Algemeen
Uni Saarland sensorsysteem
Tijdens testen simuleerden de onderzoekers in Saarbrücken aan hekwerken ettelijke soorten verstoringen, zoals hier met voetballen en tennisballen. (foto: Oliver Dietze)

Een nieuw sensorsysteem detecteert fouten op basis van de signaalpatronen van sensoren en wijst ze toe aan de oorzaken. Een team aan de Universität des Saarlandes evalueert al jaren signaalpatronen. Zo beperken ze storingen door vals alarm voor een sensorkabel die afrasteringssystemen kan bewaken.

Een groot aantal sensoren bewaakt tegenwoordig alle mogelijke functies van windturbines. Maar is het een vals alarm of moet het onderhoudsteam direct optreden als sensoren ’s nachts waarschuwingssignalen geven? Het onderhoudsteam wordt bijvoorbeeld gewaarschuwd als meetresultaten duiden op grotere trillingen van de rotorbladen.

Maar de rotorbladen kunnen bevriezen waardoor de rotor tijdens het draaien uit balans kan raken. De tandwielkast kan beschadigd raken en trillingen veroorzaken. Maar alles kan ook een onschadelijke oorzaak hebben – zoals sterke windstoten op de gondel. De turbine wordt dan onnodig uitgeschakeld en de reis van het onderhoudsteam – zeker bij windparken op zee – zou tevergeefs zijn.

Patroonherkenning

Met AI en machine learning kunnen de onderzoekers opgedane kennis over patroonherkenning universeel gebruiken. Ze ontwikkelen software die duidelijkheid beidt bij een foutmelding bij afrasteringen, maar ook bij windturbines of industriële installaties.

In dergelijke gevallen kan de software van een nieuw sensorsysteem in de toekomst duidelijkheid verschaffen. Hetzelfde geldt bij sensoren die waarschuwen voor gevaarlijke trillingen in moeilijk toegankelijke industriële installaties of machines. De ontwikkelaars in Saarbrücken ontwikkelen een proces dat de sensorgegevens automatisch detecteert en de respectievelijke oorzaak van de foutmelding toewijst.

Dit gebeurt via patroonherkenning. De signaalpatronen van de sensorgegevens verschillen afhankelijk van het type fout. Door eerder onderzoek kunnen de ontwikkelaars verschillende soorten trillingen, veranderingen in trillingen en veranderingen in het magnetische veld toewijzen aan individuele oorzaken en ze te onderscheiden van valse alarmen. Ze maken deze bevindingen nu overdraagbaar met behulp van methoden uit de kunstmatige intelligentie.

Sensoren

De onderzoekers doen al bijna twintig jaar onderzoek naar datapatronen van sensorsignalen, waaronder trillingen op afrasteringen. Ze ontwikkelen onder meer sensorsystemen in kabels die afrasteringssystemen kunnen bewaken op grote terreinen zoals luchthavens of magazijnen. Om dit te doen, onderscheiden ze meldingen zoals knippen in of klimmen over hekken van valse alarmen zoals het gevolg van wind of dieren.

Enerzijds gebruiken de onderzoekers magneetveldsensoren die ze met toenemende gevoeligheid en selectiviteit hebben ontwikkeld. Deze zullen elke kleine verandering in het magnetische veld van de aarde een paar meter in elke richting opmerken.

In normale omgevingen, zonder vacuüm, lage temperaturen of afscherming en ondanks storingsbronnen, detecteren ze magnetische velden die ongeveer een miljoen keer kleiner zijn dan het aardmagnetische veld. Tot dusver hebben dergelijke sensoren alleen magnetische velden gedetecteerd die onder normale omstandigheden ongeveer duizend keer kleiner zijn dan het aardmagnetische veld.

Nog meer sensoren

De onderzoekers hebben nu extra versnellingssensoren geïntegreerd om de gevoeligheid van de meting verder te verhogen. In tal van testseries simuleerde het team tal van soorten storingen aan afrasteringen. Ze hebben de typische signaalpatronen toegewezen die aan de respectievelijke oorzaken ontstaan.

In de loop der jaren hebben ze deze processen geoptimaliseerd om de cruciale gegevens goed uit te lezen en van interferentiefactoren en gegevensruis te onderscheiden. Aan de hand van de karakteristieke meetwaarden en signaalpatronen kunnen de onderzoekers nu precies zien of de trillingen te wijten zijn aan knoeien aan het hek of aan een dier dat er langs wrijft, de door de wind die het hekwerk beweegt of een bal die er tegenaan vliegt.

Sensorsysteem

De onderzoekers hebben deze datapatronen – of het nu vals alarm of een ongeval is – wiskundig gemodelleerd en vertaald in algoritmen. Ook hebben ze de evaluatie-eenheid met steeds meer details geprogrammeerd en verfijnd. Ze ontwikkelen modellen om met machine learning sensordatapatronen te identificeren. Het systeem herkent typische patronen, gebruikt intelligente algoritmen om die patronen zelfstandig aan fouten toe te wijzen, en maakt onderscheid tussen ruis en andere oorzaken.

Omdat de hele evaluatie computergestuurd is, kan deze modulair worden aangepast voor verschillende toepassingen. Het intelligente sensorsysteem kan zichzelf in real-time de respectievelijke specifieke trillingspatronen leren. Als het systeem de situatie bij de windturbine op zee dan als serieus beoordeelt, waarschuwt het het onderhoudsteam via Bluetooth en smartphone of tablet. En alleen dan – niet meer bij een vals alarm.

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *

Deze website gebruikt Akismet om spam te verminderen. Bekijk hoe je reactie-gegevens worden verwerkt.

x
Mis niet langer het laatste nieuws

Schrijf u nu in voor onze nieuwsbrief.

Inschrijven