DETECTION OF HYDRAULIC CYLINDER LEAKAGE
Author
Rebic, Dominik Marija
Term
4. semester
Education
Publication year
2019
Pages
38
Abstract
Denne afhandling undersøger, hvordan fejl kan opdages og diagnosticeres (Fault Detection and Diagnosis, FDD) i en hydraulisk kran. Forsøg blev udført på en hydraulisk kran-opsætning i Hydrauliklaboratoriet på AAU Esbjerg. Der blev opstillet hydrauliske og mekaniske modeller af systemet, og en ikke-lineær matematisk model blev valideret ved at sammenligne simuleringer med måledata. Først blev modellen udviklet og bekræftet for et fejlfrit system, hvorefter der blev indført to typiske fejl: intern og ekstern lækage. For at finde disse fejl blev der anvendt et Udvidet Kalman-filter (Extended Kalman Filter, EKF) i en tilstands-augmenteret udgave (State Augmented EKF, SAEKF), hvor lækagekoefficienter behandles som ekstra tilstande. EKF er en metode, der estimerer skjulte tilstande i et system ud fra usikre (støjende) målinger. Afhandlingen undersøger og diskuterer, hvordan denne tilgang præsterer i forhold til at opdage lækager på forsøgsopstillingen.
This thesis explores how to detect and diagnose faults (Fault Detection and Diagnosis, FDD) in a hydraulic crane. Experiments were carried out on a hydraulic crane test rig in the Hydraulics Laboratory at AAU Esbjerg. Hydraulic and mechanical models of the system were developed, and a nonlinear mathematical model was validated by comparing simulations with experimental measurements. The system was first modeled and validated under normal, fault-free conditions, and then two typical faults—internal and external leakage—were introduced. To detect these faults, an Extended Kalman Filter (EKF) was applied in a state-augmented form (State Augmented EKF, SAEKF), where leakage coefficients are treated as additional states. The EKF is an algorithm that estimates hidden system states from noisy sensor data. The thesis investigates and discusses how well this approach identifies leakages on the test setup.
[This abstract was generated with the help of AI]
Documents