نبذة مختصرة : (English) Maintenance is indispensable in every industry that uses machines and is inevitable regardless of the attention paid to it. The cumulative effect of its neglect or a non-optimized approach is a long or short-term shock on a company's growth. It, therefore, comes as no surprise, the overwhelming interest in the area of intelligent maintenance where comprehensive control units can detect, alert personnel, predict when a failure will occur, and manage faults to extend the life of components. Borne out of this is a new field of study, Prognostics and Health Management, which emerged only about two decades ago. This thesis contributes to this nascent field of study, and most importantly to a novel interest in the field of incorporating component prognostic information into control to manage the extent of influence degradation has on the efficient output of a plant. In sum, the thesis seeks to (1.) Contribute to component prognostics and how uncertainty can be efficiently handled and (2.) Promote the incorporation of prognostic information in a control scheme (i.e. Model Predictive Control). For prognostics, the thesis considers two critical components, a wind turbine blade composite material and an insulated gate bipolar transistor utilizing two different types of prognostic methods, the model and data-based methods respectively. Wind turbine blades are by far the most exposed component to damage predominately due to their level of mechanical activity in the turbine operation. Forces such as gyroscopic and gravity, debris in wind, and the effect of the stochastic nature of wind contribute to a gradual damaging effect culminating in a complete blade breakdown. Given that the blade material itself is innate, mathematical degradation equations dependent on material properties to predict the extent of the material damage in the absence of sensor information is used. Therefore, with a stiffness degradation algorithm aided by a zonotopic Kalman filter, the remaining
(Català) El manteniment és indispensable en tota indústria que utilitza màquines i és inevitable independentment de l'atenció que se li presti. L'efecte acumulat de la seva negligència o un enfocament no optimitzat és un xoc a llarg o curt termini en el creixement de l'empresa. Per tant, no sorprèn l'aclaparador interès en l'àmbit del manteniment intel·ligent on les unitats de control integrals poden detectar, alertar el personal, predir quan es produirà una fallada i gestionar les avaries per allargar la vida útil dels components. D'això neix un nou camp d'estudi, Pronòstic i gestió de la salut, que va sorgir fa només unes dues dècades. Aquesta tesi contribueix a aquest camp d'estudi naixent i, sobretot, a un nou interès en l'àrea d'incorporar informació pronòstica dels components al control per gestionar l'abast de la influència que té la degradació en la producció eficient d'una planta. En resum, la tesi pretén (1.) Contribuir al pronòstic dels components i com es pot gestionar de manera eficient la incertesa i (2.) Promoure la incorporació d'informació pronòstica en un esquema de control (és a dir, Model Predictive Control). Per al pronòstic, la tesi considera dos components crítics, un material compost de pales d'aerogenerador i un transistor bipolar de porta aïllada que utilitza dos tipus diferents de mètodes de pronòstic, el model i els mètodes basats en dades, respectivament. Les pales de l'aerogenerador són, amb diferència, el component més exposat a danys, principalment pel seu nivell d'activitat mecànica en el funcionament de la turbina. Forces com la giroscòpica i la gravetat, les deixalles del vent i l'efecte de la naturalesa estocàstica del vent contribueixen a un efecte danyós gradual que culmina amb una ruptura completa de la paleta. Atès que el material de la fulla en si és innat, s'utilitzen equacions de degradació matemàtiques que depenen de les propietats del material per predir l'abast del dany material en absència d'informació del sensor. Per t
Postprint (published version)
Processing Request
No Comments.