Prognostiset mallit apuvoimalaitteiden kunnonvalvonnassa
Ronkainen, Joona (2022)
Ronkainen, Joona
2022
Teknisten tieteiden kandidaattiohjelma - Bachelor's Programme in Engineering Sciences
Tekniikan ja luonnontieteiden tiedekunta - Faculty of Engineering and Natural Sciences
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Hyväksymispäivämäärä
2022-06-27
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:tuni-202206305914
https://urn.fi/URN:NBN:fi:tuni-202206305914
Tiivistelmä
Apuvoimalaite on pieni kaasuturbiini, jota käytetään lentokoneen sähköistämiseen, ilmastointiin ja moottorien käynnistykseen maassa. Hätätapauksissa sitä voidaan käyttää myös ilmassa. Apuvoimalaitteen tärkein tehtävä on siis parantaa lentämisen turvallisuutta. Se myös mahdollistaa lentokoneen operoinnin maailmanlaajuisesti riippumatta maavirtalaitteista. Näin ollen apuvoimalaitteen yllättävä vikaantuminen voi aiheuttaa ylimääräisiä viivästyksiä ja kustannuksia, sekä pahimmillaan uhata lentoturvallisuutta. Niinpä sen yllättävää vikaantumista tulisi mahdollisuuksien mukaan välttää. Vikaantumisen välttämiseksi apuvoimalaitteen kuntoa pyritään ennustamaan kunnonvalvonnan ja prognostiikan avulla.
Kunnonvalvonnalla tarkoitetaan apuvoimalaitteen kuntoa ilmaisevan tiedon keräystä ja seurausta, esimerkiksi erilaisten sensorien avulla. Prognostiikassa kunnonvalvontatietoa käytetään ennustamaan apuvoimalaitteen kunnon kehittymistä tulevaisuudessa. Tämä tapahtuu prognostisten mallien avulla, jotka voidaan jakaa fysikaalisiin ja datapohjaisiin malleihin sekä näitä yhdisteleviin hybridi malleihin. Prognostisissa malleissa ennustamiseen ja kunnonvalvontatiedon analysointiin käytetään erilaisia algoritmeja ja esimerkiksi koneoppimisen menetelmiä.
Työn tavoitteena oli luoda nykyaikainen katsaus prognostisten mallien käytöstä apuvoimalaitteiden kunnonvalvonnassa. Tutkimuskysymykseksi muodostui, millaisia prognostisia malleja apuvoimalaitteiden kunnonvalvonnassa voidaan käyttää, ja tutkimusmenetelmänä oli kirjallisuustutkimus. Aiheen taustoittamiseksi työssä tutustuttiin ensin apuvoimalaitteen käyttökohteisiin, toimintaan ja rakenteeseen. Näiden lisäksi selvitettiin myös apuvoimalaitteen vikaantumista ja kunnonvalvontaa. Työssä käytiin läpi erilaisia tutkimuksissa ehdotettuja apuvoimalaitteen prognostisia malleja. Malleja kuvailtiin pääpiirteittäin, ja niiden ominaisuuksia vertailtiin soveltuvin osin.
Tutkimuksessa havaittiin, että valtaosa apuvoimalaitteiden kunnonvalvonnassa käytetyistä prognostisista malleista on datapohjaisia malleja. Hybridi malleja on käytetty vähän, ja pelkästään fysikaalisia malleja ei löydetty. Varsinkin koneoppimisen menetelmiä käyttävillä malleilla on saatu lupaavia tuloksia apuvoimalaitteen kunnon heikkenemisen ennustamisessa. Myös useampia muuttujia syötteenään käyttävien mallien tulokset olivat yleensä hyviä.
Kunnonvalvonnalla tarkoitetaan apuvoimalaitteen kuntoa ilmaisevan tiedon keräystä ja seurausta, esimerkiksi erilaisten sensorien avulla. Prognostiikassa kunnonvalvontatietoa käytetään ennustamaan apuvoimalaitteen kunnon kehittymistä tulevaisuudessa. Tämä tapahtuu prognostisten mallien avulla, jotka voidaan jakaa fysikaalisiin ja datapohjaisiin malleihin sekä näitä yhdisteleviin hybridi malleihin. Prognostisissa malleissa ennustamiseen ja kunnonvalvontatiedon analysointiin käytetään erilaisia algoritmeja ja esimerkiksi koneoppimisen menetelmiä.
Työn tavoitteena oli luoda nykyaikainen katsaus prognostisten mallien käytöstä apuvoimalaitteiden kunnonvalvonnassa. Tutkimuskysymykseksi muodostui, millaisia prognostisia malleja apuvoimalaitteiden kunnonvalvonnassa voidaan käyttää, ja tutkimusmenetelmänä oli kirjallisuustutkimus. Aiheen taustoittamiseksi työssä tutustuttiin ensin apuvoimalaitteen käyttökohteisiin, toimintaan ja rakenteeseen. Näiden lisäksi selvitettiin myös apuvoimalaitteen vikaantumista ja kunnonvalvontaa. Työssä käytiin läpi erilaisia tutkimuksissa ehdotettuja apuvoimalaitteen prognostisia malleja. Malleja kuvailtiin pääpiirteittäin, ja niiden ominaisuuksia vertailtiin soveltuvin osin.
Tutkimuksessa havaittiin, että valtaosa apuvoimalaitteiden kunnonvalvonnassa käytetyistä prognostisista malleista on datapohjaisia malleja. Hybridi malleja on käytetty vähän, ja pelkästään fysikaalisia malleja ei löydetty. Varsinkin koneoppimisen menetelmiä käyttävillä malleilla on saatu lupaavia tuloksia apuvoimalaitteen kunnon heikkenemisen ennustamisessa. Myös useampia muuttujia syötteenään käyttävien mallien tulokset olivat yleensä hyviä.
Kokoelmat
- Kandidaatintutkielmat [8709]