liu.seSearch for publications in DiVA
Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Simulation based Evaluation of Fault Detection Algorithms: Applications to Wear Diagnosis in Manipulators
ABB Corporate Research, Västerås, Sweden.
Linköping University, Department of Electrical Engineering, Automatic Control. Linköping University, The Institute of Technology.
ABB Corporate Research, Västerås, Sweden.
ABB Corporate Research, Västerås, Sweden.
Show others and affiliations
2014 (English)In: Proceedings of the 19th IFAC World Congress, 2014Conference paper, Published paper (Refereed)
Abstract [en]

Fault detection algorithms (FDAs) process data to generate a test quantity. Test quantities are used to determine presence of a fault in a monitored system, despite disturbances. Because only limited knowledge of the system can be embedded in an FDA, it is important to evaluate it in scenarios relevant in practice. In this paper, simulation based approaches are proposed in an attempt to determine: i) which disturbances affect the output of an FDA the most; ii) how to compare the performance of dierent FDAs; and iii) which combinations of fault change size and disturbances variations are allowed to achieve satisfactory performance. The ideas presented are inspired by the literature of design of experiments, surrogate models, sensitivity analysis and change detection. The approaches are illustrated for the problem of wear diagnosis in manipulators where three FDAs are considered. The application study reveals that disturbances caused by variations in temperature and payload mass error affect the FDAs the most. It is also shown how the size of these disturbances delimit the capacity of an FDA to relate to wear changes. Further comparison of the FDAs reveal which performs "best" in average.

Place, publisher, year, edition, pages
2014.
National Category
Control Engineering
Identifiers
URN: urn:nbn:se:liu:diva-109333OAI: oai:DiVA.org:liu-109333DiVA: diva2:737661
Conference
19th IFAC World Congress, Cape Town, South Africa, August 24-29, 2014
Funder
Vinnova
Available from: 2014-08-13 Created: 2014-08-13 Last updated: 2014-09-17
In thesis
1. Modeling and Diagnosis of Friction and Wear in Industrial Robots
Open this publication in new window or tab >>Modeling and Diagnosis of Friction and Wear in Industrial Robots
2014 (English)Doctoral thesis, comprehensive summary (Other academic)
Abstract [en]

High availability and low operational costs are critical for industrial systems. While industrial equipments are designed to endure several years of uninterrupted operation, their behavior and performance will eventually deteriorate over time. To support service and operation decisions, it is important to devise methods to infer the condition of equipments from available data.

The monitoring of industrial robots is an important problem considered in this thesis. The main focus is on the design of methods for the detection of excessive degradations due to wear in a robot joint. Since wear is related to friction, an important idea for the proposed solutions is to analyze the behavior of friction in the joint to infer about wear. Based on a proposed friction model and friction data collected from dedicated experiments, a method is suggested to estimate wear-related effects to friction. As it is shown, the achieved estimates allow for a clear distinction of the wear effects even in the presence of large variations to friction associated to other variables, such as temperature and load.

In automated manufacturing, a continuous and repeatable operation of equipments is important to achieve production requirements. Such repetitive behavior of equipments is explored to define a data-driven approach to diagnosis. Considering data collected from a repetitive operation, an abnormality is inferred by comparing nominal against monitored data in the distribution domain. The approach is demonstrated with successful applications for the diagnosis of wear in industrial robots and gear faults in a rotating machine.

Because only limited knowledge can be embedded in a fault detection method, it is important to evaluate solutions in scenarios of practical relevance. A simulation based framework is proposed that allows for determination of which variables affect a fault detection method the most and how these variables delimit the effectiveness of the solution. Based on an average performance criterion, an approach is also suggested for a direct comparison of different methods. The ideas are illustrated for the robotics application, revealing properties of the problem and of different fault detection solutions.

An important task in fault diagnosis is a correct determination of presence of a condition change. An early and reliable detection of an abnormality is important to support service, giving enough time to perform maintenance and avoid downtime. Data-driven methods are proposed for anomaly detection that only require availability of nominal data and minimal/meaningful specification parameters from the user. Estimates of the detection uncertainties are also possible, supporting higher level service decisions. The approach is illustrated with simulations and real data examples including the robotics application.

Abstract [sv]

För industriella system är både hög tillgänglighet och låga driftskostnader avgörande. Industriella system är oftast utformad för att klara flera års oavbruten drift, men över tid kommer beteendet och prestandan så småningom att förändras. Det är därför viktigt att ta fram metoder som kan extrahera information från tillgänglig data och dra slutsatser om systemets beteende, som i sin tur används som stöd för beslut angående systemets fortsatta drift.Denna avhandling handlar om utformning och utvärdering av diagnostiska metoder för att stödja tids- och kostnadseffektiva beslut angående den fortsatta driften för systemet. I synnerhet studeras problemet med att upptäcka för höga nivåer av slitage i respektive led för en industrirobot. Eftersom slitage påverkar friktionen kan det vara en bra id{\'e} att analysera friktionen för att uppskatta hur stort slitage som har uppkommit. Baserat på en föreslagen friktionsmodell och friktionsdata från specialanpassade experiment föreslås en metod för att uppskatta slitagets omfattning. Metoden försöker anpassa modellen så att sannolikheten att mätningarna kommer från den föreslagna modellen maximeras. Det visar sig att tillförlitliga beräkningar av slitaget kan uppnås även vid stora variationer i belastningen på roboten samt temperaturen i robotens leder, vilket gör det möjligt att planera underhåll för roboten innan den går sönder.

Vidare undersöks hur ett systems repetitiva beteende, som är vanligt inom automatiserad tillverkning, kan utnyttjas för att skapa en metod för diagnos som endast använder befintlig data utan hjälp av någon modell. Med hjälp av data som har samlats in från en repetitiv process kan en förändring av processen upptäckas genom att jämföra data från systemet i felfri drift och befintlig drift. Metoden som föreslås utnyttjar den empiriska sannolikhetsfördelningen för systemet i felfri respektive befintlig drift. Det visar sig att metoden med framgång kan detektera slitage i lederna för en industrirobot samt växelfel i en roterande mekanism.I avhandlingen föreslås också metoder för feldetektering. Testet går ut på att man jämför två hypoteser mot varandra genom ett statistiskt ramverk. För att upptäcka en förändring av ett system är det naturligt att de två hypoteserna motsvarar ett system utan fel respektive ett system med fel. Det enda som förutsätts är att data från systemet utan fel är tillgängligt. En annan viktig del är att kunna jämföra olika diagnosmetoder för att se vilken som passar bäst till det aktuella problemet. Ett ramverk baserat på simuleringar har därför föreslagits för utvärdering av diagnosmetoder. Ramverket kan användas för att avgöra vilka variabler som påverkar metoden mest, hur man jämför olika metoder samt hur man bestämmer det effektiva användningsområdet för respektive metod. De föreslagna diagnosmetoderna och ramverket för utvärdering av diagnosmetoderna är generella men illustreras i avhandlingen på tillämpningar för industrirobotar.

Place, publisher, year, edition, pages
Linköping: Linköping University Electronic Press, 2014. 208 p.
Series
Linköping Studies in Science and Technology. Dissertations, ISSN 0345-7524 ; 1617
National Category
Control Engineering
Identifiers
urn:nbn:se:liu:diva-109335 (URN)10.3384/diss.diva-109335 (DOI)978-91-7519-251-2 (ISBN)
Public defence
2014-09-26, Visionen, B building, Campus Valla, Linköping University, Linköping, 10:15 (English)
Opponent
Supervisors
Projects
Vinnova Excellence Center LINK-SIC
Funder
Vinnova
Available from: 2014-09-08 Created: 2014-08-13 Last updated: 2014-09-29Bibliographically approved

Open Access in DiVA

No full text

Authority records BETA

Carvalho Bittencourt, AndréNorrlöf, MikaelGunnarsson, Svante

Search in DiVA

By author/editor
Carvalho Bittencourt, AndréNorrlöf, MikaelGunnarsson, Svante
By organisation
Automatic ControlThe Institute of Technology
Control Engineering

Search outside of DiVA

GoogleGoogle Scholar

urn-nbn

Altmetric score

urn-nbn
Total: 316 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf