Beproeving ICMOS-Diesel a/b Hr.Ms. Karel Doorman

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

1

In1eiding

2

_{ICMOS-projekt}

2.1 Inleiding 2.2 ICMOS-Diesel 2.3 ICMOS-Hulpsysteem 2.4 ICMOS-Koel

2.5 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 Inleiding

4.2 Referentiemodel gebaseerd op regressieverbanden

4.3 Referentiemodel van een component 4.4 Conditievariabelen

5

7

7 7 8 9 10

11

11 11 11 11 14 14 14 14 15 15 16 17 17 18 18 19 21 21

23

23 23 25 27 3.2 21

5

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 ₈₄

BIJLAGEN

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 een

intelligent 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 daarbij_{op 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

is

aan de TUD als

case-study een

conditiebewakingssysteem voor het koelwater- en smeeroliesysteem van bovenvermelde

dieselmotor 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. Karel

Doorman 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 is

vooral 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 gevolgvan

de 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 serieus

opnieuw 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. Karel

Doorman 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

1

Koninklijke 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 tijd

op 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 op

andere technieken dan in ICMOS geimplementeerd welke mogelijk in de toekomsteen

bijdrage kunnen leveren aan een, conditiebewakingssyteem.

22

ICMOS-Die5/1

ten 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 bovenvermelde

dieselmotor 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 het

koelwater- en smeeroliesysteem is aan de TUD

een dynamisch simulatiemodel

ontwikkeld, welke

is

gebaseerd 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, _hetgeen

betekent dat niet alleen de storingen gelokaliseerd lcunnen worden, _{maar ook qua grootte}

lcunnen worden gekwantificeerd. Dit maakt de methodiek_{geschikt 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 gedetecteerd_{worden. 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 bij

elk mengpunt (einde vertakking) bekend

zijn.

Tevens dienen de in-

en

uitgangstemperaturen 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 en

voor 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 fysische

relaties.

Ook is aandacht besteed aan storingsdiagnose met behulp van modelgebaseerde

methoden zoals observer- en parameterschattingstechnieken, welke gebruik makenvan

dynamische 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 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 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 van

groot 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 het

mechanische 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 conditiebewakingssyteem_voor 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

11

Het 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

Hardware

In 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[11

0

n I

I 1- 1

Sensor 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 flow

shared memory

Data Manager Data

Acquisition

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 meetsignaal

m. conversiefactor

s

,

offset

De 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',

3

erf 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, F9941

3.4.2

_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 gevuld

34.2.2

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

voorwaardenc

n> instar, = 750 min'

yr,

bij een verandering van het ingestelde toerental (An) 'is het systeem

(uur) unstable

4-0,1

AO.

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 uitgevoerd

_{met behulp van het door Fase}

afgeleide verband [Fase, 19921

v

v

XISO ISO act Xact waarin X _{omgevingsinvImedsvariabele} procesvariabele

ISO = _{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 structuurfile

Het gaswisselsysteem (ICMOS-Diesel) wordt door_{3 omgevingsparameters beinvloed:} Omgevingsluchttemperatuur

Omgevingsluchtdruk Luchtreceivertemperatuur

De correctie exponenten_{voor 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 van

referentiemetingen.

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 is

De 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 alleen

mogelijk als de belastingcondities constant zijn of als de beschouwde variabele

belastingonathankelijk is. De opslag van procesgegevens wordt uitgevoerd in drie history

niveaus:

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&

niveau

Systeem 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 niveau

Korte 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

alle

diagnosemethodieken 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 waarop

overschrijding 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 opgevraagd

3,4,6 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 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 voorspelilen

onder 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 met

dezelfde 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 zijn

uitgevoerd. 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. als

gevolg van gewijzigde

omgevingsluchttemperaturen.

Dit type

referentiegenerator, waarbij procesvariabelen voor gezond bedrijf worden gegenereerd

op basis

van _{regressieverbanden, wordt gebruilct bij 4e diagnosetechnieken}

patroonherkenning 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 grote

inspanning 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). zijn

Om het referentiemodel ook voor andere condities dan tijdens de referentiemetingen geldig te laten zijn, wordt het

model gecorrigeerd voor afwijkingen

in de

brandstofkwaliteit. 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 user

Figuur 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 bij

verschillende vooraf gedefinieerde

bedrijfswerkpunten bepaald door toerental, brandstofregelstand en schroefspoed Controle op bruikbaarheid van de metingen (zijn de metingen op het eerste gezicht

juist 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 af}

van 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 kan_{men, in} geval van een te hoge luchttemperatuur

_{na 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 dat_{met 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. Dit

_{toont 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 lenen

component-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-drachtscoefficient

Voor 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

een

storing welke juist

ontoelaatbaar is

De 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 proceskennisen

een 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 een

rule 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 zich

in 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 aantal

regels.

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

z

symptoonr > = > =

score 30

5

5 0 5 30 5

Tbtaal 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-line

testen 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 als_{een 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 situatie

zien met 3

gemeten variabelen (sensorwaarden) MI, M2 en M3. Er zijn twee bekende standaardstoringen in dit

_{systeem, aangegeven met F1 en 2F}

.

Storing F

heeft als

invloedsgetallende 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

kwadratencriterium

fl 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 geintegreerd_{in 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 bijvoorbeeld_{een 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 Diagnosis

Figuur 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 benodigd

zijn. 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 niet

alleen 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 over_{een 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