Go to the content. | Move to the navigation | Go to the site search | Go to the menu | Contacts | Accessibility

| Create Account

Peterle, Fabio (2018) Fault Detection and Diagnosis for Refrigeration Systems. [Ph.D. thesis]

Full text disponibile come:

[img]PDF Document (Tesi di Dottorato di Peterle Fabio) - Accepted Version
Thesis not accessible until 30 September 2021 for intellectual property related reasons.
Visibile to: nobody

20Mb

Abstract (italian or english)

The theme of cooling is recurrent in the world around us. Air conditioning systems in residential environments are the most common examples of refrigeration systems. However, also in the treatment, storage, transport and distribution of food products, as well as in the health and tertiary sectors, refrigeration plays a central role. The main purpose of this research is the analysis of some techniques for the detection and diagnosis of faults in this type of systems, also called chillers. In the work, the chiller is analyzed in all its components, for which the operating principle and the significant variables for the fault detection task are derived. The research proceeds to the analysis of static methodologies based on the data for the detection of anomalies. Each of them builds a model of the system. This model is then used in the monitoring stage. The static nature of the methods proposed in the thesis refers to the use, in the model identification phase, of data relating to steady state of the system instead of the entire time evolution of the signals. In this way, the system is monitored in conditions of thermodynamic stationarity and sudden transients, difficult to characterize mathematically, are eliminated from the final database. The choice of data-driven methods is consistent with the direction of the current literature, mainly focused on those approaches that do not require a detailed physical description of the system. The ability to fine-tune the model from the data makes these techniques easily applicable to different plants. In particular, the thesis considers three techniques for the detection of anomalies. Two of them, the multiple linear regression and the Principal Components Analysis (PCA), identify a model for the data in the form, respectively, of a surface and a regression hyper-plane, while the third, the Mahalanobis's distance, takes into account the probabilistic characteristics of the dataset. These techniques are generally used for the prediction or for the dimensional reduction. In the thesis their effectiveness is tested in the context of the detection of anomalies. The different philosophies from which they take inspiration and the advantages and disadvantages of each approach are considered. The comparison is proposed for some faulty dataset generated with software and on a real case.

Abstract (a different language)

Il tema del raffrescamento è ricorrente nel mondo che ci circonda: i sistemi di climatizzazione negli ambienti residenziali sono gli esempi più comuni di sistemi di refrigerazione. Tuttavia anche nel trattamento, stoccaggio, trasporto e distribuzione di prodotti alimentari, così come nel settore sanitario e terziario, la refrigerazione svolge un ruolo centrale. Lo scopo principale della ricerca è l'analisi di alcune tecniche per l'individuazione e la diagnosi di guasti in questa tipologia di sistemi, anche detti chillers. All'interno del lavoro, il chiller è analizzato in tutti i suoi componenti, per i quali vengono dedotti il principio di funzionamento e le variabili significative per la rilevazione dei guasti. La ricerca procede all'analisi di metodologie statiche basate sui dati per il rilevamento di anomalie. Ognuna di esse prevede la costruzione di un modello del sistema; tale rappresentazione viene poi utilizzata nella fase di monitoraggio. La natura statica dei metodi proposti nella tesi riferisce all'uso, nella fase di identificazione del modello, di dati relativi a stati stazionari del sistema invece dell'intera evoluzione temporale dei segnali. In questo modo, il sistema è monitorato in condizioni di stazionarietà termodinamica e transitori improvvisi, difficili da caratterizzare matematicamente, sono eliminati dal database finale. La scelta di metodi basati sui dati è coerente con la direzione della letteratura corrente focalizzata su quegli approcci che non richiedono una descrizione fisica dettagliata del sistema monitorato. La possibilità di mettere a punto il modello dai dati rende tali tecniche facilmente applicabili a differenti impianti. In particolare, la tesi considera tre tecniche per la rilevazione di anomalie. Due di esse, la regressione lineare multipla e l'Analisi delle Componenti Principali (PCA), identificano un modello per i dati nella forma, rispettivamente, di una superficie e di un iperpiano di regressione, mentre la terza, la distanza di Mahalanobis, prende in considerazione le caratteristiche probabilistiche dell'insieme di dati. Queste tecniche sono generalmente utilizzate a scopo previsionale o per la riduzione dimensionale: nella tesi ne viene testata l'efficacia nel contesto della rilevazione di anomalie, illustrando le diverse filosofie dalle quali esse prendono spunto e commisurandone vantaggi e svantaggi. Il confronto viene proposto per degli insiemi di guasti simulati via software e per un caso reale.

EPrint type:Ph.D. thesis
Tutor:Beghi, Alessandro
Ph.D. course:Ciclo 31 > Corsi 31 > INGEGNERIA DELL'INFORMAZIONE
Data di deposito della tesi:29 November 2018
Anno di Pubblicazione:30 November 2018
More information:Tesi di Dottorato in Alto Apprendistato (Alta Formazione e Ricerca) Dipartimento di Ingegneria dell'Informazione (DEI) Nome azienda: Ever_est S.r.l.
Key Words:Rilevazione guasti, Diagnosi, Refrigerazione, Chiller, Metodi basati sui dati, Regressione, Interquartile, Analisi delle Componenti Principali, Distanza di Mahalanobis. Fault Detection, Diagnosis, Refrigeration, Chiller, Data-driven, Regression, Interquartile, Principal Component Analysis, Mahalanobis'distance.
Settori scientifico-disciplinari MIUR:Area 09 - Ingegneria industriale e dell'informazione > ING-INF/04 Automatica
Struttura di riferimento:Dipartimenti > Dipartimento di Ingegneria dell'Informazione
Codice ID:11458
Depositato il:07 Nov 2019 15:13
Simple Metadata
Full Metadata
EndNote Format

Bibliografia

I riferimenti della bibliografia possono essere cercati con Cerca la citazione di AIRE, copiando il titolo dell'articolo (o del libro) e la rivista (se presente) nei campi appositi di "Cerca la Citazione di AIRE".
Le url contenute in alcuni riferimenti sono raggiungibili cliccando sul link alla fine della citazione (Vai!) e tramite Google (Ricerca con Google). Il risultato dipende dalla formattazione della citazione.

Bailey, M.B. (1998). The design and viability of a probabilistic fault detection and diagnosis method for vapor compression cycle equipment. Ph.D. thesis, School of Civil Engineering of University of Colorado, Boulder, Colorado. Cerca con Google

Beghi A., Brignoli R., Cecchinato L., Menegazzo G., and M. Rampazzo (2015). A data-driven approach for fault diagnosis in HVAC chiller systems. Cerca con Google

Beghi A., Cecchinato L., Peterle F., Rampazzo M., Simmini F. (2016). Model-Based Fault Detection and Diagnosis for Centrifugal Chillers. 3rd International Conference on Control and Fault-Tolerant Systems, Semptember 7-9, 2016, Barcelona, Spain. Cerca con Google

Benaicha A., Guerfel M., Benothman K., Bouguila N. (2010). New PCA-based methodology for sensor fault detection and localization. 8th International Conference of Modeling and Simulation - MOSIM’10 - May 10-12, 2010 - Hammamet - Tunisia ”Evaluation and optimization of innovative production systems of goods and services”. Cerca con Google

Bendapudi S., and J.E. Braun. (2002). A review of literature on dynamic models for vapor compression equipment. HL 2002-9, Report #4036-5, Ray Herrick Laboratories, Purdue University. Cerca con Google

Bittanti S. (2000). Prediction theory and filtering (in Italian). Pitagora Editrice, Bologna. Cerca con Google

Box GEP. (1954). Some theorems on quadratic forms applied in the study of analysis of variance problems. I. Effect of inequality of variance in the one-way classification. Ann. Math. Statist.; 25: 290–302. Cerca con Google

Braun, J.E. (1990). Reducing energy costs and peak electrical demand through optimal control of building thermal mass. ASHRAE Transactions 96(2):876-88. Cerca con Google

Braun, J.E. (1999). Automated fault detection and diagnostics for the HVAC&R industry. International Journal of Heating, Ventilating, Air Conditioning and Refrigerating Research 5(2):85-86. Cerca con Google

Breuker, M.S., and J.E. Braun. (1998). Evaluating the performance of a fault detection and diagnostic system for vapor compression equipment. International Journal of Heating, Ventilating, Air Conditioning and Refrigerating Research 4(4):401-425. Cerca con Google

Briganti A. (1994), Air conditioning (In italian). 5th edition, Tecniche Nuove, Milano, Italy. Cerca con Google

Comstock M.C., Braun J.E. (1999). Development of analysis tools for the evaluation of fault detection and diagnosis in chillers. Report # HL99-20. Purdue University, Ray W.Herrick Laboratories, West Lafayette. Cerca con Google

Gordon, J.M., and K.C. Ng. (2000). Cool Thermodynamics. Cambridge, UK: Cambridge International Science Publishing. Cerca con Google

Guyon, G., and E. Palomo. (1999). Validation of two French building energy programs—Part 2: Parameter estimation method applied to empirical validation. ASHRAE Transactions 105(2):709-20. Cerca con Google

Jia, Y., and T.A. Reddy, (2003). Characteristic physical parameter approach to modeling chillers suitable for fault detection, diagnosis and evaluation. ASME Journal of Solar Energy Engineering 125:258-265. Cerca con Google

Kaldorf, S., and P. Gruber. (2002). Practical experiences from developing and implementing an expert system diagnostic tool. ASHRAE Transactions 108(1):826-840. Cerca con Google

Kaler, G.M. (1988). Expert system predicts service. Heating, Piping, Air Conditioning 11:99-101. Cerca con Google

Kaler, G.M. (1990). Embedded expert system development for monitoring packaged HVAC equipment. ASHRAE Transactions 96(2):733. Cerca con Google

Katipamula, S., R.G. Pratt and J.E.Braun, (2001). Building Systems Diagnostics and Predictive Maintenance, chapter 7.2 in CRC Handbook for HVAC&R Engineers, (Ed: J. Kreider), CRC Press. Cerca con Google

Kelso (2011). Buildings Energy Data Book. Buildings Technologies Program Energy Efficiency and Renewable Energy U.S. Department of Energy Cerca con Google

Lee, W.Y., J.M. House, C. Park, and G.E. Kelly. (1996). Fault diagnosis of an air-handling unit using artificial neural networks. ASHRAE Transactions 102(1):540-549. Cerca con Google

McKellar, M.G. (1987). Failure diagnosis for a household refrigerator. Master's thesis, School of Mechanical Engineering, Purdue University, West Lafayette, Indiana. Cerca con Google

Morisot, O., and D. Marchio. (1999). Fault detection and diagnosis on HVAC variable air volume system using artificial neural network. Proc. IBPSA Building Simulation 1999, Kyoto, Japan. Cerca con Google

Nomikos P, MacGregor JF. Multivariate SPC charts for monitoring batch processes. Technometrics (1995); 37: 41–59. Cerca con Google

Peitsman, H.C., and V. Bakker. (1996). Application of black-box models to HVAC systems for fault detection. ASHRAE Transactions 102(1):628-640. Cerca con Google

Peterle F. (2015). Autoadaptive diagnostic for autoregressive systems: the automotive cooling system case, Master Thesis (in Italian), Department of Information Engineering, University of Padova, Italy. Cerca con Google

Rabl, A. (1988). Parameter estimation in buildings: Methods for dynamic analysis of measured energy use. Journal of Solar Energy Engineering 110:52-66. Cerca con Google

Reddy, T. (1989). Application of dynamic building inverse models to three occupied residences monitored non-intrusively. Thermal Performance of the Exterior Envelopes of Buildings IV. ASHRAE/DOE/BTECC/CIBSE. Cerca con Google

Reddy, T.A., D. Niebur, K.K. Andersen, P.P. Pericolo, and G. Cabrera. (2003). Evaluation of the suitability of different chiller performance models for on-line training applied to automated fault detection and diagnosis. International Journal of Heating, Ventilating, Air Conditioning and Refrigerating Research 9(4). Cerca con Google

Rossi, T.M., and J.E. Braun. (1997). A statistical, rule-based fault detection and diagnostic method for vapor compression air conditioners. International Journal of Heating, Ventilating, Air Conditioning and Refrigerating Research 3(1):19-37. Cerca con Google

Shengwei Wang & Jingtan Cui (2005). Sensor-fault detection, diagnosis and estimation for centrifugal chiller systems using principal-component analysis method. Cerca con Google

Sonderegger, R.C. (1977). Dynamic models of house heating based on equivalent thermal parameters. Ph.D. thesis, Center for Energy and Environmental Studies Report No. 57. Princeton University, Princeton, NJ. Cerca con Google

Stallard, L.A. (1989). Model based expert system for failure detection and identification of household refrigerators. Master's thesis, School of Mechanical Engineering, Purdue University, West Lafayette, Indiana. Cerca con Google

Subbarao, K. (1988). PSTAR—Primary and secondary terms analysis and renormalization: A unified approach to building energy simulations and short-term monitoring. SERI/TR-253-3175. Cerca con Google

Venkatasubramanian, V., R. Rengaswamy, K. Yin, and S. N. Kavuri. (2003). A review of process fault detection and diagnosis, Part II: Qualitative models and search strategies. Computers in Chemical Engineering 27:313-326. Cerca con Google

Zmeureanu, R. (2002). Prediction of the COP of existing rooftop units using artificial neural networks and minimum number of sensors. Energy and Buildings 27:889-904. Cerca con Google

Solo per lo Staff dell Archivio: Modifica questo record