Smart Cooling Control Predictive Maintenance

für industrielle Kälteanlagen

» Forschung in Wildau – innovativ und praxisnah «

Homepage:

www.th-wildau.de/forschung-

Arbeitsgruppe: IC3-Smart Production

Projektleiter / Professor: Prof. Dr.-Ing. Reiff-

Telefon: +49 (0) 3375 / 508 418

E-Mail: jrs@th-wildau.de

HintergrundDie Vermeidung von Ausfallzeiten ist für industrielle Kälteanlagen von prioritärer Bedeutung. So wird durch das frühzeitigeErkennen von Störquellen die planvolle Gegensteuerung bzw. Reparatur ermöglicht, wodurch Ausfallzeiten des Systemsverringert bzw. vermieden werden. Durch die Prädiktive Instandhaltung (engl. Predicitve Maintenance) kann so, im Vergleichzur präventiven oder reaktiven Instandhaltung, ein Großteil an Wartungskosten durch die Verringerung von Ausfallzeiteneingespart werden. Hierbei werden kontinuierlich zustandsbasierte Daten in Echtzeit ausgewertet, wonach Instand-haltungsmaßnahmen nach prognostizierten Ausfallzeiten geplant werden können. So wurden im Rahmen dieses Projektesgängige Defekte und Fehlerfälle in industriellen Kompressionskälteanlagen untersucht und ein Modell zur automatisiertenErkennung von Defekten abgeleitet. Dafür wurde eine Ammoniak (NH3/R134a) basierte Testanlage aufgebaut und unter einerVielzahl von verschiedenen Betriebsvarianten untersucht. Die hierbei erhobenen Daten konnten im Anschluss für dieEntwicklung eines datengetrieben Modells zur automatisierten Erkennung und Diagnose von Defekten verwendet werden.

TeststandDie Anlage ist so konzipiert, dass eine Vielzahl unterschiedlicher Betriebsvarianten simuliert werden können und besteht imWesentlichen aus einem offenen Schraubenverdichter, einem wassergekühlten Verflüssiger und einem Kältemittelabscheidermit untergebautem Verdampfer zur Medienkühlung. Durch die Simulation von Defekten in verschiedenen Schweregraden, wiez.B. Verdampferverölung oder Kältemittelverlust, erfolgte die Datenerhebung unter Einbeziehung vorab implementierterSensorik.

Schematische Darstellung KältekreislaufAufbau–Sicht auf Verdichter, Schaltschrank

Verflüssiger und Kältemittelabscheider Bsp. Messablauf-Erreichen des stationären Anlagenzustands nach Sollwertänderung

ModellableitungDas abgeleitete Modell zur auto-matisierten Erkennung und Diagnosevon Defekten basiert auf derAnwendung der One-Class SupportVector Machine in VerbB. Eng. indungmit einem genetischen Algorithmus zurMerkmalsextraktion und einem heuris-tischen Ansatz zur Bestimmung von 𝜎der radialen Basisfunktion (Kernel).Hierbei wird jeder Defekt (Klasse) durchein separates Modell dargestellt. ROC – Defektdiagnose, Schweregrad I

Prof. Dr.-Ing. Jörg Reiff-Stephan Ron van de Sand, M. Eng. Constantin Falk, B. Eng. Willy Palme, B. Eng.

Technische Hochschule Wildau Technische Hochschule Wildau Technische Hochschule Wildau Technische Hochschule Wildau