Fault Detection and Isolation for a Supermarket Refrigeration System
Authors
Rasmussen, Karsten ; Kieu, Anh Tuan
Term
10. term
Education
Publication year
2009
Pages
137
Abstract
Dette speciale, udført ved Aalborg Universitet Esbjerg, undersøger, hvordan man kan detektere og isolere almindelige fejl i en kølemontre i supermarkeder. Med en grundmodel af kølesystemet leveret af Danfoss A/S tester og sammenligner vi flere modelbaserede metoder: Kalman-filteret (estimerer den sande tilstand ud fra støjende sensordata), det Udvidede Kalman-filter (til systemer med ikke-lineær adfærd) og en Observer for ukendte input (håndterer ukendte forstyrrelser). Vi afprøver også en simpel online parameterestimering; de første resultater var lovende, men metoden blev ikke færdiggjort inden for projektets tidsramme. På baggrund af sammenligningerne foreslår vi et fejl-detektion-og-isolation-setup, som kan opdage og adskille de hyppigst forekommende fejl i kølemontre.
This thesis, carried out at Aalborg University Esbjerg, investigates how to detect and isolate common faults in a supermarket refrigerated display case. Using a base model of the refrigeration system supplied by Danfoss A/S, we test and compare several model-based methods: the Kalman Filter (estimates the true system state from noisy sensor data), the Extended Kalman Filter (for nonlinear behavior), and an Unknown Input Observer (accounts for unknown disturbances). We also evaluate a simple online parameter estimation approach; initial results were promising, but the method was not completed within the project time. Based on the comparisons, we propose a fault detection and isolation setup that can identify and separate the most frequent faults in display cases.
[This abstract was generated with the help of AI]
Keywords
Detection ; Isolation ; FDI ; Kalman Filter ; KF ; Extended Kalman Filter ; EKF ; Unknown Input Observer ; UIO ; Display Case ; Refrigeration ; Detektering ; Isolering ; Køledisk