenze dovute alla presenza di altre macchine che operano in prossimità. Attraverso l'applicazione di queste tecniche sembra possibile poter isolare la parte significativa del segnale in modo da facilitare il lavoro di un successivo software per il monitoraggio e la diagnostica. In quest'ottica i risultati che si possono conseguire potrebbero essere incoraggianti. Da parte dei richiedenti è stata già condotta una sperimentazione preliminare applicata ad particolari tipologie di macchine rotanti dalla quale è stato possibile riscontrare come le tecniche disponibili funzionino con semplicità fornendo risultati attendibili soltanto in alcuni casi particolari e semplici; tuttavia per poter ottenere risultati utilizzabili sul campo è necessario condurre una intensa sperimentazione per la particolarizzazione delle varie tecniche disponibili il cui numero elevato è già di per se un indice del fatto che non esista una tecnica universale "a scatola chiusa", ma si richieda una precisa conoscenza dei vari aspetti e dei fenomeni. Da una preliminare indagine sembra di notevole importanza distinguere se si è in presenza di misture istantanee di segnali indipendenti, di misture ritardate o convolutive (fenomeno "multipath"). Inoltre si potrebbe anche valutare con un approfondimento dettagliato relativo alle macchine rotanti se sia proprio necessario effettuare una BSS o non si possano invece introdurre precise strategie che permettano una Partially blind source separation (PBSS) da una sommaria conoscenza dell'ambiente di misura. La ricerca sarà articolata in due fasi (parzialmente sovrapposte ai fini di accelerare i tempi e permettere graduali affinamenti), secondo il seguente programma preliminare: 1) Prototipi (modelli sperimentali): -progettazione modifiche al modello di rotore disponibile e realizzazione parziale di alcune di esse -prove diagnostiche su modelli sperimentali (ad es.: applicazione alle macchine rotanti di reti neurali, pattern recognition, K means clustering, K-nearest neighbor clustering, dynamic time-warping, ...) 2) Modelli analitici e di simulazione: -modelli relativi a veicoli e ad impianti -simulazione del modello sperimentale modello Bently Nevada Rotor Kit disponibile in laboratorio con una simulazione Adams+Ansys dei casi di albero sano e di albero criccato. 3) Approfondimenti: -tecniche di data mining -tecniche di blind source separation (BSS) Tale fase impegnerà prevalentemente il primo anno della ricerca. 1) Prototipi (modelli sperimentali): -prove diagnostiche su modelli sperimentali 2) Modelli analitici e di simulazione: -modelli relativi ad impianti (scaricatore continuo navi, macchine per la produzione della carta). 3) Approfondimenti: -metodologie efficienti per la precoce localizzazione del danno nelle strutture basate sulla curvatura e sulla frequenza mediante monitoraggio di funzioni di trasmittanza. -tecniche di segmentazione per la classificazione di forme d'onda. Tale fase impegnerà prevalentemente il secondo anno della ricerca. La presente ricerca si interfaccerà con le competenze della altre unità di ricerca su numerosi punti quali: gli impianti per la produzione dell'energia, i motori, i componenti e sistemi di trasmissione meccanica di macchine rotanti ed impianti, aspetti relativi ai veicoli, ecc.. Sono previsti scambi di dati relativamente ai risultati sperimentali ottenuti sui diversi test-rig (ad esempio dati su rotori criccati e su rotori con strisciamenti ed urti con l'unità di ricerca del Politecnico di Milano) e scambi di tecniche diagnostiche.