Digital twinning and transient analysis for fault diagnosis in ventilation systems - TEL - Thèses en ligne Access content directly
Theses Year : 2023

Digital twinning and transient analysis for fault diagnosis in ventilation systems

Jumelage numérique et analyse transitoire pour le diagnostic des défauts dans les systèmes de ventilation

Abstract

Cette recherche utilise le principe du jumelage numérique pour surveiller les conditions dans l'industrie du futur. L'objectif est d'analyser les courants du moteur pour identifier les défauts du système sans capteurs supplémentaires. Les défauts courants du système sont étudiés par le biais d'une analyse des signaux transitoires dans des conditions de vitesse variable. Deux approches sont développées. La première utilise le filtrage adaptatif par encoche, en suivant les fréquences des défauts à différentes vitesses pour identifier et déterminer leur intensité. Les simulations démontrent l'efficacité de la surveillance en ligne malgré certaines limitations. La seconde combine des techniques telles que la transformation de Hilbert, la démodulation généralisée, le filtrage de Vold Kalman et la transformation de Fourier rapide pour améliorer la détection des défauts en tirant parti des avantages de chaque technique. La validation par des simulations et des essais expérimentaux à vitesse variable confirme l'efficacité de l'approche. Une avancée notable est le mécanisme d'auto-ajustement en temps réel basé sur la vitesse, qui permet à la technique de filtrage de Vold Kalman généralisé de s'adapter automatiquement aux vitesses variables du système sans intervention humaine. Les résultats montrent d'excellentes performances et une grande efficacité dans la réalisation des objectifs fixés. En conclusion, cette étude souligne la contribution potentielle du jumelage numérique et de l'analyse des transitoires à la future surveillance de l'état de l'industrie, en mettant l'accent sur la détection des défauts du système par l'analyse du courant du moteur.
This research discusses condition monitoring in the industry of the future using the digital twinning principle. We begin by creating a digital twin of the actual system, which is a fan motor system used for ventilation in industrial settings. By analyzing the motor current, we identify system faults, without any additional sensors. We study the common system defects. The study is based on transient signal analysis. We developed two approaches to detect defects. The first one is based on Adaptive Notch Filtering and track the frequency of defects at varying operating speeds, enabling their identification and intensity determination. This approach is tested by simulations, demonstrating its effectiveness in online condition monitoring, with some limitations. The second approach involves combining several techniques, including Hilbert transform, generalized demodulation, Vold Kalman filtering, and fast Fourier transform. It aims to enhance fault detection by leveraging the strengths of each technique. We validate this approach through simulations and experimental testing at variable speeds. A notable advance in this research is the incorporation of a self-adjusting mechanism based on real-time operating speed. This innovative feature enables Filtering technique to automatically adapt its parameters, without the need for human intervention. The results show excellent performance and effectiveness in achieving the desired goal. In conclusion, our study showcases how digital twinning and transient analysis can contribute to condition monitoring in the future industry, with a specific focus on detecting system defects through motor current signal analysis.
Fichier principal
Vignette du fichier
2023YAKHNI212711.pdf (13.2 Mo) Télécharger le fichier
Origin Version validated by the jury (STAR)

Dates and versions

tel-04603290 , version 1 (06-06-2024)

Identifiers

  • HAL Id : tel-04603290 , version 1

Cite

Mohammad Yakhni. Digital twinning and transient analysis for fault diagnosis in ventilation systems. Engineering Sciences [physics]. Université de La Rochelle; Beirut arab university, 2023. English. ⟨NNT : 2023LAROS033⟩. ⟨tel-04603290⟩
22 View
7 Download

Share

Gmail Mastodon Facebook X LinkedIn More