Väsymisen huomiointi laitteen ohjauksessa

Työssä selvitettiin väsymisen huomioivan ja minimoivan laitteen ohjausmenetelmiä. Väsymisilmiön huomioiva älykäs laite monitoroi itsenäisesti mm. väsymissäröjen kasvua ja muuttaa toimintaansa sen mukaisesti. Reagoinnin hyötyinä saavutetaan väsyttävästi kuormitetulle laitteelle mm. pidempi käyttöikä ja riskin hallinta, jossa laite tietää, miten sitä voidaan käyttää ennen vauriota ja sen jälkeen. Kunnossapitoon liittyen ennustetaan jäljellä olevaa käyttöikää, jolloin voidaan suunnitella huolto. Tutkimuksessa käsiteltiin mm. laitteiden ohjauksen tarvitsemia mittausmenetelmiä, mittaustiedon käsittelyä, vaurion luokittelua ja vauriota minimoivan ohjauksen rakennetta. Lisäksi käsiteltiin lyhyesti vaurion luokittelussa sekä ohjausreaktioiden ratkaisemisessa tarvittavia oppivia menetelmiä. Väsymistä minimoivan laitteen ohjauksen perusedellytys on laitteen kokemien rasitusten ja/tai suorituksen mittaaminen. Mittaustulosten perusteella määritetään vaurioitumista kuvaavat suureet. Ohjauksen vaurioon reagoivassa osassa määritetään tieto vaurioitumisen kriittisyydestä ja tämän perusteella tarvittava ohjauksen optimaalinen muutos sekä optimaalinen ohjaussignaali tai muu korjaava toimenpide. Ohjaus optimoidaan vaurioitumisnopeus minimoiden ja suorituskyky maksimoiden. Näiden välille etsitään sopiva tasapaino, jossa suorituskyvyn häviö on pieni mahdollisimman suurella vaurioitumisen pienenemisellä. Tämän jälkeen mittauksien avulla saadaan tieto korjatun ohjauksen vaikutuksesta vauriosuureisiin.

Purpose of this work is to make a study of the control of apparatus that observes and mitigates fatigue damage in it's mechanical structure. Smart fatigue damage observing apparatus monitors fatigue crack growth independently and changes it's operation based on the results of the monitoring. The advantage of this system is to get longer service life and better risk management. Topics presented in this paper are measuring, data processing, damage classification and damage mitigating control. This paper also gives a short description about the possible learning methods needed in damage classification and in creating of control reactions.