Uppsats
Vibrationsbaserad avvikelsedetektering i maskiner med roterande delar : En studie av MEMS-baserad vibrationsmätning och maskininlärningsbaserad avvikelsedetektering
Kandidat-uppsats
KTH/Hälsoinformatik och logistik
Publicerad: 2026
Språk: Svenska
Nyckelord
klicka för att sökaSammanfattning
Denna studie undersöker hur en oövervakad maskininlärningsmodell kan användas för vibrationsbaserad avvikelsedetektering i maskiner med roterande delar. Syftet var att utvärdera en MEMS-baserad mätkedja med lokal datainsamling, där vibrationsdata från tre digitala accelerometrar, ADXL355, ADXL357 och BMI270, samlades in via en Raspberry Pi 5. Drivsignaler från frekvensomriktare användes som driftkontext för tidssynkronisering, urval och filtrering av analysfönster. Mätningarna genomfördes i en kontrollerad laboratoriemiljö på två separata uppställningar med samma principiella uppbyggnad. Varje uppställning bestod av en induktionsmaskin och en synkronmaskin, mekaniskt kopplade via en gemensam axel. Vibrationssignalerna delades in i tidsfönster, varefter medelvärde, standardavvikelse, RMS, toppvärde och crest factor extraherades i x-, y- och z-led. Start- och stoppförlopp användes för att bedöma repeterbarheten i den tidsmässiga kopplingen mellan vibrationsdata och drivsignaler. Slagprov och start-/stoppförlopp användes även för att identifiera möjliga resonanskandidater i mätuppställningarna. Isolation Forest tränades på stabil baslast för att etablera en lokal normalreferens och testades därefter mot mätförlopp med kontrollerad glidande last. Resultaten visar att metoden kunde användas för lokal avvikelsedetektering när träning och test utfördes med samma sensor, maskin och mätuppställning. ADXL355 gav den tydligaste separationen mellan baslast och glidande last, ADXL357 gav en mätbar men mer varierande respons och BMI270 uppvisade den svagaste lokala separationen. Vid modellöverföring mellan maskinindivider låg samtliga analyserade baslastfönster från den andra maskinen över modellens experimentella referensgräns, trots att testfallet fortfarande motsvarade baslast. Resultaten visar därmed att normalreferensen var starkt beroende av maskinindivid, sensor och mätuppställning. Arbetet visar att den studerade mätkedjan kan ge ett användbart underlag för lokal, vibrationsbaserad avvikelsedetektering. För användning i praktiska industriella sammanhang krävs dock maskinspecifik träning eller kalibrering, alternativt ett bredare träningsunderlag som omfattar flera maskinindivider, mätpunkter och driftpunkter.
Information
- Författare
- Bergh Lagerqvist, Joel, Lund, Mattias
- Lärosäte / institution
- KTH/Hälsoinformatik och logistik
- Publiceringsdatum
- 2026
- Uppsatstyp
- Kandidat-uppsats
- Språk
- Svenska
- Nyckelord
- ⌕anomaly detection⌕Isolation Forest⌕Avvikelsedetektering⌕condition monitoring⌕local data acquisition⌕MEMS accelerometers⌕rotating machinery⌕time synchronization⌕vibration measurement⌕lokal datainsamling⌕MEMS-accelerometrar⌕roterandemaskiner⌕tidssynkronisering⌕Tillståndsövervakning⌕vibrationsmätning
Utforska vidare
Liknande uppsatser
Uppsatser med liknande ämnen och nyckelord.
Kandidat-uppsats, Högskolan i Halmstad/Akademin för informationsteknologi
Kenjar, Aldin
Publicerad: 2026
Kandidat-uppsats, KTH/Skolan för teknikvetenskap (SCI)
Persson, Elias, Råhlén, Gustav
Publicerad: 2026
Kandidat-uppsats, Högskolan i Halmstad/Akademin för informationsteknologi
Fayyad, Maher, Awad, Abdullah
Publicerad: 2026
Kandidat-uppsats, Högskolan i Halmstad/Akademin för informationsteknologi
Hamza, Mohamad, Alkhatab, Majd
Publicerad: 2025
Kandidat-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)
Selling, Felix
Publicerad: 2024
M, Chalmers tekniska högskola / Institutionen för elektroteknik
Erik Häggström, Noel Lindmark
Publicerad: 2026