27667

پياده‌سازي سخت‌افزاري الگوريتم شناسايي عيوب توربين گاز مبتني بر منطق فازي

كارشناسي ارشد

مهندسي مكانيك-طراحي كاربردي

1396

1399/10/13

مرتضي منتظري قهجاورستاني

مهندسي مكانيك

توربين هاي گاز صنعتي نقش مهمي در صنايع نيروگاهي، نفت،گاز و پتروشيمي دارند. از آنجا كه وقوع خرابي در توربين گاز عواقب سنگيني از جمله هزينه هاي بالاي تعميرات و خاموشيهاي طولاني و ناخواسته را در پي خواهد داشت، تشخيص دقيق و شناسايي بهنگام عيوب در اين تجهيزات از اهميت زيادي برخوردار است. رويكرد عيب يابي بكار گرفته شده در اين پژوهش، مبتني بر آناليز مسير گاز ميباشد. از ميان انواع رهيافتهاي مبتني بر آناليز مسيرگاز، منطق فازي به دلايلي از جمله ذات غيرخطي، قابليت اطمينان بالا، تعميم پذيري بالا و شهودي بودن ميتواند يكي از بهترين گزينه ها باشد. جهت عملياتي سازي اين روش در صنعت ميبايست ابتدا الگوريتم آن توسعه يافته و سپس به صورت سخت افزاري پياده سازي گردد. وظيفه سخت افزار برقراري ارتباط ميان اطلاعات عملكردي موتور كه به صورت آنالوگ و با سنسور اندازه گرفته ميشوند با الگوريتم عيب يابي داخل خود و نمايش شاخص هايي مانند نوع، شدت و مكان عيب در خروجي است. در رساله پيش رو پياده سازي سخت افزاري الگوريتم شناسايي عيوب توربين گاز مبتني بر منطق فازي انجام ميشود. الگوريتم عيب يابي ابتدا در نرم افزار متلب توسعه داده شده، سپس به صورت كدنويسي دستي در arduino اجرا گرديده و براي صحت سنجي كد سخت افزاري، اين دو باهم مقايسه شده اند. مدل معيوب ترموديناميكي توربين مورد مطالعه براي نزديك شدن به شرايط واقعي در نرم افزار simulink شبيه سازي شده و مدل مرجع و سالم اين توربين در سخت افزار براي ارزيابي عملكرد موتور معيوب گنجانده شده است. نتايج خروجي از سخت افزار به كمك نرم افزار labview در سيستمي جدا مانيتور شده است. نحوه اتصال و كانكشنها بين مدل معيوب، سخت افزار و لب ويو توضيح و كل كار در پژوهشكده توربين گاز دانشگاه علم و صنعت پياده سازي و اجرا شده است. نتايج بدست آمده حاكي از تطابق 100% تشخيص مكان عيب و تطابق 97% در تشخيص درست نوع عيب در آن مكان از توربين گاز توسط سخت افزار ميباشد. همچنين سخت افزار در تشخيص شدت عيب (درصد عيب) در هر قسمت از توربين به خوبي عمل كرده است. در پايان نتايج اين رساله نشان ميدهد، پياده سازي سخت افزاري منطق فازي روي يك ميكروكنترلر كوچك يك روش اميدوار كننده با دقت و كارايي بالا، و مناسب براي تشخيص عيب توربينهاي گاز در كاربردهاي صنعتي واقعي است.

1401/10/16

Hardware implementation of gas turbine fault detection algorithm based on fuzzy logic

1/3/2022 12:00:00 AM

Industrial gas turbines play a fundamental role in power plant, oil, gas, and petrochemical industries. Accurate fault diagnosis and identification are critical factors in a gas turbine's faults that may cause serious consequences such as high repair cost, long and unwanted shot downs. The troubleshooting approach used in this study is based on gas path analysis (GPA). Among the fault diagnosis methods based on GPA, Fuzzy logic can be one of the best options due to its nonlinearity, high reliability, and generalizability. Its algorithms must be developed and hardware-implemented to use this troubleshooting method in real-life applications in the industry. The hardware enables the connection among the turbine's operational inputs, which are analog and measured by the sensor, its troubleshooting algorithm, and the output of the serial displayed values, i.e., type, intensity, and location. In this thesis, the hardware implementation of a gas turbine fault detection algorithm based on fuzzy logic is studied. To achieve this goal, first, the troubleshooting algorithm is preferably implemented in MATLAB software, then run as manual code in Arduino hardware, and next, the two are compared to verify the hardware code. The defective thermodynamic model of the studied turbine is simulated in Simulink software to approach the real-life system. This turbine's primary and faultless model is also presented in the hardware to compare its performance with the defective model. The output of the hardware is monitored by a separate system using Labview software. The connections between the defective model, hardware, and Labview monitoring software are described in detail in this thesis. The whole work is implemented in the University of Science and Technology gas turbine research institute.The results show 100% conformity of fault location detection and 97% conformity of fault type detection in the gas turbine's location by hardware. Moreover, the hardware has performed well in detecting the faults' severity percentage in each part of the turbine. In conclusion, this thesis suggests that hardware implementation of fuzzy logic on a small microcontroller is a promising method, with high accuracy and efficiency, suitable for fault diagnosis in real-life industrial applications.

توربين گاز صنعتي , تشخيص و شناسايي عيوب عملكردي , آناليز مسير گاز , منطق فازي , پياده سازي سخت افزاري , مانيتورينگ

Industrial gas turbines , diagnosis and identification of performance Fault , Gas path analysis , Fuzzy logic , Hardware implementation , Monitoring

Azhang Chaparian

Morteza montazeri Gh