Väitös sähkö- ja energiatekniikan alalta, M.Sc. Bilal Asad

M.Sc. Bilal Asad väittelee 27.8.2021 klo 14:00 Aalto-yliopiston sähkötekniikan korkeakoulussa, sähkötekniikan ja automaation laitoksella. Väitöskirja on tehty cotutelle-sopimuksella Tallinn University of Technologyn kanssa ja väitöstilaisuus järjestetään TalTechissa. Väitöskirjan nimi on "Mathematical Modelling of Three Phase Squirrel Cage Induction Motor and Related Signal Processing for Fault Diagnostics".

Vastaväittäjät:
Prof. Jose Antonino-Daviu, Polytechnic University of Valencia, Espanja
Prof. Lucia Frosini, University of Pavia, Italia

Vastuuprofessorit:
Prof. Anouar Belahcen, Aalto-yliopisto
Prof. Toomas Vaimann, Tallinn University of Technology, Viro

Väitöksen kustos Aalto-yliopistossa: Prof. Anouar Belahcen, Aalto-yliopiston sähkötekniikan korkeakoulu, sähkötekniikan ja automaation laitos

Väitöstilaisuus järjestetään etäyhteydellä Zoomissa, jonne voi liittyä vapaasti: https://zoom.us/j/95915675538?pwd=MVE3SXBkUVhEV3Rxa0ZFT3JjN0tvZz09
Zoom pikaopas: https://www.aalto.fi/fi/palvelut/zoom-pikaopas

Linkki väitöskirjan sähköiseen esittelykappaleeseen: https://aaltodoc.aalto.fi/doc_public/eonly/riiputus/

Sähkötekniikan korkeakoulun väitöskirjat: https://aaltodoc.aalto.fi/handle/123456789/53

Väitöstiedote:

Sähkökoneet ja erityisesti induktiomoottorit, ovat läsnä lähes kaikilla nykyaikaisen yhteiskuntamme aloilla. Ne toimivat mekaanisena teholähteenä monissa sovelluksessa, kuten hihnakuljettimissa, kompressoreissa, sähköajoneuvoissa, sekä tuulettimissa ja pumpuissa. Sähkökoneet kuluttavat yli 50 % koko maailmassa tuotetusta sähköenergiasta. Sähkökoneiden ennakoiva huolto on erittäin tärkeää, jotta vältetään järjestelmätason seisauksista, jotka liittyvät sähkökoneiden toimintahäiriöihin. Kun maailma on siirtymässä teollisuus 4.0:aan, ennakoivasta kunnossapidosta on tulossa tärkeämpi kuin ennaltaehkäisevä tai reaktiivinen huolto. Toisin kuin reaktiivinen huolto, ennakoiva huolto valvoo sähkökoneen käyttäytymistä ja ennakoi viat ennen niiden ilmenemistä; se mahdollistaa koneen huoltamisen tarpeen mukaan. Näin järjestelmän seisokkiajat harvenevat ja lyhenevät ja ylläpitokustannukset laskevat.

Vikadiagnostiikkaan sopivat matemaattiset mallit ovat tulossa yhä tärkeimmiksi sähkökoneiden ennakoivaan huoltoon. Näitä malleja voidaan käyttää koneparametrien arviointiin, erilaisten vikojen simulointiin tekoälypohjaisten diagnostisten algoritmien kouluttamiseen, digitaalisten kaksosten kehittämiseen ja ”hardware in the loop” ympäristöjen kehittämiseen. Laskennallisen kompleksisuus ja pitkä simulointiaika estävät kuitenkin tarkkojen numeeristen mallien, kuten elementtimenetelmään perustuvat mallit, hyödyntämisen näissä prosesseissa, kun taas nopeat ja yksinkertaiset analyyttiset mallit eivät ole riittävän tarkkoja tähän tarkoitukseen. Tässä työssä esitetään tarkkoja ja nopeita analyyttisiä induktiokoneen malleja, jotka ovat vähemmän kompleksisia kuin elementtimenetelmään perustuvat mallit. Esitetyillä malleilla voidaan simuloida erilaisia sähkökoneen vikoja; mallit voidaan myös helposti lakea rinnakkain. Mallien lisäksi, tässä työssä esitetään erilaisia signaalinkäsittelymenetelmiä eri vikojen erottamiseksi sähkökoneen virran analyysin perusteella. Väitöskirjan tulokset auttavat lisäämään induktiokoneiden kunnonvalvonta-algoritmien luotettavuutta.

Väittelijän yhteystiedot: