Värähtelyperustainen vauriontunnistuskomponentti ja mittalaitekohtainen kalibrointi
Sirkiä, Ville (2016)
Sirkiä, Ville
2016
Tietotekniikan koulutusohjelma
Tieto- ja sähkötekniikan tiedekunta - Faculty of Computing and Electrical Engineering
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Hyväksymispäivämäärä
2016-06-08
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:tty-201605133978
https://urn.fi/URN:NBN:fi:tty-201605133978
Tiivistelmä
Kappaleissa ja rakenteissa olevia vaurioita voidaan havaita värähtelymittauksia analysoimalla. Kappaleen värähtelyä mitataan tyypillisesti herättämällä kappale ensin värähtelemään esimerkiksi herätevasaralla ja mittaamalla sitten herännyt värähtely kiihtyvyysantureilla. Vaurioiden tunnistamiseksi värähtelymittauksista voidaan hyödyntää erilaisia koneoppimisalgoritmeja, esimerkiksi tukivektorikoneita ja relevanssivektorikoneita.
Diplomityön taustalla on Atostek Oy:n asiakasyrityksen tarve ohjelmistokomponentille, joka kykenee havaitsemaan kappaleiden vaurioitumisen värähtelymittauksista sellaisten aikaisempien mittauksien perusteella, joissa mitatun kappaleen kunto tunnetaan.
Työssä valitaan tehtävään soveltuvat koneoppimisalgoritmit sekä suunnitellaan ja toteutetaan asiakasyrityksen isäntäjärjestelmään integroitava ohjelmistokomponentti, jolla vauriontunnistustehtävät suoritetaan. Lisäksi esitellään kalibrointimenetelmä, jolla eri mittalaitteilla ja mittaustavoilla mitattuja näytteitä voidaan käyttää koneoppimisalgoritmien opettamiseen.
Työn tuloksena syntyi vauriontunnistuskomponentti, jota voidaan käyttää yleiskäyttöisenä työkaluna kappaleiden kuntoluokitteluun niistä mitattujen värähtelymittausten perusteella. Saadun asiakaspalautteen perusteella komponentti täyttää asiakasyrityksen tarpeen sekä luokittelutarkkuuden että suorituskyvyn osalta. Esitetty kalibrointimenetelmä ei vielä tämän työn puitteissa tehdyn tutkimuksen pohjalta täytä kaikkia sille asetettuja odotuksia vaan vaatii jatkokehitystä toimiakseen tavoitellun mukaisesti.
Työn lopussa esitetään jatkokehitysajatuksia vauriontunnistuskomponentille. Näistä tärkeimmät ovat uusien työkalujen mahdollistama ohjelmiston osien välisen integraation parantaminen sekä luokittelun laajentaminen useamman kuin kahden luokan luokittelijoihin.
Diplomityön taustalla on Atostek Oy:n asiakasyrityksen tarve ohjelmistokomponentille, joka kykenee havaitsemaan kappaleiden vaurioitumisen värähtelymittauksista sellaisten aikaisempien mittauksien perusteella, joissa mitatun kappaleen kunto tunnetaan.
Työssä valitaan tehtävään soveltuvat koneoppimisalgoritmit sekä suunnitellaan ja toteutetaan asiakasyrityksen isäntäjärjestelmään integroitava ohjelmistokomponentti, jolla vauriontunnistustehtävät suoritetaan. Lisäksi esitellään kalibrointimenetelmä, jolla eri mittalaitteilla ja mittaustavoilla mitattuja näytteitä voidaan käyttää koneoppimisalgoritmien opettamiseen.
Työn tuloksena syntyi vauriontunnistuskomponentti, jota voidaan käyttää yleiskäyttöisenä työkaluna kappaleiden kuntoluokitteluun niistä mitattujen värähtelymittausten perusteella. Saadun asiakaspalautteen perusteella komponentti täyttää asiakasyrityksen tarpeen sekä luokittelutarkkuuden että suorituskyvyn osalta. Esitetty kalibrointimenetelmä ei vielä tämän työn puitteissa tehdyn tutkimuksen pohjalta täytä kaikkia sille asetettuja odotuksia vaan vaatii jatkokehitystä toimiakseen tavoitellun mukaisesti.
Työn lopussa esitetään jatkokehitysajatuksia vauriontunnistuskomponentille. Näistä tärkeimmät ovat uusien työkalujen mahdollistama ohjelmiston osien välisen integraation parantaminen sekä luokittelun laajentaminen useamman kuin kahden luokan luokittelijoihin.