Eindrapport
beproeving ICMOS-Diesel
a/b Hr.Ms. Karel Doorman
:Juni 1996
ft. J.. Bos (KM), ft. J.L.
van Herwerden
OEMO 96-07
INH 0 UD
0
Samenvatting
1In1eiding
2
ICMOS-projekt
2.1 Inleiding 2.2 ICMOS-Diesel 2.3 ICMOS-Hulpsysteem 2.4 ICMOS-Koel2.5 Non-ICMOS onderzoek op gebied van storingsdiagnose
3
Opbouw ICMOS-Diesel
3.1 Inleiding Sensorsysteem
3.3 Proces Interface (PI) of Local Unit (LU)
3.4 ICMOS-Personal Computer (PC) of Master Unit (MU)
3.4.1 Data-acquisitie
3.4.1.1 Dataconversie
3.4.1.2 Eerste lijn sensorbewaking 3.4.2 Data-manager
3.4.2.1 Datamanagement
3.4.2.2 Operational Mode afhandeling 3.4.2.3 ISO-correctie en brandstofcorrectie 3.4.2.4 Referent iegenerator 3.4.2.5 Drempelbewaking 3.4.2.6 Componentbewaking 3.4.3 Data-logger 3.4.4 Diagnose 3.4.5 Trendanalyse 3.4.6 User Interface 3.4.7 Task-manager
4
Referentiegenerator
4.1 Inleiding4.2 Referentiemodel gebaseerd op regressieverbanden
4.3 Referentiemodel van een component 4.4 Conditievariabelen
5
7
7 7 8 9 1011
11 11 11 11 14 14 14 14 15 15 16 17 17 18 18 19 21 2123
23 23 25 27 3.2 215
GeImplementeerde diagnosetechnieken
29
5.1 Inleiding 29
5.2 Patroonherkenning 30
5.3 Vector-analyse 31
5.4 Componentbewaking 32
5.5 Rule based diagnose 34
6
Beproeving ICMOS-Diesel
35
6.1 Inleiding 35
6.2 Terugblik le beproevingsperiode (Fase 1) 35
6.2.1 Doe van de metingen 36
6.2.2 Technische problemen 36
6.2.3 Resultaten 37
6.3 Terugblik 2' beproevingsperiode (Fase 2) 41
6.3.1 Doel van de metingen 41
6.3.2 Oplossen technische problemen 41 6.3.3 Bepalen van de referentiegenerator 42 6.3.4 Testen van de referentiegenerator 46 6.3.5 Resultaten en bevindingen t.a.v. diagnose en trendanalyse 47 6.3.6 Bevindinen t.a.v. ICMOS programrna/user-interface 49 6.4 Resultaten 3' beproevingsperiode (v. Baal 1) 51
6.4.1 Doel van de metingen 51
6.4.2 Uitvoeren van referentiemetingen 51
6.4.3 Brandstofregelstandopnemer 51
6.5 Resultaten 4' beproevingsperiode (v. Baal 2) 53
6.5.1 Doe van de metingen 53
6.5.2 B rand stofregelstandopnemet 53
6.5.3 Vervuild luchtfilter 55
6.5.4 Vervuilde luchtkoeler 58
6.5.5 Verhoogde brandstofinspuiting op ci1inder B1 61 6.5.6 Te hoge brandstofinworp op alle cilinders 64
6.5.7 ISO-correctie 65 6.5.8 ICMOS-PC 67
7
Conclusies en aanbevelingen
69
8
ICMOS-referentielijst
75
8.1 Rapporten 75 8.2 Publikaties 83 8.3 Presentaties/papers 84BIJLAGEN
A Overzicht van de meetsensoren
B Handleiding voor de bediening van ICMOS
Overzicht van software t.a.v. beproevingsperiode 4
Tekening van de bevestiging van de brandstaregelstandopnemer
Overzicht van de berekende procesvariabelen eq. -parameters m.b.t. vervuiling van de LT-luchtkoeler
C
()
Samenvatting
Bij de bediening en bewaking van (scheeps)werktuigkundige installaties wordt niet of nauwelijks gebruik gemaakt van intelligente systemen.
Bemanningsreductie (uit het oogpunt van kostenbesparing) en de steeds complexer wordende installaties leiden ertoe dat het voor de operator steeds moeilijker wordt om een installatie alleen op grond van zijn ervaring te bewaken. Deze situatie kan leiden tot bedrijfs- of omgevings-onveilige situaties.
Daarnaast neemt uit het oogpunt van kostenbesparing de belangstelling voor conditie-afhankelijk onderhoud, in plaats van preventief en storingsconditie-afhankelijk onderhoud, toe. Voorwaarde voor het plegen van conditie-afhankelijk onderhoud is dat er een zgn. conditieparameter bepaald kan worden, welke kwantitatief aangeeft hoe de actuele conditie van een komponent zich verhoudt tot de gezonde conditie (referentieconditie) of tot de ongezonde conditie (limietconditie). Indien het mogelijk is de conditie te kwantificeren, {can men door middel van trendpredictietechnieken een voorspelling doen omtrent het tijdstip dat de conditie ontoelaatbaar wordt en onderhoud dringend gewenst is. Onnodig te vroeg onderhoud plegen kan men dan voorkomen, hetgeen aanmerkelijk kosten kan besparen. Enerszijds leidt conditie-afhankelijk onderhoud tot moeilijker
planbaar onderhoud vooral met betrekking tot die onderhoudsactiviteiten welke
voorheen planmatig werden uitgevoerd. Anderszijds leidt conditie-afhankelijk onderhoud juist tot een beter planbaar onderhoud, omdat men ook onvoorziene (en dus ongeplande)conditieverslechteringen kan volgen en hierop kan anticiperen door een zodanig geschikt moment voor onderhoud te kiezen, dat dit tot de minst economische of operationele schade leidt (in de vorm van bijv. kosten, niet beschikbaarheid of veiligheidsrisico). Tegen deze achtergrond is een aantal jaren geleden in samenwerking met de Nederlandse
Verenigde Scheepsbouw bureaus (Nevesbu), Stork Wartsild Diesel (SWD), de
Koninklijke Marine (KM), LOGOS (bureau voor industriele automatisering) en de Technische Universiteit Delft (TUD), een onderzoeksprojekt gestart met het doel eenintelligent conditiebewakingssysteem te ontwikkelen voor scheepswerktuigkundige installaties. Dit projekt, 1CMOS genaamd (Intelligent Condition MOnitoring System), richtte zich in eerste instantie voornamelijk op de dieselmotor als onderdeel van de voortstuwingsinstallatie. Een prototype conditiebewakingssysteem (ICMOS-Diesel) werd ontwikkeld voor het gaswisselsysteem van een I2SW280 voortstuwingsdieselmotor, welke is geplaatst aan boord van het M-fregat Hr.Ms. Karel
Doorman van de Koninklijke Marine. De komponenten welke daarbijop conditie worden
bewaakt zijn achtereenvolgens het luchtfilter, beide drukvulgroepkompressoren, lcen
2` trap luchtkoeler, luchtreceiver, cylinders en toebehoren, uitlaatreceiver en beide drukvulgroepturbines. Ten behoeve van het conditiebewakingssysteem zijn door TUD i.s.m. SWD en Nevesbu een aantal diagnose en trendanalysemethodieken ontwikkeld. LOGOS heeft i.s.m. de andere participanten de benodigde ICMOS-software ontwikkeld en gethstalleerd op een speciaal voor de prototype-beproeving aangeschafte personal computer (486-processor, 66 Mhz, 16 Mb intern, 330 Mb HD). De KM heeft i.s.m. SWD zorg gedragen voor de implementatie en het aansluiten van de benodigde sensoren op de local unit. Tevens wordt gebruik gemaakt van een aantal reeds in het systeem aanwezige sensoren. De KM heeft "last but not least" de beproeving van het prototype
van ICMOS-Diesel mogelijk gemaakt aan boord van Hr.Ms. Karel Doorman. Tevens heel de KM in de afgelopen periode een viertal KMR-officieren ter beschikking gesteld ter uitvoering en analyse van de metingen tijdens de beproeving. Ten tijde van de beproeving waren zij t.b.v. ICMOS aan boord en zorgden i.s.m. het schip voor het uitvoeren de meetprogramma's.
Parallel
aan het ICMOS-Diesel projekt
isaan de TUD als
case-study een
conditiebewakingssysteem voor het koelwater- en smeeroliesysteem van bovenvermeldedieselmotor ontwikkeld. Ten behoeve van dit onderzoeksprojekt, ICMOS-Hulp
genaarnd, zijn aan boord van Hr.Ms. Karel Doorman een aantal extra sensoren geplaatst in zowel het hoge als lage temperatuur koelwater en het smeeroliesysteem. Van het koelwater- en smeeroliesysteem is aan de TUD een simulatiemodel ontwikkeld, welke is gebaseerd op fysische relaties. Aan de hand van metingen aan boord van Hr.Ms. KarelDoorman is
dit model gevalideerd en wordt gebruikt om de het ontwikkelde
conditiebewakingssyteem te testen. Ten behoeve van dit projekt is een snellere pc met een grotere capaciteit (pentium, 100 Mhz, 32 Mb intern, 1 gigabyte HD) aan boord geplaatst om tot sept. 1997 (einde contract betreffende de beproevinQ aan boord van Hr.Ms. Karel Doorman) nog diverse metingen te kunnen uitvoeren.Naast bovenvermelde projekten wordt aan de TUB i.s.m. van Buuren- van Swaay en TNO-FEL onderzoek gedaan naar de conditiebewaking van koelinstallaties, zoals koudwatermakers t.b.v. bijv. klimaatregeling (ICMOS-koel).
De beproeving van ICMOS-Diesel had tot doe om het ontwikkelde conditiebewakingssyteem voor het gaswisselproces van de 12SW280 dieselmotor te testen. Allereerst werden referentiemetingen uitgevoerd am de referentiegenerator vast te
stellen, welke worth gebruikt door de diaQnosetechnieken vectoranalyse en
patroonherkenning. Daarbij kwam de onbetrouwbaarheid van de brandstofregelstand-opnemer reeds naar voren, welke van wezenlijk belang is voor het bepalen van de referentiegenerator. Vervolgens isvooral gekeken naar de werking van de
referentiegenerator en de werking van de ontwikkelde diagnosetechnieken (Patroonherkenning, Vectoranalyse, Componentbewaking en Rule Based). Daartoe zijn zowel gezonde metingen gebruikt als metingen waarbij kunstrnatig een aantal non-destructieve storingen zijn aangebracht in het systeem. Tevens is aandacht besteed aan
het functioneren van de ISO-correctie en de brandstofcorrectie.
Achteraf gezien is te opportunistisch getest. Er is sprake geweest
van gescheiden vaarperioden waarin de referentiefuncties zijn opgesteld. Vele maanden later tijdens de volgende vaarperioden zijn er storingsproeven uitgevoerd. Tij dens de laatste vaarperiode zijn i.v.m. tijdgebrek helaas niet nogmaals referentiemetingen uitgevoerd. Ms gevolgvande onbetrouwbare brandstofregelstandmeting bleek later dat de referentiefuncties welke waren opgesteld tijdens de eerste perioden, niet meer geldig waren.
In deze fase van het project zou een testopstelling, waar veelvuldig getest kan worden en waar de mogelijkheid bestaat metingen opnieuw uit te voeren achteraf beter zijn geweest.
Uit de beproeving is voornamelijk gebleken dat de brandstofregelstandopnemer een zeer zwakke schakel was in het systeem en behoorlijke beperkingen heeft opgelegd ten aanzien van het testen van de ontwikkelde diagnosetechnieken. Toch is getracht aan de hand van de metingen omtrent de diagnose een aantal algemene uitspraken te doen. De componentbewaking in
combinatie met patroonherkenning
(-word t.b.v.
sensorbewaking) lijkt de meest krachtige en betrouwbare diagnoseformule te zijn, daar deze hybride vorm is getest bij ICMOS-Hulp en tot goede resultaten leidt.Componentbewaking leent
zich goed voor het modulair opbouwen van een
conditiebewakingssysteem, is onafbankelijk van storingen en wijzigingen elders in het systeem en behoeft geen ISO-correctie.
Aangeraden wordt dan ook door te gaan met de componentbewaking en de
patroonherkenning. Mocht er een mogelijkheid zijn waarin veel getest kan worden (op een proefopstelling, in een energiecentrale of aan boord van een schip) dan kan serieusopnieuw gekeken worden naar
de complexe en omvangrijke vectoranalyse bewakingsmethode.Al met al kan gesteld worden dat de afgelopen beproevingsperioden veel positieve maar ook veel negatieve punten t.a.v. het 1CMOS-systeem hebben opgeleverd.
Met de opgebouwde kennis en ervaring dient het zeker mogelijk te zijn om in de
toekomst een eenvoudig, betrouwbaar, gel oofwaardig en gebruikersvriendelijk conditie-bewakingssysteem te ontwikkelen, tegen niet al te hoge kosten.Verder bleek het ICMOS-project op organisatorisch vlak een grote uitdaging. Door het grote aantal deelnemende partijen, het verloop van de deelnemers, technische problemen en mensen die zich niet altijd bekwaam van hun taak hebben gekweten, is er momenteel qua mogelijkheden nog niet alles uit het ICMOS-project gehaald .
-Welding
Bij de bediening en bewaking, van (scheeps)werktuigkundige installaties. wordt niet of nauwelijks gebruik gemaakt van intelligente systemen.
Bemanningsreductie (uit het oogpunt van kostenbesparing) en de steeds complexer wordende installaties leiden ertoe dat het voor de operator steeds moeilijker wordt om een installatie ander) op grond van zijn ervaring te bewaken. Deze situatie kan leiden tot bedrijfs- of omgevings-onveilige situaties.
Daarnaast neemt tilt het oogpunt van kostenbesparing de belangstelling voor conditie-afhankelijk onderhoud, in plaats van preventief en storingsconditie-afhankelijk onderhoud, toe. Voorwaarde voor het plegen van conditie-afhankelijk onderhoud is dat er een zgn. conditieparameter bepaald kan worden, welke Icwantitatief aangeeft hoe de actuele conditie van een komponent zich verhoudt tot de gezonde conditie (referentieconditie) of tot de ongezonde conditie (limietconditie). Indien het mogelijk is de conditie te lcwantificeren, kan men door middel van trendpredictietechnieken een voorspelling doen omtrent het tijdstip dat de conditie ontoelaatbaar wordt en onderhoud dringend gewenst is. Onnodig te vroeg onderhoud plegen kan men dan voorkomen, hetgeen aanmerkelijk kosten kan besparen. Enerszijds leidt conditie-afhankelijk onderhoud tot moeilijker
planbaar onderhoud vooral met betrekking tot die onderhoudsactiviteiten welke
4,1 voorheen planmatig werden uitgevoerd. Anderszijds leidt conditie-afhankelijk onderhoud
juist tot een beter planbaar onderhoud, omdat men ook onvoorziene (en dus ongeplande) conditieverslechteringen kan volgen en hierop kan anticiperen door een zodanig geschikt moment voor onderhoud te kiezen, dat dit tot de minst economische of operationele .schade leidt (in de vorm van bijv. kosten; niet beschikbaarheid of veiliQheidsrisico).
Tegen deze achtergrond is een aantal jaren geleden in samenwerking met de Nederlandse
Verenigde Scheepsbouw bureaus (Nevesbu), Stork Wartsila Diesel (SWD), de
Koninklijke Marine (KM), LOGOS (bureau voor industriele automatisering)en de
Technische Universiteit Delft (TUD), een onderzoeksprojelct gestart met het doel een intelligent conditiebewakingssysteem te ontwikkelen voor scheepswerktuigkundige installaties. Dit projelct, ICMOS genaamd (Intelligent Condition MOnitoring System) richtte zich in eerste instantie voornamelijk op de dieselmotor als onderdeel van de voortstuwingsinstallatie. Een prototype conditiebewakingssysteem (ICMOS-Diesel) werd ontwikkeld voor het gaswisselsysteem van een 12SW280 voortstuwingsdieselmotor, welke is geplaatst aan boord van het M-fregat Hr.Ms. KarelDoorman van de Koninkliike Marine. De komponenten welke daarbijop conditie worden bewaalct zijn achtereenvolgens het luchtfilter, beide drukvulgroepkompressoren, 1'en
T trap luchtkoeler, luchtreceiver, cylindersen toebehoren, uitlaatreceiver en beide
drulcvulgroepturbines..
Dit rapport bevat een verslag van de beproeving van ICMOS-Diesel zoals deze heeft plaats gevonden aan boord van Hr. Ms. Karel Doorman,, een multi-purpose fregat van de Koninklijke Marine.
2
ICMOS-proith
2,1 !nick:ring
In samenwerlcing met de Nederlandse Verenigde Scheepsbouw bureaus (Nevesbu), Stork
Wartsila Diesel (SWD), stichting CoOrdinatie Maritiem Onderzoek (CMO), de
1Koninklijke Marine (KM), LOGOS (bureau voor industriele automatisering) en de Technische Universiteit Delft (TUD), is enkele jaren geleden een onderzoeksprojekt gestalt met als doel intelligente (bedienings-)bewalcingssystemen te ontwikkelen voor scheepsmachine-installaties. Een dergelijk systeem dient de werktuigkundige o.a. te
assisteren bij de bediening, bewaking en het diagnostiseren van storingen. Indien
storingen gelcwantificeerd kunnen worden d.m.v. zgn. conditievariabelen, welke
vervolgens in de tijdop trend worden bewaakt,
kan men een
dergelijk conditiebewakingssysteem tevens onderhoudsvoorspellingen laten geven. Op storingen welke zich niet al te snel in de tijd ontwikkelen kan men anticiperen door een geschilct moment van onderhoud te kiezen, welke operationeel het meest gunstig ligt en tot minimale economische schade leidt.Dit projekt, ICMOS genaamd (Integrated Condition MOnitoring System), richtte zich
in eerste instantie
voornamelijk op de idieselmotor
als,onderdeei van de
voortstuwingsinstallatie (ICM OS-Diesel).In een later stadium is als case-study een onderzoeksprojelct gestalt met als doel conditiebewalcingssysteem te ontwikkelen voor diesel-hulpsystemen (ICMOS-Hulp). Binnen dit projekt is vnl. gekeken naar diagnosetechnieken am het koelwater- en
,smeeroliesysteem van de dieselmotor op intelligente wijze qua conditie te bewaken. Naast bovenvermelde projekten wordt aan de TUD i.s.m van Buuren- van Swaay TNO-FEL (TNO - Fysisch Electronisch Laboratorium) onderzoek gedaan naar de conditiebewaking van koelinstallaties, zoo's koud'watermakers t.b.v. bijv. klimaatregeling (ICMOS-Koel).
In de ICMOS-referentielijst (hoofdstuk 9) is een compleet overzicht gegeven van alle rapporten en onderzoeksverslagen welke in het kader van ICMOS zijn geproduceerd. Tevens is een overzicht gegeven van de publicaties en presentaties c.q. papers welke
geschreven zijn met betreklcing tot het project. Bovendien zijn in de
ICMOS-referentielijst een aantal onderzoeksrapporten opgenomen welke betreklcing hebben opandere technieken dan in ICMOS geimplementeerd welke mogelijk in de toekomsteen
bijdrage kunnen leveren aan een, conditiebewakingssyteem.
22
ICMOS-Die5/1ten prototype conditiebewakingssysteem (ICMOS'-Diesel) werd ontwilckeld voor het ,gaswisselsysteem van een 12SW280 voortstuwingsdieselmotor, welke is geplaatst aan
boord van het M-fregat Hr.Ms. Karel Doorman, van de Koninklijke Marine. De
componenten welke daarbij op conditie worden bewaakt zijn achtereenvolgens het luchtfilter, beide drukvulgroepcompressoren, ic en 2 trap luchtkoeler, luchtreceiver,cylinders en toebehoren, uitlaatreceiver en beide drulcvulgroepturbines. Ten behoeve van een
fret conditiebewakingssysteem zijn door TUD i.s.m. SWD en Nevesbu een aantat diagnose en trendanalysemethodieken ontwikkeld. LOGOS heeft i.s.m. de andere participanten de benodigde ICMOS-software ontwikkeld en geinstalleerd op een speciaal voor de prototype-beproeving aangeschafte Personal 'Computer (486-processor, 66 Mhz,
16 Mb intern, 330 Mb HD). De KM heeft i.s.m. iSWD zorg gedragen voor de
implementatie en het aansluiten van de benodigde sensoren op de Local Unit. Tevens wordt gebruik gemaalct van een aantal reeds in het systeem aanwezige sensoren. De KM heeft "last but not least" de beproeving van het prototype van ICMOS-Diesel mogelijk gemaakt aan boord van Hr.Ms. Karel Doorman. Tevens heeft de KM in de afgelopen periode een viertal ICMR-officieren ter beschikking gesteld ter uitvoering en analyse van de metingen tijdens de beproeving. Ten tijde van de beproeving waren zij t.b.v. ICMOS aan boord en zorgden iis.nt het schip voor het uitvoeren de meetprogramma's.2.3
ICMOS-Bulp
Parallel
aan het ICMOS-Diesel projekt
is aan de TlUD al's
case-study een conditiebewalcingssysteem voor het koelwater- en smeeroliesysteem van bovenvermeldedieselmotor ontwikkeld. Ten behoeve van dit onderzoeksprojelct, ICMOS-Hulp
genaamd, zijn aan boord van Hr.Ms. Karel Doorman een aantal extra sensoren geplaatst in zowel het hoge als lage temperatuur koelwater en het smeeroliesysteem. Van hetkoelwater- en smeeroliesysteem is aan de TUD
een dynamisch simulatiemodelontwikkeld, welke
isgebaseerd op fysische
relaties [Herwerden, 1991/1992] [Galiatsatos, 19911.In eerste instantie was dit model gebaseerd op proefstandmetingen, fabrikantgegevens en schattingen. Aan de hand van metingen aan boord van Hr.Ms. Karel Doorman is dit model gevalideerd en wordt thans gebruikt om een ontwikkeld conditiebewakingssyteem te testen [Grevink, 1995b]. Het gevalideerde simulatiemodel is voorzien van sensorruis met een nagenoeg gelijke standaardafwijking als de gemeten sensorwaarden aan boord. Vervolgens worth het model als het werkerijke systeem beschouwd, waaruit dezelfde sensorwaarden gedestilleerd
worden als
in werkelijlcheid.Aan de hand van
referentiemetingen welke aan boord van Hr. Ms. Karel Doorman door Ease [1994] zijn uitgevoerd, zijn de referentiemodellen voor het conditiebewakingssysteem bepaald. Vervolgens zijn in het model een aantal storingen (zoals
afname van de
warmteoverdracht in een koeler, weerstandstoenames in leidingdelen en componenten) geintroduceerd en zijn daarmee de ontwikkelde diagnosetechnieken getest [Grevink, 1995c]. Het betrefl hier een kwantitatieve conditiebewalcingsmethodiek, hetgeenbetekent dat niet alleen de storingen gelokaliseerd lcunnen worden, maar ook qua grootte
lcunnen worden gekwantificeerd. Dit maakt de methodiekgeschikt om storingen in de itijd te volgen (trendanalyse) en te voorspellen wanneer een storing ontoelaatbaar wordt (storingspredictie). De gebruikte diagnosetechniek hierbij is een hybride vorm van componentbewaking met patroonherkenning. Naast storingen in het systeem kunnen ook
sensorstoringen in de vorrn lcleine driftafwijkingen gedetecteerdworden. Ifiertoe is door
Grevink [1995c] een tweede-lijn sensorbewakingsmethodiek ontwikkeld, welke gebruik maakt van zgn. observers. De eerste resultaten hiervan zijn zeer positief te noemen. De hier ontwikkelde conditiebewakingsmethodiek maakt slechts gebruik van relatief goedkope temperatuur- en absolute druksensoren. Massastromen door de diverse
systemen worden voldoende nauwkeurig geschat door middel van een aantal
flowschatters. Voorwaarde voor juiste schatting van massastromen is dat temperaturen bijelk mengpunt (einde vertakking) bekend
zijn.Tevens dienen de in-
enuitgangstemperaturen van de koelers in het systeem gemeten te worden. Om het systeem qua stromingsweerstanden en op pompfunctioneren te kunnen bewaken dient men over de pomp en een aantal karakteristieke subsystemen de drukverschillen meten (d.m.v. absolute druksensoren, deze zijn aanmerkelijk goedkoper dan drukverschilsensoren). Hiermee wordt het sensorsysteem voor een stromings- en warmteoverdrachtssysteem min of meer vastgeleQd.
Op het eerste gezicht leek het koel- en smeersysteem een betrekkelijk eenvoudig
systeem, ook om te bewaken. Integendeel. In het systeem bevinden zich twee
thermostaatkleppen, welke als gevolg van hun hysterese een behoorlijke spreiding in de procesvariabelen veroorzaakt, hetgeen de diagnose bemoeilijkt. Bovendien bevindt zich in het systeem een tweetraps luchtkoeler en een gecombineerde platenkoeler voor de koeling van zowel smeerolie als zoetkoelwater. Daarmee leggen de koelers beperkingen op ten aanzien van de diagnose, omdat bepaalde temperaturen (van lucht na le trap envoor de 2
trap, van zeekoelwater direct na zoetkoelwaterkoeler en direct na
smeeroliekoeler) niet gemeten kunnen worden. Hierdoor is het noodzakelijk om de ontbrekende temperaturen terug te rekenen op basis van redundancy in de fysischerelaties.
Ook is aandacht besteed aan storingsdiagnose met behulp van modelgebaseerde
methoden zoals observer- en parameterschattingstechnieken, welke gebruik makenvandynamische verschijnselen in het te bewaken systeem [Pritanto, 1995][Beumer 1992]. Deze technieken maken nog gebruik van zeer veel sensoeren en is om die reden nog niet toegepast.
Ten behoeve van de voortzetting van het ICMOS-Koel projekt is een snellere PCmet een grotere capaciteit (pentium, 100 Mhz, 32 Mb intern, 1 gigabyte HD) aan boord geplaatst om tot sept. 1997 (einde contract betreffende de beproeving aan boord van Hr.Ms. Karel Doorman) nog diverse metingen te kunnen uitvoeren. Einde beproeving ICMOS-Diesel betekent daarmee niet het einde van de beproeving van 1CMOS-Hulp!
2.4
ICMOS-koel
Naast bovenvermelde projekten wordt aan de TUD i.s.m. van Buuren- van Swaay en TNO-FEL onderzoek gedaan naar intelligente conditiebewaking van compressor-koelinstallaties, zoals koudwatermakers t.b.v. bijv. klimaatregeling.
Vooronderzoek heeft reeds getoond dat compressor-koelinstallaties zoals toegepast in
koelschepen en in airconditioningsystemen vaak niet goed worden bediend door
scheepsbemanningen [Grimmelius, 1992a]. Een intelligent bewakingssysteem zal vangroot nut kunnen zijn om deze installaties op zee op een juiste wijze te kunnen bedienen. Van een bestaande compressor-koelinstallatie is een mathematisch model gebouwd, welke zo gedetailleerd is dat inbouwen van storingen en simulatie van het (dynamisch) gedrag van de installatie mogelijk is [Grimmelius, 1992b/1993]. De vier
hoofdcomponenten compressor, verdamper, condensor en thermostatisch expansieventiel
procescyclusmodel, welke het mogelijk maakt om defecten aan kleppen en andere cylindergebonden storingen te kunnen simuleren. De verdamper is gemodelleerd met
behulp van een eindige elementen benadering, met een hoofdzakelijk empirische
beschrijving van stromingspatronen en warmteoverdracht. De condensor is gemodelleerd als een drie-zone-model, met een condensatie zone, een onderkoeling zone en een aparte zone voor de koeling van het oververhitte gas van de compressor. Het model van hetmechanische thermostatische expansieventiel bevat een dynamische beschrijving van temparatuurregeling.
Vervolgens zijn diverse diagnosetechnieken, welke zijn toegepast in andere onderzoeksprojecten, geevalueerd. Speciale aandacht is hierbij besteed aan neurale netwerken als storingsdiagnosemethodiek [Kuilenburg, 1995/1996].
Verder gegaan zal worden met de ontwikkeling van modellen waarmee het mogelijk is verstoord systeemgedrag te voorspellen bij verschillende bedrijfscondities en met verschillende systeemconfiguraties.
Verwacht worth een efficient diagnosesysteem te kunnen ontwikkelen, welke is
gebaseerd op een combinatie van basistechnieken zoals fuzzy logic, observers, neurale netwerken, patroonherkenning en expertsystemen.2.5 Non-ICMOS onderzoek op g,ebied van storingsdiagnose
Er zijn ook diverse onderzoeken uitgevoerd,
welke betrekking hadden op
conditiebewaking van machine-installaties, maar niet in directe relatie tot het ICMOS-project. Het betreft hier onder andere:conditiebewaking van zuigerverbrandingsmotoren d.m.v. torsietrillingsanalyse [Bonnier, 1995] [Spoelstra, 1993]
conditiebewaking van hoofdlagers van
dieselmotoren d.m.v. dynamische drukmeting in het smeeroliecircuit [Bosscher, 1993]detectie en diagnose van lagerdefecten aan medium speed dieselmotoren
[Broekhaus, 1992]onderzoek naar de bruikbaarheid van krachtopnemers t.b.v. cilinderdukmeting en
storingsdiagnose [Hartman, 1996] [Sonsbeek, 1992/1995]
onderzoek naar een expertsysteem voor de diagnose van trillingsspectra bij de Koinklijke Marine [Rooij, 1992/1993]
De methodieken welke in bovenvermelde onderzoeken zijn uitgediept, kunnen wellicht in de toekomst van belang zijn voor een te ontwikkelen conditiebewakingssyteemvoor een dieselmotor.
0
-D
3.1 Inleidino
en globaal overzichl van de hardware; systeerilillayOut is weergegeVlefi lb figinir 1. Het ,systeem kan in drie delen worden opgesplitst:
Het sensorsysteem
De proces-interface oftewell de Local Unit (LU)
De personal computer (PC) oftewel de Master Unit, (MU)
et. is
_o_zaysin
11Het totale sensorsysteem aan boord van Hr. Ms. Karel Doorman bestaat uit ongeveer 60 sensoren, benodigd om alle vereiste procesinformatie van de voortstuwingsdieselmotor te verkrijgen. Voor ICMOS-Diesel wordt gebruik gemaakt van ± 45 sensoren, terwijl, voor ICMOS-Hulp ± 20 sensoren benodigd zijn.
In bijlage A is een volledige sensorlijst weergegeven. Sensoren 1 t/m 21 waren reeds in het systeem aanwezig. Sensoren 22 t/m 60 zijn ten behoeve van zowel ICMOS-Diesel als ICMOS-Hulp bijgeplaatst. Lang niet al deze sensoren zullen benodigd zijn voor een
eventueel te ontwiklcelen conditiebewalcingssysteem. Het uitgebreide sensorsysteem heeft
ook vooral gediend om diepere proceskennis te verlcrijgen ten aanzien van zowel gezond als ongezond gedrag van het gaswisselsysteem en de hulpsystemen van de dieselmotor.
Tevens zijn ten behoeve van ICMOS-Hulp extra sensoren toegevoegd om het
ontwikkelde simulatiemodel van het koelwater- en smeeroliesysteem te kunnen tunen. Daarnaast zal men zich bij het ontwikkelen van een definitief conditiebewalcingssyteem eerst moeten afvragen op welke storingen c.q. conditieparameters men een systeem wil bewaken, waarmee dan het aantal sensoren zal worden vastgelegd.Proces interface (PI) of Local Unit (LIT)
De Local Unit zet analoge signalen om in dignale signalen in de vorm van ASCII en zendt deze via een RS 232 verbinding naar de ICMOS-PC gebruik makend van current loop.
34
'IC:MOS-Personal-Computer (PC) of Master Unit (MU)Pc
HardwareIn de Technische Centrale aan boord van Hr. Ms. Karel Doorman is een Personal Computer geplaatst waarop de ICMOS software is gethstalleerd.Er is gekozen voor een UNIX PC platform met de programmeertaal C" en een grafische user interface tool-kit om goede ontwikkelingsflexibiliteit te kombineren met lase kosten.
Ev:s-17Frin
n IBM compatible PC processor: 80486 /33 Mhz floppy drives:: 5 1/4 en 3 1/2 hard disk: internal memory:, 16 Mb-GI- monitor: 1024 x 768 color
operating system: UNIX
tape streamer:. 150 Mb
Figuur R.:: Overzicht van de hardware systeem lay-out van ICMOS
4)
0 zun
/0[110
n I
I 1- 1Sensor subsystem
Local
Master Unit
UNIT
De PC is standaard IBM compatibel met een 80486 / 33 Mhz. Intel processor, 16 Mb. intern geheugen en 340 Mb. harde schijf. Tevens is een tape streamer van 150 Mb. ingebouwd.
1CMOS-softwa re modules
Figuur 2 toont een schamatische presentatie van de software architectuur van het
conditiebewakingssysteern. Het ICMOS-systeem is verdeeld in verschillende taken die onderling samenwerken. Deze taken zijn afzonderlijke UNIX processen. Het verzorgen van samenwerking wordt verzorgd door de Task Manager.Figuur 2:
Diagnosis
1 Data Logger Legend:message
passing data flowshared memory
Data Manager DataAcquisition
Opbouw van de ICMOS-software
User
\
Interface
Task Manager- I
_
De software is opgebouwd uit de volgende taakmodules (tasks): Data-acquisitie Data-manager Data-logger Diagnose Trendanalyse User interface Task-manager
-r
I,3.4.11 Loa L nisi&
Deze module verzorgt de data converSie van de binnedkomende meetsignalen en een eerste lijn sensorbewaking
3.4.1.1 Dataconversie
De meetgegevens worden via een RS 232 communicatiepoort als digitale signalen ingelezen vanuit de Local Unit. De binnengehaalde gegevens worden via een conversie en een middeling tot procesvariabelen omgewerkt.
Binnen de Master Unit wordt een lineaire conversie toegepast met behulp van een conversiefactor en een offset:
Y = a
waarbij Y .,., fysische waarde procesvariabele
,
waarde meetsignaalm. conversiefactor
s
,
offsetDe conversiefactor en offset verschillgen per procesvariabele.
3.4.1.2 Eersteflijasensorbcwaking
Bij het binnenkomen van de meetgegevens wordt een eerste controle van de geldigheid van deze gegevens uitgevoerd. Daarbij wordt op 3 soorten sensorfouten gecontroleerd:
draadbreuk of kortsluiting
buiten treden van het werkgebied of het fysisch mogeliike bereik overschrijden van de maximum rate of change (MAROC)
Het verlies van data wordt voorkomen door een apart databuffer proces
Tijdens de 1 e beproevingsperiode werden de meetdata elke 20 sec. via de Local Unit ingelezen. Elke 2 minuten werd het gemiddelde van 5 metingen i(= samplegrootte 5)
opgeslagen en gebruikt voor de diagnose. De daaropvolgende 2',
3erf 4
beproevingsperiodes is deze tijdstap ingesteld op 5 sec., zodat na ,elke 2 minuten 24
metingen werden gemiddeld (= samplegrootte 24). Fase heeft aangetoond dat het
verhogen van de samplegrootte leidt tot een geringere variatie van de meetgegevens. De standaarddeviatie van de meetwaarde ligt bij samplegrootte 24 theoretisch een factor 0.46(4(5124)) en volgens de metingen een factor 0.56 lager dan samplegrootte 5 "Fase, F99413.4.2
Data-manager
Len aantat systeemftincties zijn gegroepeerd in een centrale programmamodule- de data-manager. Het betreft bier de tijdkritische functies, welke confirm real-time berekeningen
mX
ditvoeren (high priority functions). De minder tijdkritische functies, zoals diagnose en user interface, zijn geimplementeerd in aparte UNIX processen.
De kwaliteit van de data manager worth voor een groot deel bepaald door de correcte afhandeling van het tijdsaspect van de gegevens. Iedere berekening dient namelijk te worden uitgevoerd met gegevens van hetzelfde tijdstip. Indien het niet mogelijk is de berekening van de gegevens tijdig uit te voeren zal de data-manager op gecontrofeerde wijze berekeningen overslaan.
De volgende functies zijn in de data-mathiger gegroepeerd: Datamanagement
Operational Mode afhandeling
Correctie voor omgevingscondities,(ISO-correctie) en branctstof Referentiegenerator
Drempelbewaking voor alle procesvanabelen Componentbewak ng
13.4.2.1
Data management
Het ICMOS-systeem slaat gegevens van het bewaakte
proces op in een zgn
objectstructuur. De gegevens uit deze objecten kunnen door iedere task worden
opgevraagd. De data-manager draagt zorg voor het beheer van de gegevens van deze Objecten, in die zin dat het objectmodel voor uitvoering van de benodigde berekeningen met correcte gegevens wordt gevuld34.2.2
Operational Mode afbandeling
De 'bewakingsfuncties van het ICMOS-systeem zijn gebaseerd op een stationafre
systeemtoestand. Dit betekent dat de systeemtoestand stabiel moet zijn om bewaking te kunnen uitvoeren. Er worden 4 toestanden onderscheiden:-0: Invalid,
betekent dat een of meerdere van de procesvariabelen waaruit de operational mode berekend wordt invalid zijn, waardoor het hele systeem ongeldig is. Not running,
betekent dat alle procesvariabelen valid zijn, maar het systeem is niet in werking en cumuleert ook geen running-time (bedrijfstijd). Het systeern is in werlcing als de procesvariabele `motortoerental' > 0 is
Unstable,
het systeem is valid 'en running, cumuleert running-timee maar !het is nog, niet stabiel en diagnose is dan nog, niet mogelijk.
Stable,
het systeem is valid, running en stabiel, het cumuleert running-timeen er kunnen
diagnoses worden uitgevoerd; het system is stabiel onder de volgende
voorwaardencn> instar, = 750 min'
yr,
bij een verandering van het ingestelde toerental (An) 'is het systeem
(uur) unstable
4-0,1AO.
10 100'"set
(omw/min)Figuur 3: Duur van de onstabiele fase van de dieselmotor na verandering van het ingestelde toerental
3.4.2.3 ISO-correctie en brandstofcorrectie
De procesvariabelen van het
te bewaken systeem worden beinvloed door de
omgevingstoestand (temperatuur buitenlucht c. q. zeewater, buitenluchtdruk). Voor gebruik binnen ICMOS is het noodzakelijk de meetwaarden te corrigeren voor deze omgevingsinvloeden. De correctie wordt uitgevoerdmet behulp van het door Fase
afgeleide verband [Fase, 19921v
v
XISO ISO act Xact waarin X omgevingsinvImedsvariabele procesvariabeleISO = onder standaard (ISO) conditie act = onder actuele conditie
correctie exponent
Voor de uitvoering van de ISO-correctie dient de correctie exponent c te worden
opgenomen in de data-manager structuurfileHet gaswisselsysteem (ICMOS-Diesel) wordt door3 omgevingsparameters beinvloed: Omgevingsluchttemperatuur
Omgevingsluchtdruk Luchtreceivertemperatuur
De correctie exponentenvoor deze 3 factoren zijn voor alle procesvariabelen door Fase bepaald [Fase, 1993c/1994].
= I(
De gemeten regelstandpositie dient gecorrigeerd te worden voor de verbrandingswaarde van de gebruik-te brandstof De verbrandingswaarde wordt gebaseerd op de dichtheid (bij
15°C), het zwavel-, as- en watergehalte. Van deze vier parameters is de dichtheid de belangrijkste, de avenge factoren hebben een geringere invloed op de verbrandingswaarde.
3.4.2.4 Referentiegenerator
Om de conditie van een installatie te lcunnen bewaken is het noodzakelijk om het actuele gedrag te kunnen vergelijken met het gezonde gedrag van de installatie. Dit vereist een referentiemodel van de installatie, welke met voldoende nauwkeurigheid de (gezonde)
procesvariabelen en/of procesparameters kan voorspellen onder alle bedrijfs- en
omgevingskondities.Binnen ICMOS is gebruik gemaakt van een regressiemodel, welke is bepaald op grond van metingen op zee. De diagnosemethodieken patroonherkenning en vectoranalyse maken gebruik van zo'n referentiemodel gebaseerd op uit referentiemetingen afgeleide regressieverbanden.
De componentbewaking
daarentegen maakt gebruik van componentreferentiemodellen, welke gematched worden aan de hand vanreferentiemetingen.
Voor meer uitgebreide informatie ten aanzien van de ontwikkelde referentiegenerator worth verwezen naaar hoofdstuk 4.
3.4.2.5 Drempelbewaking
De data-manager past drempelbewaking toe am afwijkingen van het bewaakte systeem t.o.v, het referentiemodel te signaleren. Het kunnen hierbij afwijkingen betreffen van procesvariabelen (gemeten variabelen) of procesparameters (uit gemeten variabelen berekende proceseigenschappen, bijv. K-waarde). Voor deze procesvariabelen c.q. -parameters kunnen conditievariabelen worden berekend. Gekozen is voor de conditie-variabelen Symptoom (S), Relatieve Afwijking (RA) en de Conditieparameter (C):
S Oct - Yrcf)/Yref
RA (Yact Ylim)/(Yrcf Ylim)
C = Ya,t/Yrcf
waarbij procesvariabele of-parameter
act actueel gemeten
ref onder referentiekonditie
Inn
limietwaarde behorende bij
een storing welke juist
ontoelaatbaar isDe drempelbewaking wordt toegepast op de berekende conditievariabele. De
conditievariabele is in twee varianten beschikbaar uit het Conditievariabele-object, nl. uit het korte termijn resp. lange tennijn buffer. Toepassing op het korte termijn buffer heeft als voordeel een snelle reactie op plotselinge veranderingen en het lange termijn buffer-heeft als voordeel een nauwkeurige bewaking bij kleine afwijkingen. De volgende gegevens zijn nodig voor drempelbewaking:
max. treshold min. treshold
max. limit min, limit
dead band
In figuur 4 staat de betekenis van deze variabelen uitgewerkt.
limit-alfirm-messarj.
threshold-message
Figuur 4: Betekenis van de begrippen bij drempelbewaking
3.4.2.6 Componentbewaking
Zie diagnose.
3.4.3 Data-logger
Het opslaan van de procesgegevens worth door de data-logger verricht. De data-logger
slaat een vastgelegde set data op met te specificeren intervallen. De data worden
opgeslagen in ASCII files in een aparte directory. Opslag van procesgegevens is alleenmogelijk als de belastingcondities constant zijn of als de beschouwde variabele
belastingonathankelijk is. De opslag van procesgegevens wordt uitgevoerd in drie historyniveaus:
1- korte termijn opslag interval: 10 minuten periode: 24 uur
2- middellange termijn opslag interval: 1 uur periode: 30 dagen
De data-logger slaat de volgende gegevens op:
Operational Mode gegevens (tijd, bedrijfstijd, valid) - korte termijn nivean Procesvariabele gegevens (tijd, act.waarde, valid) - korte termijn niveau
Conditievariabele ,gegevens (tijd, act.waarde, ref waarde, valid)
- korte term&
niveauSysteem gegevens (alle informatie over het systeem afgeleid uit operational mode en
conditievariabele gegevens, zoals
tijd, bedrijfstijd,valid, GMA van
conditievariabele) - korte, middellange en lange termini niveauKorte termijn iopslag vindt plaats voor alle gemeten procesvariabefen
en de tharuit
berekende conditi evariabel en.Bij de middellange en Lange termijn opslag worden alleen de belastingonafhankelijke conditievariabelen (symptoom of relatieve afwijking) en de daarvan bepaalde GMA waarden opgeslagen. Omdat deze data belasting- en omgevingsconditie onathankelijk is, 'is deze geschikt om te worden gebruikt ten behoeve van continue trend-analyse en bewaking van het het proces.
Geometric Moving Average (GMA) berekent op de volgende wijze eengewogen waarde uit de vorige gewogen waarde en de meest recente waarde:
XGmA = . + tL- 1.V), . Xvit
waarbij, XGMA gewogen gemiddelde waarde van Nariabele X
actuele waarde van variabele X weegfactor (binnen ICMOS: w = 0,2) meetnummer
De factor w wordt zo gekozen dat een evenwichtige weging,van de data iPlaatsvindt.
3.4.4 Diagnose
Zodra het systeem een van gezond afwijkend gedrag waarneemt, is het noodzakelijk om de oorzaak hiervan te ontdekken. Daarvoor dient men de effecten van storingen op de procesvariabelen eq. -parameters binnen het systeem te kennen en te beschikken over effectieve diagnosetechnieken. Binnen ICMOS worden bij detectie van afwijkend gedrag de diagnoseprocessen automatisch gestart.
Binnen ICMOS zijn de wolgendediagnosemethodieken ontwikkeld en getmplementeerd: Patroonherkenning
Vectoranalyse
Componentbewaking Rule Based 'diagnose
1
Met uitzondering van de componentbewaking zijn
allediagnosemethodieken geimplementeerd in aparte programmamodules (aparte softwareprocessen).Deze worden
dus alleen automatisch geactiveerd alser een afwijking is gedetecteerd tussen de actuele waarden van
procesvariabelen of -parameters en de daarbij behorende gezonde
= =
w =
referentiewaarden. Maw. als eon of meet- condievafiabelen een drempel (treshold) overschrijdt.
Door middel van de user-interface zijn deze diagnoseprocessen ook handmatig te
activeren. Invoerdata voor de diagnoseberekeningen worden verkregen van zowel de zeer korte termijn data opgeslagen in het tijdelijke werkgeheugen, als lange termijn data opgeslagen in log-files. De resultaten van de diagnose worden zowel gepresenteerd in -grafische vorm (grafieken,, staafdiagrammen) als in alfanumerieke vorm (figuur 5 en 6).Exhaust gas tempi cx1 1 i[CII
.Exhaust gas temp cyl 2
[0
Exhaust gas temp cyl 3 [CT
Exhaust gas temp cyl. 4 [CII
Exhaust gas temp cyl 5 ICJI
Exhaust gas temp cyl. 6 [C]
Receiver temp A [CI
Receiver temp B
MEMO vector analysis
i component monitorin
Air filter fouling
Fouling aircooler A Deterioration K-factor 081 aircooler A Symptom Display MOBASFUBM 01
Figuur Grafische pre-aerreatie van afwijkingen
'Symptom Dlspl ay
Figuur 6:; Alfanumerieke weergave vari de grootte van een storing
In hoofdstuk 5 volgt een globale bes,chrijving van de in ICMOS, gemplementeerde diagnosetechnieken.
Alle conditievariabelen (voor ale diagnosemethodieken) worden in de data-manager berekend en opgeslagen via de data-logger.
Ref. 1.-so actual limit Corr. 3201 328 332' 340 320. 310 306 34e 320 315 3101 -340 320 320 3201 340 320 308 .305 340 55 58 61 6e 55 60. 65.
fa
11 6 40 % 45 % IF 12 -3 % II -8 * [C] 5: I 0 %3.4.5
Trendanalyse
Met de trendanalyse is het mogelijk het verloop in de tijd van procesvariabelen,
berekende procesparameters en conditievariabelen weer te geven, inclusief een
voorspelling van het toekomstige verloop.Door berekening van een voorspellende kromme (zowel lineaire als exponentiele
voorspelling is mogelijk) kan een schatting worden gemaakt van het tijdstip waaropoverschrijding van de vastgestelde drempel- en limietwaarden plaats zal vinden.
Daarnaast k-unnen het geschatte tijdstip bij een gegeven waarde en de geschatte waarde bij een gegeven tijdstip worden opgevraagd3,4,6 User interface
De user-interface van het ICMOS-systeem heeft tot doel de gebruiker de mogelijkheid te bieden alle relevante gegevens in het systeem te bekijken en het systeem de gewenste acties te laten uitvoeren.
De relevante gegevens zijn:
waarden uit het objectmodel (actuele en referentiewaarden van procesvariabelen c.q -parameters, conditievariabelen, operational modes etc., m.a.w. alle voor de diagnose en trendanalyse benodigde gegevens)
diagnoseresultaten trendanalyseresultaten
gegevens over 1CMOS modulen De uit te voeren acties zijn:
uitvoeren van diagnoses opvragen van een trendanalyse
starten en stoppen van daarvoor in aanmerking komende deeltaken logdata exporteren naar ASCII bestanden voor extern gebruik
Het user-interface is zodanig ontworpen dat het voor de gebruiker altijd duidelijk is wat van hem/haar verlangd wordt en waarmee het system bezig is.
3.4.7
Task-manager
Het verzorgen van de samenwerking tussen bovenstaande UNIX-processen wordt verzorgd door de task-manager. De task-manager vervult de volgende deeltaken:
opstarten van verschillende taken (bedienbaar) stoppen van verschillende taken (bedienbaar)
reageren op error-berichten van de taken (niet bedienbaar) reageren op software-fouten in de taken (niet bedienbaar)
4
Referentiegenerator
Li
z1/
inteidring
Bij; de evaluatie van de gezondheidstoestand van de machine-installatie
is het
noodzakelijk om het actuele gedrag te kunnen vergelijkenmet het gezonde gedrag van de installatie. Dit vereist een referentiemodel van de installatie, welke met voldoende nauwkeurigheid de (gezonde) procesvariabelen en/of procesparameters kan voorspelilenonder alle bedrijfs- en omgevingskondities.
Referentiemodel gebaseerd on regressieverbandem
De meest eenvoudige vorm van een referentiemodel is een regressiemodel, welke is
gebaseerd op proefstandmetingen of uitgevoerde meetruns op zee.
Tij dens de ontwikkeling van een ireferentiemodel dient de machine-installatie gezond te zijn en te draaien bij een bedrijfskonditie, welke de actuele dicht benadert, bij voorkeur metdezelfde sensoren zoals gebruikt worden in het conditiebewakingssysteem. Dit resulteert
in een model met een goede nauwkeurigheid, maar, omdat
geen proceskennis is toegevoegd, alleen geldig voor de bedrijfskondities waarbij de referentiemetingen zijnuitgevoerd. Zo'n referentiemodel, zoals van een dieselmotor draaiend volgens
schroefwet, genereert de relevante procesvariabelen (bijv. temperaturen, drukken,, toerentallen, massastromen) als functie van enkele variabelen welke de bedrijfstoestand vastleggen (bijv. motortoerental, brandstofregelstangpositie). Het model kan falen in omstandigheden welke afwijken van de omstandigheden tijdens de referentiemetingen, zoals bijv. alsgevolg van gewijzigde
omgevingsluchttemperaturen.Dit type
referentiegenerator, waarbij procesvariabelen voor gezond bedrijf worden gegenereerd
op basis
van regressieverbanden, wordt gebruilct bij 4e diagnosetechniekenpatroonherkenning en vectoranalyse.
Goede proceskennis maakt het mogelijk referentiemodellen te ontwikkelen, welke gebaseerd op procesfysica. Over het algemeen worth het model daarmee meer geschikt voor afwijkende bedrijf- en omgevingscondities. Wanneer een model siechts alleen gebaseerd is op theoretische kennis, zal de nauwkeurigheid onvoldoende blijken te zijn. Een betere manier om een referentiemodel te iontwikkelen is gebruik te maken van bekende fysische relaties, welke op basis van referentiemetingen gematched dienen te worden aan de werkelijke installatie. In het kader van ICMOS-Diesel is gepoogd een dergelijk referentiemodel gebaseerd op fysische proceskennis te ontwikkelen voor de 12SW280 dieselmotor.
Ms basis hiervoor diende een simulatiemodel, welke is
gebaseerd op de thermodynamica van het dieselproces en gebruik maakt van de zgn. vul-en leegmethode. Hoewel dit simulatiemodel' de trvul-ends redelijk goed voorspelt,, bleek de nauwkeurigheid voor enkele procesvariabelen i(zoals uitlaatgastemperaturen) onvoldoende voor conditiebewaking. Het model zodanig tunen om alsnog een voldoende nauwkeurigheid te verkrijgen, zelfs voor het gehele belastinggebied, zou in principe mogelijk zijn,maar een
te groteinspanning vergen voor
een prototype-conditiebewakingssysteem. Daarom is besloten om een referentiemodel van de gehele motor te gebruiken welke is gebaseerd op referentiemetingen op zee (regressiemodel). zijnOm het referentiemodel ook voor andere condities dan tijdens de referentiemetingen geldig te laten zijn, wordt het
model gecorrigeerd voor afwijkingen
in debrandstofkwaliteit. De actuele gemeten procesvariabelen worden gecorrigeerd voor gewijzigde omgevingscondities (ISO-correctie), op basis van trends welke zijn bepaald
met behulp van het simulatiemodel. De informatiestroom en de lay-out van het
bewakingssysteem, dat gebruik maakt van het integrale referentiemodel van de
dieselmotor, is weergegeven in figuur 7.fuel quality actual diesel process engine variable fuel index speed engine model
(riable
----. .. -\ condition\
variable threshold ---b' bands ____---ambient conditions ISO correction condition variable calculation condition variables performance checking diagnosis corrected process variables presentation to userFiguur 7: ICMOS-Diesel bewakingssysteem in het geval gebruik wordt gemaakt van het integrale motormodel als referentiegenerator
Het simulatiemodel is tevens gebruikt om storingen te simuleren en de kwantitatieve symptomen voor deze storingen te bepalen ten behoeve van de diagnosemethodiek vectoranalyse. Net als de patroonlierkenning wordt bij de vectoranalyse dus gebruik
gemaakt van de referentiegenerator, waarmee op basis van regressieverbanden de
referentiewaarden voor de procesvariabelen kunnen worden voorspeld.Bij diverse belastingen (combinaties van toerental en brandstofregelstangpositie) zijn de voor diagnose relevante procesvariabelen gemeten en is vervolgens een regressieverband vastgesteld. De ingang parameters voor deze regressieverbanden zijn brandstofregelstand en motortoerental. Het verband tussen ingang- en uitgangsparameters wordt beschreven door polynomen die door de meetpunten zijn gelegd.
De ingangsparameters zijn : relatieve motortoerental (n)
relatieve brandstofregelstand (r) known
De uitgangsparameters zijn: door ICMOS gebruikte procesvariabelen De referentiefunctie heeft dan de vorm van
F (n,r) = a0 + al *r + az* nr + a3* n + a4* r2 +a5 * r2 n +a6 * r n2 +a, *n2
De referentiegenerator is geldig voor internationale standaard omgevingscondities (ISO-condities: To = 25 °C, po = 1000 mbar en T,.o, = 50 °C).
De referentiegenerator is geldig voor brandstof met een standaard-verbrandingswaarde van 36700 J/de bij een brandstoftemperatuur van 15 °C.
De procedure om van referentiemetingen tot een referentiegenerator te komen is als volgt:
Uitvoeren van
referentiemetingen bijverschillende vooraf gedefinieerde
bedrijfswerkpunten bepaald door toerental, brandstofregelstand en schroefspoed Controle op bruikbaarheid van de metingen (zijn de metingen op het eerste gezichtjuist en zijn er tijdens de referentiemetingen wijzigingen m.b.t. de motor
opgetreden)Correctie van regelstand op basis van verbrandingswaarde van de brandstof Correctic van de procesvariabele naar ISO-condities
Middeling van de metingen per werkpunt
Uitvoeren van de kleinste kwadraten fit op gemiddelde werkpuntmetingen Procesvariabelen zijn direct meetbare variabelen. Voorbeelden van procesvariabelen die door de referentiegenerator door middel van regressieverbanden worden bepaald voor de conditiebewaking (patroonherkenning en vectoranalyse) van het gaswisselsysteem zijn
o.a:
drukken voor de compressoren en de turbines drukvallen over de koeler en uitlaat
temperaturen voor en na de compressoren en turbines temperatuur na de cilinders
toerental motor en toerental van de drukvulgroepen
4.3
Referentiemodel van een component
Naast een referentiernodel geldig voor de gehele motor, kan men ook gebruik maken van componentmodellen [Bergman, 1992]. Een component is een deel van het complete
systeem met een duidelijk onderscheidbare functie, zoals voor de dieselmotor: de
luchtkoeler, de compressor en de turbine van de drukvulgroep. In een componentreferentiemodel, welke is gebaseerd op fysische proceskennis, worden de gezonde uitgangsvariabelen van een component voorspeld als functie van de ingangs-variabelen, welke de tevens bedrijfskonditie van de component vastleggen (figuur 8).real' component reference model of healthy component actual output variables reference output variables diagnosis Input variables
Figuur .8:
Een componentreferentiemodel ,om de conditie van de werkelijke
component te bepalen: gezond of verstoord. De ingangsvariabelen zutleti volledig de bedrijfstoestand van de component vastleggen.
Ms voorbeeld wordt eenteFerentiemodet van een dieselmotorluchtkoeler beschouwd en
vergeleken met het model van de complete motor. In het complete motormodet kan de itemperatuur na en het drukverschil over de luchtkoeler alleen gegeven worden als functie
van motortoerental en brandstofregelstand. Met deze twee variabelen ligt de
bedrijfconditie van de koeler niet volledig vast. Het functioneren van de koeler hangt afvan de intree lucht- en watertemperaturen, luchtdruk en de massastromen als
ingangsvariabelen. Ms uitgangsvariabelen lawmen de uittree lucht-en watertemperaturen en de drukverschillen worden beschouwd. Met het motorreferentiemodel kanmen, in geval van een te hoge luchttemperatuurna de luchtkoeler, concluderen dat dit het
resultaat is van koelervervuiling. Maar het is ook mogelijk een gevolg van een te lage massastroom koelwater als gevolg van pompproblemen, een te hoge waterintreetemperatuur als gevolg van falen van de thermostaatklep of een te hoge luchtintreetemperatuur als gevolg van compressorproblemen. Dit betekent datmet zo'n totaalmodel een afwijking van de gezonde toestand niet direct de oorzaalc van het probleem gevonden, kan worden. Met het luchtkoelermodel, waarbij de bedrijfsconditie van de koeler volledig bepaald wordt door de set ingangsvariabelen, wordt de invloed van andere componenten geelimineerd. Binnen het componentmodel van de tuchtkoeler kan daarmee alleen sprake zijn van koelervervuiling. Dittoont direct de kracht van
componentmodellen aan met betrekking tot het diagnostiseren van storingen. De
component is geisoleerd van invloeden van andere systeemdelen. Het model leidt direct tot conclusies ten aanzien van de conditie in alleen die betreffende component. Tevens is het waarschijnlijker dat voldoende proceskennis beschikbaar isvoor een component-referentiemodel dan voor een compleet systeemmodel. Bovendien lenencomponent-modellen zich voor het modulair opbouwen,van een conditiebewakingssysteem, hetgeen
grote voordelen kan ,opleveren wat b,etreft ieenvoud, tija en daarmee samenhangende kosten.
Dat de op deze componentmodelien gebaseerde, diagnosetechnliek coMponentbewaking wordt genoemd is vanzelfsprekend.
Voorbeelden van bij componentbewaking gebruikte componentparameters waarop bewaakt wordt zijn:
compressoren druk-, temperatuurverhouding en rendement
turbines: druk-, temperatuurverhouding en rendement
luchtfilter weerstandscoefficient uitlaat weerstandscoefficient
luchtkoeler
weerstandscoefficient aan beide *len,
warmteover-drachtscoefficientVoor deze parameters worden aan de hand van referentiemetingen de referentiewaarden bepaald op dezelfde manier als onder 4.2 aangegeven.
4.4
Conditievariabelen
Om afwijkingen van procesvariabelen (gemeten variabelen) of procesparameters (uit
gemeten variabelen berekende proceseigenschappen) ten opzichte van gezonde
referentiewaarden te kunnen aangeven, zijn een aantal conditievariabelen gedefinieerd.Gekozen is binnen ICMOS voor de conditievariabelen Symptoom (S), Relatieve
Afwijking (RA) en de Conditieparameter (C):S (Yact Yrcf)/Yrcf
RA = (Yact Ylim)/(Yref
Yr.)
C = ' ac/
waarbij Y = procesvariabele of-parameter
act = actueel gemeten
ref = onder referentiekonditie
Fun =
limietwaarde behorende bij
eenstoring welke juist
ontoelaatbaar isDe drempelbewaking wordt toegepast op de berekende conditievariabelen.
Een symptoom S = 0, RA = 1 en C = 1 betekenen alien een "gezonde" motor. Hoe
groter de absolute waarde van het S, RA of C, des te meer wijkt de betreffende
procesvariabele of -parameter af van "gezond".Iedere conditievariabele heeft een gedefinieerde drempel en limiet. Bij overschrijdingvan
de drempel gaat een vooralarm af, bij overschrijding van een limiet gaat een alarm. De drempelwaarden zijn aan de hand van referentiemetingen zodanig ingesteld dat tijdelijke afwijkingen als gevolg van sensorruis en procesruis geen drempeloverschrijding tot gevolg hadden.
De drempels zijn zo ingesteld dat minstens 99.9% van de referentiemetingen binnen de drempels ligt (z 3 keer de standaardafwijking van de referentiemetingen), aannemende dat de normale verdeling van toepassing is.
-Geirnplementeerde diagnosetechnieken
5.1
inleiding
Ms gevolg van storingen kunnen afwijkingen ontstaan tussen actueel gemeten
procesvariabelen en gezonde referentiewaarden, welke kunnen worden weergegeven in de vorm van conditievariabelen, zoals symptomen. Symptomen kunnen zowel kwalitatief als kwantitatiefworden weergegeven. Kwalitatieve informatie is gegeven als een patroon van symptomen per mogelijk optredende storing: sommige variabelen zullen als gevolg van de storing ten opzichte van de referentiewaarde toenemen, sommigen zullen afnemen en anderen worden niet door de storing beinvloed. Een voorbeeld van zoin storing-symptoom matrix is gegeven in tabel 1.Tabel 1: Voorbeeld van een kwalitatieve storing-symptoom matrix
positief symptoom: toename van de variabele a.g.v. de storing negatief symptoom: afname van de variabele
geen verandering van variabele
invloed van storing op variabele onbekend
De kennis over de symptomen kan worden verkregen van experts. Experts spreken elkaar vaak tegen en kunnen nauwelijks informatie verschaffen over de grootte van
symptomen bij bepaalde storingen, vooral als het storingen betreft welke zelden
voorkomen, mar daarom niet minder gevaarlijk hoeven te zijn.Een methode om zowel kwalitatieve als kwantitatieve informatie te verkrijgen is
metingen uit te voeren aan een systeem waar de storingen een voor een zijn aangebracht. Voor werktuigkundige installaties zijn dergelijke tests natuurlijk zeer kostbaar. Soms kan men gebruik maken van bedrijfsgegevens van een installatie, waarbij storingen zijn opgetreden. Dan nog zal vrijwel nooit alle benodigde informatie voorhanden zijn. Simulatie van storingen kan een goed alternatief zijn. Dit vereist goede proceskenniseneen betrouwbaar simulatiemodel van het systeem. Binnen ICMOS-Diesel is voor de 12SW280 dieselmotor een storings-symptoom matrix bepaald met behulp van een simulatiemodel gebaseerd op procesfysica [Fase, 1992]. Dit simulatiemodel is eerder beschreven onder refer entiegenerator. Veel aandacht is besteed aan de matching van het model met de werkelijke motor, on de betrouwbaarheid van de storingssimulatieen
de daaniit volgende symptomen voldoende hoog te laten zijn.
De storing-symptoom matrix is dankzij simulaties nu beschikbaar in zowel kwalitatieve als kwantitatieve vonn. De diagnose kan op verschillende manieren worden uitgevoerd. Voor de analyse van een kwalitatieve storing-symptoom matrix is binnen ICMOS een
variables - symptoms faults a b c p q ... x Y z A > = < > = > < ? B = = > _ > < ? ? ? C < < D
-diagnosemethodiek ontwikkeld, patroonherkenning genaamd [Herwerden, 1992]. Voor
de analyse van een kwantitatieve storing-symptoom matrix is een kwantitatieve
storingsdiagnosetechniek ontwikkeld,vectoranalyse
genaamd [Overes,1989] [Fase,1992a] [Nielen, 1991 all 991b/1993 a/1993 b]. Naast deze twee methodieken, welke gebruik maken van storing-symptoom matrices, is een derde methodiek ontwikkeld, waarmee het mogelijk is om componenten (c.q. subsystemen) te bewaken middels componentmodellen. Met behulp van deze componentmodellen (gevalideerd door middel van referentiemetingen) is het mogelijk karakteristieke parameters voor storingen te berekenen aan de hand van de in- en uitgangsvariabelen van deze componenten (c.q. subsystemen). Deze methodiek wordt componentbewaking genoemd. Tot slot is er eenrule based diagnose ontwikkeld om o.a.
de resultaten van de voorgaande
diagnosemethodieken te integreren.Patroonher kenning
In het geval de storing-symptoom relaties beschikbaar zijn in de vorm van een zgn. kwalitatieve storing-symptoom matrix, kan de diagnose op verschillende manieren plaatsvinden, zoals door middel van
een redeneerprocedure, gebaseerd op regels (rule based), zoals bij de meeste expertsystemen geschiedt
patroonherkenning
Bij een rule based systeem is het vrij eenvoudig om een storing te herkennen als het symptoompatroon gelijk is aan die van de matrix. Daarentegen is het veel moeilijker om
een storing te diagnostiseren als de symptomen niet geheel, maar gedeeltelijk
overeenkomen met die van de matrix. Betrouwbare diagnose, ook met gedeeltelijke symptoomidentificatie, is belangrijk, omdat zulke situaties zich regelmatig kunnen voordoen. Symptoompatronen kunnen (nog) onvolledig zijn als gevolg van stochastische invloeden, sensoronnauwkeurigheden, combinaties van storingen en als een storing zichin een vroeg stadium bevindt en daarmee nog niet volledig is ontwikkeld. Een
redeneerprocedure voor grote machine-installaties, welke deze situaties aankan, zal al snel zeer gecompliceerd blijken als gevolg van een explosieve toename van het aantalregels.
Binnen ICMOS is een andere techniek ontwikkeld, patroonherkenning genaamd, welke eenvoudiger gemplementeerd kan worden en tevens leidt tot betrouwbare conclusies. Voor elke bekende storing in de matrix wordt een score bepaald, welke direct een maat is voor de waarschijnlijkheid van de storing. De score geeft een indicatie in hoeverre het symptoompatroon van de matrix overeenkomt met het actuele patroon. De maximale score van alle symptomen van een storing is gelijk aan 100. De bijdrage van elk element
van het symptoompatroon aan de score wordt bepaald door de kennis over dit
storingssymptoom in het bijzonder. Een procesvariabele welke een zeer duidelijke reactie geeft op een storing zal een hogere bijdrage aan de score geven dan een variabele welke een beperkte reactie geeft op die storing. Een storing uit een storing-symptoom matrix kan bijvoorbeeld de volgende scores hebben:procesvanabele a b x y z
symptoorn >
7
< = > < ?score 30
5
ll0/5 t 0/5 5 30 10/5-Inclitn het actuele symptoompatroon er uitziet zoals hierna, zall de totaalscore van de storing uit de storing-symptoom matrix 90 punten bedragen.
procesvariabele a- b. p qi.. x
y
zsymptoonr > = > =
score 30
5
5 0 5 30 5Tbtaal 90
Afhankelijk van de totaalscore kan ten ;classisficatievan de waarschijnlijkheid van, de storingen uit de matrix gemaakt worden als volgt
score 90 : waarschijnlijke storing score 65 & < 90 mogelijke storing
score < 65 onwaarschijnlijke storing
tiidens het
off-linetesten van ideze methode van patroonherkenning op het
koelwatersysteem (ICMOS-Hulp) bleek deze effectief te zijh [Herwerden, 1992]. Deze methodiek is vervolgens geimplementeerd in ICMOS-Diesel voor het on-line detecteren van een 15-tal storingen in het gaswisselsysteem. Actuele waarden van procesvariabelen worden hierbij vergeleken met referentiewaarden welke gegenereerd worden door de referentiegenerator, rekening houdend met sensorruis en procesrufs.5.3 VectoNanalyse
Indien de storing-symptoom matrix in Icwantitatievevorm bekend is, is het niet alleen mogelijk de storing te lokaliseren, maar ook qua grootte de ernstervan te berekenen. De matrix bevat invloedsgetallen, welke voor een "standaardstoring" (buy. een storing welke maximaal' qua grootte is toegestaan) de verandering aangeven van een procesvariabele vergeleken met de gezonde referentieconditie (gegenereerd door de referentiegenerator). Als het aantal gemeten procesvariabelen p bedraagt en het aantat gedefinieerde storingen gelijk is aan q, kan de matrix gezien worden alseen p-dimensionale ruimte waarin het maximum van elke storing is weergegeven door een vector, wiens projecties gelijk zijn aan de inyloedsgetallen (figuur 9).
Ads lineair gedrag van de storingen wordt verondersteld, kan elk symptoom weergegeven
worden als een lineaire combinatie van storinggroottes vermenigvuldigd met de
Iinvloedsgetallen. Dit leidt tot p lineaire vergelijkingen met q onbekende storingsgroottes.
Met gebruik van geavanceerde mathematische routines kunnen deze serie vergelijkingen zodanig worden opgelost, dat de fouten in de oplossing geminimaliseerd worden [Nielen, 1991a]. Zelfs met geavanceerde oplossingsmethoden blijft het essentieel, dat de
storing-symptoom matrix en de sensoren een voldoende nauwkeurigheid bezitten. Het is
mogelijk storingen en hun groottes te diagnostiseren binnen een nauwkeurigheid van 30 %, als de storing-symptoom matrix en sensoren een onnauwkeurigheid van 110 % resp., 4% bezitten. p c... = > : :m141
Figuur 9: Het principe van de vectoranalyse als diagnosemethodiek.
Dit voorbeeld
laat een situatiezien met 3
gemeten variabelen (sensorwaarden) MI, M2 en M3. Er zijn twee bekende standaardstoringen in ditsysteem, aangegeven met F1 en 2F
.Storing F
heeft alsinvloedsgetallende projecties op de hoofdassen M1, M2 en M3: in1,1, rri21
en mu (m1 is het symptoom van variabele 2 als gevolg van de normfout F1). S is de gemeten symptoomvector in actuele bedrijfsconditie. Zonder sensor en modelonnauwkeurigheden zou S liggen in het vlak 0F1F2. In werkelijkheid ligt S buiten dat vlak. De projectievan S op 0F1F2 is S. De
verschilvector d tussen S en S
wordt bepaald met het kleinste
kwadratencriteriumfl en f zijn de projecties van S
op F ep F .
Zij representeren de ernst van de storingen F1 en F2.5.4
Componenthewaking
Componentbewaking betreft een apart soon diagnosemodule. Het is geintegreerdin de data-manager, in tegenstelling tot de andere diagnosemethodieken. Deze methodiek maakt gebruik van conditievariabelen, welke direct betrekking hebben op een storing binnen een component of subsysteem. Aan de hand van (gemeten) procesvariabelen aan de ingang en/of uitgang van een component wordt bijvoorbeeldeen componentparameter bepaald (bijv. K-waarde van een koeler). Deze wordt vervolgens vergeleken met een referentiewaarde (geleverd door een referentiemodel) middels een conditievariabele (conditieparameter, symptoom of relatieve afwijking), welke min
of meer
belastingonafhankelijk is. Omdat de conditievariabele voor de componentbewaking direct aangeeft welke component ongezond is en in welke mate, is de diagnose vrij eenvoudig.
In figuur 10 is een voorbeeld van een luchtkoelermodel weergegeven, waarbij op grond van de actuele ingangsvariabelen van de koeler (ingangstemperaturen en massastromen) de referentie-uitgangstemperaturen (via een getuned warmteover-drachtsmodel) en drukverschillen (via een getuned stromingsweerstandsmodel) worden bepaald. Deze referentiewaarden warden middels een conditieparameter vergeleken met de actuele waarden.
rn, i Pa Actual
Air Cooler
ta, 0, ref
tw, e, ref
a, ref
ta, 0 two Apa AP
ref 1777T:T
-a,i,ref
Condition Parameters APa, ref APw, ref reference model DiagnosisFiguur 10:
Gebruik van een componentreferentiemodel voor de diagnose van
storingen in een luchtkoeler.Het is duidelijk dat toename van de temperatuur aan de uittreezijde van de koeler duidt
op een vervuiling aan de lucht- of aan de waterzijde, terwijI een toename van het
drukverschil over de koeler een gevolg is van een gereduceerd doorstroomoppervlak.Binnen ICMOS wordt dit type diagnose, waarbij gebruik gemaakt wordt van
componentmodellen, componentbewaking genoemd [Bergman, 1992]. Het is gebleken, zowel off-line aan de hand van proefstandmetingen als on-line binnen ICMOS, dat deze techniek zeer daadkrachtig is. De beperking ligt in het feit dat alle actuele ingangs- en uitgangsvariabelen van een component gemeten of redelijk nauwkeurig geschat moeten kunnen worden. Voor het koelervoorbeeld volgens figuur 10 betekent dit dat men vier temperaturen (lucht en water, in en uit), twee massastromen en drukverschillen benodigdzijn. Vooral de meting van de massastromen kan erg gecompliceerd, kostbaar en
onnauwkeurig zijn.Om dit nadeel te ondervangen, wordt gebruik gemaakt van
massastroomschatters in plaats van sensoren. Zo kan de massastroom lucht van een vier-takt dieselmotor redelijk nauwkeurig geschat warden met een model welke gebruik maakt van het motortoerental, luchtreceiverdruk, slagvolume en een correctie met betrekking tot de spoeling.aw,ref
APa,ref
AP,z, ref
5, 5 Rule based diagnose,
Ms uitbreiding op de bovengenoemde diagnosetechnieken kan rule based diagnose de diepte van de diagnose verbeteren. Doe van de rule based diagnose is allereersteen
intelligente integratie te bewerkstelligen van de resultaten van de verschillende
diagnosemethodieken. Zo kan bijvoorbeeld de componentbewaking van de luchtkoeler een toename van de thermische weerstand aangeven en tegelijkertijd een toename van het drulcverschil over de zeewaterzijde van de koeler. In dat geval kan men met grote mate van zekerheid concluderen dat koelervervuiling heeft plaats gevonden aan de waterzijde van de lage temperatuur koelersectie. Dit soon regels zijn ontwildceld nietalleen voor storingen met betrelcking tot de dieselmotor, maar ook voor sensorstoringen.
Het is bekend dat sensorstoringen regelmatig de effectiviteit van een bewakingssysteem
ondermijnen. Daarom zijn een aantal regels ontwikkeld waarmee een controle uitgevoerd wordt op de correctheid van de sensorinformatie. Deze regels varieren van simpele controles,
zoals over het algemeen
in bewakingssystemen gebruikt, tot meer
geavanceerde method es.De regels bevatten:
.11 controle voor hardware storingen zoals kortsluiting en draadbreuk
controle of de sensorwaarde binnen het sensorbereik valt
evaluatie of de verandering van de sensorwaarde overeen bepaald ftjdsinterval (rate of change) fysisch mogelijk is met betrekking tot het proces
evaluatie of de waarde van een individuele sensor of combinatie van iserisoren fysisch mogelijk is
control'e van de sensorwaarde bij afstaand systeemc in dat geval iijn decorrecte waarden van vrijwel able sensoren bekend
De informatie die door de regels kan worden gebruikt bestaat uit ,alle gegevens in het objectmodel, resultaten van de trendanalyses en de resultaten van alle voorgaande diagnosemethodieken. Tevens lcunnen conclusies worden gebruikt als voorwaardenvoor inieuwe regels. Ms oplossingsstrategie wordt forward chainingtoegepast. Dat betekent dat de lijst met rules herhaaldelijk wordt doorlopen totdat geen veranderingen meer plaatsvinden. Alle gebruikte gegevens uit het ICMOS-systeem dienen voor hetzelfde tijdstip te gelden. pe opgestelde regels worden ingelezen uit,een tekstfile