Näytä suppeat kuvailutiedot

dc.contributor.authorKiviniemi, Joonas
dc.date.accessioned2011-11-01T12:32:12Z
dc.date.available2011-11-01T12:32:12Z
dc.date.issued2011
dc.identifier.otheroai:jykdok.linneanet.fi:1186505
dc.identifier.urihttps://jyx.jyu.fi/handle/123456789/36886
dc.description.abstractViimeisien 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.
dc.format.extent48 sivua
dc.format.mimetypeapplication/pdf
dc.language.isofin
dc.rightsThis publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.en
dc.rightsJulkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.fi
dc.subject.othervärähtelyspektri
dc.subject.othertuuliturbiini
dc.subject.othervärähtelyspetkrianalyysi
dc.titleCMaS spektrianalysoinnin automatisointi
dc.identifier.urnURN:NBN:fi:jyu-2011110111618
dc.type.dcmitypeTexten
dc.type.ontasotPro gradu -tutkielmafi
dc.type.ontasotMaster’s thesisen
dc.contributor.tiedekuntaMatemaattis-luonnontieteellinen tiedekuntafi
dc.contributor.tiedekuntaFaculty of Sciencesen
dc.contributor.laitosFysiikan laitosfi
dc.contributor.laitosDepartment of Physicsen
dc.contributor.yliopistoUniversity of Jyväskyläen
dc.contributor.yliopistoJyväskylän yliopistofi
dc.contributor.oppiaineFysiikkafi
dc.contributor.oppiainePhysicsen
dc.date.updated2011-11-01T12:32:12Z
dc.rights.accesslevelopenAccessfi
dc.type.publicationmasterThesis
dc.contributor.oppiainekoodi4021
dc.subject.ysospektrit
dc.subject.ysoturbiinit
dc.subject.ysospektrianalyysi
dc.subject.ysovärähtelyt
dc.format.contentfulltext
dc.type.okmG2


Aineistoon kuuluvat tiedostot

Thumbnail

Aineisto kuuluu seuraaviin kokoelmiin

Näytä suppeat kuvailutiedot