CMaS spektrianalysoinnin automatisointi
Viimeisien vuosikymmenien aikana maailman sähkönkulutus on noussut tasaisesti. Tähän kehitykseen eri sähköntuottamisen teollisuuden alat ovat joutuneet vastaamaan lisäämällä tuotantokapasiteettiaan. Uusiutuvista energiamuodoista tuulienergia on lisännyt tuotantokapasiteettiaan ehkä eniten. Koko kehityksensä ajan tuulienergian tuotantokapasiteetin lisääntyminen on ollut eksponentiaalista ja tämän kehityksen ennustetaan myös jatkuvan.
Samaan aikaan kilpailu tuuliturbiinien osien valmistajien välillä kiristyy. Erittäin tärkeänä osana kilpailussa on tuotteen mukana myytävät palvelut. Tästä hyvä esimerkki on tuuliturbiinien vaihteiden valmistajan Moventaksen myymä kunnonvalvontajärjestelmä. Kyseisellä kunnonvalvontajärjestelmällä pystytään seuraamaan vaihteiden ja turbiinin muiden osien tilaa reaaliaikaisesti.
Tässä työssä keskityttiin Moventaksen kunnonvalvontajärjestelmän, CMaS:n, värähtelyspektrien analysoinnin automatisoinnin kehittämiseen. Vaihteilta tulevia värähtelyspektrejä tulee päivittäin tuhansia. Aiemmin näitä spektrejä ollaan analysoitu manuaalisesti, mutta on selvää että tällöin ei pystytä analysoida kaikkia. Lisäksi tulevaisuudessa analysoitavien värähtelyspektrien määrän odotetaan kasvavan. Tähän haasteeseen lähdettiin kehittämään algoritmia, joka analysoisi värähtelyspektrit automaattisesti.
Algoritmin kehittämisessä haasteena oli saada algoritmista geneerinen siten, että se toimisi hyvin eri vaihdetyyppien, värähtelyanturien ja spektrityyppien kanssa. Algoritmin toimintaa verrattiin manuaaliseen analysointiin ottamalla erään vaihdetyypin vikaantuneita vaihteita ja katsomalla, kuinka nopeasti algoritmi havaitsee vaihteen vikaantumiseen. Tulokseksi saatiin, että algoritmi reagoi keskimäärin 13,5 päivää aikaisemmin kuin mitä vikaantumisiin on reagoitu manuaalisen analysointityön kautta.
Tulevaisuudessa algoritmia pyritään kehittämään siten, että sen analysoimat spektrit lajiteltaisiin niiden kiinnostavuuden mukaan, jolloin järjestelmä antaisi analysoitsijalle vain merkittävimmät spektrit. Tarkoituksena on sulauttaa kehitetty algoritmi Moventaksen internetselainpohjaiseen CMaS-käyttöliittymään.
...
Asiasanat
Metadata
Näytä kaikki kuvailutiedotKokoelmat
- Pro gradu -tutkielmat [29743]
Lisenssi
Samankaltainen aineisto
Näytetään aineistoja, joilla on samankaltainen nimeke tai asiasanat.
-
MATLAB codes implementing the generalized cross-wavelet transform (GXWT) algorithm described in the paper "Analyzing multidimensional movement interaction with generalized cross-wavelet transform" (Toiviainen & Hartmann, 2021)
Hartman, Martin; Toiviainen, Petri (University of Jyväskylä, 2021-04-13)MATLAB codes implementing the generalized cross-wavelet transform (GXWT) algorithm described in the paper "Analyzing multidimensional movement interaction with generalized cross-wavelet transform" (Toiviainen & Hartmann, ... -
Spectral analysis and quantum chaos in two-dimensional nanostructures
Luukko, Perttu (University of Jyväskylä, 2015)This thesis describes a study into the eigenvalues and eigenstates of twodimensional (2D) quantum systems. The research is summarized in four scientific publications by the author. The underlying motivation for this work ... -
Numerical simulation of fluid-structure interaction between acoustic and elastic waves
Mönkölä, Sanna (University of Jyväskylä, 2011) -
Assessment of nonnegative matrix factorization algorithms for electroencephalography spectral analysis
Hu, Guoqiang; Zhou, Tianyi; Luo, Siwen; Mahini, Reza; Xu, Jing; Chang, Yi; Cong, Fengyu (BioMed Central, 2020)Background Nonnegative matrix factorization (NMF) has been successfully used for electroencephalography (EEG) spectral analysis. Since NMF was proposed in the 1990s, many adaptive algorithms have been developed. However, ... -
Tekstinkäsittelyn automatisointi toimistoissa
Anttonen, Antero (1978)
Ellei toisin mainittu, julkisesti saatavilla olevia JYX-metatietoja (poislukien tiivistelmät) saa vapaasti uudelleenkäyttää CC0-lisenssillä.