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 kehi...

Täydet tiedot

Bibliografiset tiedot
Päätekijä: Kiviniemi, Joonas
Muut tekijät: Matemaattis-luonnontieteellinen tiedekunta, Faculty of Sciences, Fysiikan laitos, Department of Physics, University of Jyväskylä, Jyväskylän yliopisto
Aineistotyyppi: Pro gradu
Kieli:fin
Julkaistu: 2011
Aiheet:
Linkit: https://jyx.jyu.fi/handle/123456789/36886
Kuvaus
Yhteenveto: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.