368 research outputs found
Indagine sperimentale per la definizione di procedure software di taratura automatica dei parametri dei regolatori PID utilizzati in banchi prova motore statici e dinamici
No full textIndagine sperimentale per la definizione di procedure software di taratura automatica dei parametri dei regolatori PID utilizzati in banchi prova motore statici e dinamici
Dettaglio attività sperimentale:
- acquisizione e prefiltraggio dati
- verifica preliminare di fattibilità della metodologia proposta
- campagna prove ai banchi con cicli standard
- simulazione con software Matlab e studio di metodologie automatiche per la determinazione dei parametri di regolatori standard PID
- impiego di librerie software Matlab e Simulink per la taratura automatica dei parametri di PID (PIDtune e STCLS)
- verifica sperimentale dei risultati ottenuti
L’attività di analisi sperimentale proposta sarà della durata approssimativa di 3 anni e presuppone l’impiego di personale pagato con borse di ricerca presso il Dipartimento di Ingegneria di Ferrara che effettuerà l’interfaccia tra Dipartimento di Ingegneria di Ferrara, l’acquisizione dati e la verifica delle metodologie proposte. Il personale impiegato è seguito ed affiancato dal gruppo di Automazione Dipartimento di Ingegneria di Ferrara, e in particolare dal responsabile scientifico del progetto, Dott. Silvio Simani. L’attività sarà mirata allo studio di fattibilità e alla determinazione delle procedure software più efficaci ed efficienti per la risoluzione del problema, a partire dai dati acquisiti ai banchi, senza la necessità di sviluppare una modellistica ad-hoc dei banchi prova stessi
Studio di tecnologie sostenibili per il recupero di energia residuale in ambiente urbano
No full textIl progetto di ricerca è cofinanziato da Unife a dalla CCIAA di Ferrara. Il progetto, presentato e coordinato dai Proff. Mauro Venturini, Stefano Alvisi e Silvio Simani si propone di studiare nuove metodologie, tecniche e prototipi per il recupero di energie residuali di origine antropica in ambiente urbano e nello specifico per il recupero di energia (a) dai rifiuti solidi urbani, (b) dai sistemi acquedottistici e (3) dalle turbolenze stradali.
Il progetto proposto concorre quindi anche all’attuazione degli obiettivi del Piano Energetico Regionale (PER) in quanto ricerca soluzioni tecnologicamente disponibili e implementabili nel breve termine per lo sviluppo sostenibile.
L’approccio complessivo che verrà seguito è di tipo generale, in modo che i risultati ottenuti possano essere replicati anche in contesti diversi e possano sperabilmente essere di stimolo per la produttività delle aziende del territorio ferrarese.
Tra le aziende partner si citano, oltre a Delta Engineering Services, Hydrolab S.r.l. (Ferrara, FE), Air Energy (Ferrara, FE), Officina Edile (Ferrara, FE) e T.S.I – Tecnologie Stradali Integrate (Ferrara, FE), tutte imprese impegnate fortemente sull’innovazione e ricerca nel campo delle energie rinnovabili
Data-Driven and Adaptive Automatic Approaches for Wind Turbine Fault Diagnosis
No full textSoftware premiato col terzo posto alla competizione internazionale sullo sviluppo delle migliori soluzioni software per la diagnosi dei guasti di turbine eoliche proposta dall’azienda danese kk-electronic e la MathWorks Inc. (USA). La premiazione ha avuto luogo durante il convegno modiale IFAC (Milano, 28 agosto – 2 settembre 2011) e la soluzione tecnica è descritta negli articoli:
o S. Simani, P. Castaldi, and A. Tilli, “Data–Driven Approach for Wind Turbine Actuator and Sensor Fault Detection and Isolation,” in Proceedings of the 18th IFAC World Congress (S. Bittanti, A. Cenedese, and S. Zampieri, eds.), vol. 18, (Università Cattolica del Sacro Cuore, Milan, Italy), pp. 8301–8306, International Federation of Automatic Control (IFAC), IFAC–PapersOnLine, August 28 – September 2, 2011. Special Session Invited Paper. DOI: 10.3182/20110828– 6–IT–1002.00447.
o S. Simani, P. Castaldi, and M. Bonfè, “Hybrid Model–Based Fault Detection of Wind Turbine sensors,” in Proceedings of the 18th IFAC World Congress (S. Bittanti, A. Cenedese, and S. Zampieri, eds.), vol. 18, (Università Cattolica del Sacro Cuore, Milan, Italy), pp. 7061–7066, International Federation of Automatic Control (IFAC), IFAC–PapersOnLine, August 28 – September 2, 2011. Special Session Invited Paper. DOI: 10.3182/20110828–6–IT–1002.01311
AIR Energy - Energie Rinnovabili dalle turbolenze stradali
No full textIl progetto si propone di fornire un prodotto in grado di produrre energia elettrica per applicazioni “smart”, destinato ad esempio ad impianti ad isola (off-grid) e “smart grid”, così da garantirne l’autosufficienza e l’indipendenza energetica. Nel caso in cui le turbine fossero collegate alla rete elettrica e fossero capaci di produrre più energia di quella utilizzata dagli elementi ad esse integrati sarebbe possibile vendere tale surplus direttamente alla rete (applicazioni on-grid). Il generatore eolico potrà essere installato in sistemi già presenti, minimizzando pertanto l’impatto ambientale, e potrà essere integrato con elementi di arredo urbano. Data la tipologia del prodotto, il dispositivo può essere integrato, ad esempio, in lampioni “intelligenti” per l’illuminazione pubblica, con altri elementi di segnalazione stradale, con cartelli luminosi o per l’abbattimento dei costi per i consumi elettrici dei caselli autostradali. Il Team Il team che parteciperà alla società di Air Energy è composto da 4 partner industriali, Officina Edile s.r.l. (Ferrara), e Officina Meccanica Cenacchi s.r.l. (Cento), già precedentemente incluse nell’accordo quadro con il Dipartimento di Ingegneria di Ferrara, e da 2 nuove aziende, T.S.I. Tecnolologie Stradali Integrate s.r.l. (Ferrara), e 888 Software Products s.r.l. (Rovigo), nonché dai 3 Ricercatori Universitari del Dipartimento di Ingegneria dell’Università di Ferrara. In particolare, i soci universitari sono Marcello Bonfè, docente di Controlli Automatici, che ha comprovata esperienza nel progetto di controllori per processi industriali, nell’analisi delle condizioni di funzionamento, nello sviluppo elettronico ed elettrico (macchina elettrica, parte di potenza, elettronica di segnale per implementare il controllo); Emiliano Mucchi, docente di Meccanica Applicata, referente dell’unità operativa di Ferrara nel Progetto Europeo “MARE-WINT” con oltre 20 partner internazionali (industriali e accademici) relativamente alla progettazione innovativa di turbine eoliche per installazioni off-shore; infine, Silvio Simani, docente di Controlli Automatici, che dal 2009 ha acquisito esperienza sulla modellistica delle turbine eoliche e relative problematiche di controllo. Il Prodotto Offerto Il prodotto dell’impresa Air Energy consiste in un aerogeneratore di dimensioni opportune, in grado di funzionare anche con bassa velocità di vento turbolento generato dai veicoli su strada/autostrada e di garantire la massima produzione di energia elettrica. L’aerogeneratore sarà corredato da un dispositivo di controllo di potenza, di monitoraggio e di supervisione remota, in grado di verificare anche in remoto il corretto funzionamento del dispositivo, di fornire on-line le prestazioni del sistema e informazioni utili per la diagnosi preventiva e predittiva, e di favorire la sincronizzazione in caso di installazione concorrente di più aerogeneratori in serie, al fine di moltiplicare l’energia prodotta
Nonlinear Methods for Fault Diagnosis
No full textThe model–based approach to fault diagnosis in technical processes has been
receiving more and more attention over the last four decades, in the contexts of both
research and real plant application.
Stemming from this activity, a great variety of methods are found in current
literature, based on the use of mathematical models of the technical process under
diagnosis and exploiting advanced control theory.
Model–based fault diagnosis methods usually use residuals which indicate changes
between the process and the model. One general assumption is that the residuals are
changed significantly so that a detection is possible. This means that the residual size
after the appearance of a fault is large and long enough to be detectable.
This chapter provides an overview on different fault diagnosis strategies, with
particular attention to the Fault Detection and Isolation (FDI) methods related to the
dynamic processes and the application examples considered in this book.
All the methods considered require that the technical process can be described
by a mathematical model. As there is almost never an exact agreement between the
model used to represent the process and the plant, the model–reality discrepancy is of
primary interest.
Hence, the most important issue in model–based fault detection is concerned with
the accuracy of the model describing the behaviour of the monitored system. This
issue has become a central research theme over recent years, as modelling uncertainty
arises from the impossibility of obtaining complete knowledge and understanding of
the monitored process.
The main focus of this chapter is the mathematical description aspects of the
process whose faults are to be detected and isolated. The chapter also studies the
general structure of the controlled system, its possible fault locations and modes.
Residual generation is then identified as an essential problem in model–based FDI,
since, if it is not performed correctly, some fault information could be lost. The general
framework for the residual generation is also recalled.
Residual generators based on different methods, such as input–output, state and
output observers, parity relations and parameter estimations, are just special cases
in this general framework. In the following, some commonly used residual generation
and evaluation techniques are discussed and their mathematical formulation presented.
Finally, the chapter presents and summarises special features and problems
regarding the different methods
Nonlinear Modeling for Fault‐tolerant Control
No full textAs already remarked, model–based and data–driven FDI strategies have been
studied for over 40 years, however they still represent an open research domain when
considered to be applied to dynamic processes, and many problems are waiting to be
solved. The material presented in this monograph has inevitably had to end before all
the interesting topics for future FDI research could be fully explored. In the
following sections the authors describe some important topics that should help the
reader to understand how to move from fault diagnosis to fault tolerance.
Moreover, this chapter presents the fault tolerant control algorithms applied to
dynamic processes. In general, they are based on the signal correction principle,
which means that the control system is not modified since the inputs and outputs of
the baseline controller are compensated according to the estimated faults. The fault
tolerant control algorithms recalled in this chapter rely on the fault diagnosis design
for nonlinear systems addressed in the monograph. Passive and active fault tolerant
control systems are also discussed and compared, in order to highlight the achievable
performances and the complexity of their design procedures. Controller
reconfiguration mechanisms are also considered, which are able to guarantee the
system stability and satisfactory performance
Data‐Driven Methods for Fault Diagnosis
No full textThis chapter addresses the problem of the identification of both linear and nonlinear dynamic systems for fault diagnosis. In the case of nonlinear dynamic systems, the identification will be performed by exploiting parametric nonlinear models, such as affine, piecewise-affine and fuzzy models. Using the concepts of model-based fault detection, the design of a residual generator based on a fuzzy model of a nonlinear dynamic process is addressed. The chapter also addresses the decomposition of a nonlinear identification problem into a set of locally linear models by means of product space fuzzy clustering. The identification algorithm exploited to estimate the parameters and orders of the local affine submodels is based on the well-established Frisch Scheme method for linear systems. A set of optimal parameters with respect to the model output can also be estimated from the identification data set by using the ordinary least-squares methods
Mathematical Modeling and Fault Description
No full textThis chapter provides an overview on the various fault detection methods, with particular attention to the fault detection and isolation (FDI) techniques. For all of the methods considered, it is essential that the process can be described by a mathematical model. The chapter presents a number of different strategies for solving the quantitative residual generation problem. It provides some considerations on different approaches for representing modeling errors and other uncertain factors via the disturbance term with an estimated distribution matrix. As addressed in a system identification framework, this identified distribution matrix will be used for the design of the disturbance de-coupled residual, in order to solve the robust FDI problem. The fault detection methods mostly require several measurable output signals and make use of the internal analytical redundancy of multivariable systems. Recently, it was proposed to improve their robustness with respect to process parameter changes and unknown input signals
Application of a Data-Driven Fuzzy Control Design to a Wind Turbine Benchmark Model
No full textIn general, the modelling of wind turbines is a challenging task, since they are complex dynamic systems, whose aerodynamics are nonlinear and unsteady. Accurate models should contain many degrees of freedom, and their control algorithm design must account for these complexities. However, these algorithms must capture the most important turbine dynamics without being too complex and unwieldy, mainly when they have to be implemented in real-time applications. The first contribution of this work consists of providing an application example of the design and testing through simulations, of a data-driven fuzzy wind turbine control. In particular, the strategy is based on fuzzy modelling and identification approaches to model-based control design. Fuzzy modelling and identification can represent an alternative for developing experimental models of complex systems, directly derived directly from measured input-output data without detailed system assumptions. Regarding the controller design, this paper suggests again a fuzzy control approach for the adjustment of both the wind turbine blade pitch angle and the generator torque. The effectiveness of the proposed strategies is assessed on the data sequences acquired from the considered wind turbine benchmark. Several experiments provide the evidence of the advantages of the proposed regulator with respect to different control methods
Multi Model Based Fault Diagnosis of a Sugar Cane Crushing Process
No full textThis work proposes a method for input-output sensor fault detection
and isolation of an industrial processes using fuzzy process models.
The presented technique concerns the identification of a piecewise
affine fuzzy system based on Takagi-Sugeno models. The process
under investigation may, in fact, be represented as a composition of
several Takagi-Sugeno models selected according to the process
operating conditions. This work also addresses a method for the
identification of the local Takagi-Sugeno models from a sequence of
noisy measurements acquired from the real process. The fault
detection scheme adopted to generate residuals uses the
Takagi-Sugeno fuzzy model. The developed technique was applied to
fault diagnosis of input-output sensors of a sugar cane crushing
mill
- …
