Non-Linear Journal Bearing Model for Analysis of Superharmonic Vibrations of Rotor Systems

A rotating machine usually consists of a rotor and bearings that supports it. The nonidealities in these components may excite vibration of the rotating system. The uncontrolled vibrations may lead to excessive wearing of the components of the rotating machine or reduce the process quality. Vibrations may be harmful even when amplitudes are seemingly low, as is usually the case in superharmonic vibration that takes place below the first critical speed of the rotating machine. Superharmonic vibration is excited when the rotational velocity of the machine is a fraction of the natural frequency of the system. In such a situation, a part of the machine’s rotational energy is transformed into vibration energy. The amount of vibration energy should be minimised in the design of rotating machines. The superharmonic vibration phenomena can be studied by analysing the coupled rotor-bearing system employing a multibody simulation approach. This research is focused on the modelling of hydrodynamic journal bearings and rotorbearing systems supported by journal bearings. In particular, the non-idealities affecting the rotor-bearing system and their effect on the superharmonic vibration of the rotating system are analysed. A comparison of computationally efficient journal bearing models is carried out in order to validate one model for further development. The selected bearing model is improved in order to take the waviness of the shaft journal into account. The improved model is implemented and analyzed in a multibody simulation code. A rotor-bearing system that consists of a flexible tube roll, two journal bearings and a supporting structure is analysed employing the multibody simulation technique. The modelled non-idealities are the shell thickness variation in the tube roll and the waviness of the shaft journal in the bearing assembly. Both modelled non-idealities may cause subharmonic resonance in the system. In multibody simulation, the coupled effect of the non-idealities can be captured in the analysis. Additionally one non-ideality is presented that does not excite the vibrations itself but affects the response of the rotorbearing system, namely the waviness of the bearing bushing which is the non-rotating part of the bearing system. The modelled system is verified with measurements performed on a test rig. In the measurements the waviness of bearing bushing was not measured and therefore it’s affect on the response was not verified. In conclusion, the selected modelling approach is an appropriate method when analysing the response of the rotor-bearing system. When comparing the simulated results to the measured ones, the overall agreement between the results is concluded to be good.

Ultralujasta teräksestä valmistetun henkilönostimen teleskooppipuomin kehittäminen

Tässä työssä kehitettiin palo- ja pelastuskäyttöön tarkoitettuun henkilönostimeen teleskooppipuomin profiilit. Profiilien valmistusmateriaalina oli kuumavalssattu, ultraluja säänkestävä rakenneteräs. Työssä kehitettiin standardien ja ohjeiden pohjalta laskentapohja, jolla voidaan tutkia teleskooppipuomin jaksojen tukireaktioita, taivutus- ja vääntömomentteja ja leikkaus ja normaalivoimia. Laskentapohjassa voidaan varioida eri kuormitusten suuntia, teleskooppipuomin sivusuuntaista ulottumaa ja nostokulmaa. Profiilien alustavassa mitoituksessa hyödynnettiin paikallisen lommahduksen huomioon ottavia standardeja ja suunnitteluohjeita. Eri poikkileikkausten ominaisuuksia verrattiin keskenään ja profiili valittiin yhdessä kohdeyrityksen kanssa. Alustavan mitoituksen yhteydessä muodostettiin apuohjelma valitulle poikkileikkaukselle, jolla voitiin tutkia profiilin eri muuttujien vaikutusta mm. paikalliseen lommahdukseen ja jäykkyyteen. Laskentapohjaan sisällytettiin myös optimointirutiini, jolla voitiin minimoida poikkileikkauksen pinta-ala ja tätä kautta profiilin massa. Lopullinen mitoitus suoritettiin elementtimenetelmällä. Mitoituksessa tutkittiin alustavasti mitoitettujen profiilien paikallista lommahdusta lineaarisen stabiilius- ja epälineaarisen analyysin pohjalta. Profiilien jännityksiä tutkittiin tarkemmin mm. varioimalla kuormituksia ja osittelemalla elementtien normaalijännityksiä. Diplomityössä kehitetyllä ja analysoidulla teleskooppipuomilla voitiin keventää jaksojen painoja 15-30 %. Sivusuuntainen ulottuma parani samalla lähes 20 % ja nimelliskuorma kasvoi 25 %.

Harustetun 110 kV kannatuspylvään konseptin kehittäminen

Diplomityössä kehitettiin harustetun 110 kV kannatuspylvään konsepti tuotteeksi. Pylväs on säänkestävästä teräksestä valmistettu putkipalkkirakenteinen I-pylväs. Tavoitteena oli suunnitella rakenteesta kokonaistaloudellisesti edullinen. Rakenteen suunnittelussa otettiin huomioon valmistus-, kuljetus- ja varastointi- sekä rakentamisnäkökohtia. Työssä perehdyttiin pylväsrakenteiden yksityiskohtiin, putkipalkkien liitosmenetelmiin ja pylvään jalan nivelöintiratkaisuihin. Säänkestävä rakennemateriaali otettiin huomioon rakennesuunnittelussa. Rakenteen lujuusteknisen suunnittelun apuna käytettiin epälineaarista elementtimenetelmää. Pylväsrakenteen käyttäytyminen mallinnettiin geometrisesti epälineaariseksi, ja liitosdetaljien analysointia varten kehitettiin epälineaarisia materiaalimalleja. Rakenteen värähtelykäyttäytyminen analysoitiin myös elementtimenetelmällä. Lopputuloksena saatiin aikaan pylväs, joka täyttää sille asetetut vaatimukset. Pylväs on helposti valmistettava, kuljetettava ja pystytettävä.

Development of phase retrieval algorithm and techniques for optical spectrum analysis

Coherent anti-Stokes Raman scattering is the powerful method of laser spectroscopy in which significant successes are achieved. However, the non-linear nature of CARS complicates the analysis of the received spectra. The objective of this Thesis is to develop a new phase retrieval algorithm for CARS. It utilizes the maximum entropy method and the new wavelet approach for spectroscopic background correction of a phase function. The method was developed to be easily automated and used on a large number of spectra of different substances.. The algorithm was successfully tested on experimental data.

Analysis of patterns in mining time series using Qlucore

Raw measurement data does not always immediately convey useful information, but applying mathematical statistical analysis tools into measurement data can improve the situation. Data analysis can offer benefits like acquiring meaningful insight from the dataset, basing critical decisions on the findings, and ruling out human bias through proper statistical treatment. In this thesis we analyze data from an industrial mineral processing plant with the aim of studying the possibility of forecasting the quality of the final product, given by one variable, with a model based on the other variables. For the study mathematical tools like Qlucore Omics Explorer (QOE) and Sparse Bayesian regression (SB) are used. Later on, linear regression is used to build a model based on a subset of variables that seem to have most significant weights in the SB model. The results obtained from QOE show that the variable representing the desired final product does not correlate with other variables. For SB and linear regression, the results show that both SB and linear regression models built on 1-day averaged data seriously underestimate the variance of true data, whereas the two models built on 1-month averaged data are reliable and able to explain a larger proportion of variability in the available data, making them suitable for prediction purposes. However, it is concluded that no single model can fit well the whole available dataset and therefore, it is proposed for future work to make piecewise non linear regression models if the same available dataset is used, or the plant to provide another dataset that should be collected in a more systematic fashion than the present data for further analysis.

On Modelling, System Identification and Control of Servo-Systems with a Flexible Load

The present study was done with two different servo-systems. In the first system, a servo-hydraulic system was identified and then controlled by a fuzzy gainscheduling controller. The second servo-system, an electro-magnetic linear motor in suppressing the mechanical vibration and position tracking of a reference model are studied by using a neural network and an adaptive backstepping controller respectively. Followings are some descriptions of research methods. Electro Hydraulic Servo Systems (EHSS) are commonly used in industry. These kinds of systems are nonlinearin nature and their dynamic equations have several unknown parameters.System identification is a prerequisite to analysis of a dynamic system. One of the most promising novel evolutionary algorithms is the Differential Evolution (DE) for solving global optimization problems. In the study, the DE algorithm is proposed for handling nonlinear constraint functionswith boundary limits of variables to find the best parameters of a servo-hydraulic system with flexible load. The DE guarantees fast speed convergence and accurate solutions regardless the initial conditions of parameters. The control of hydraulic servo-systems has been the focus ofintense research over the past decades. These kinds of systems are nonlinear in nature and generally difficult to control. Since changing system parameters using the same gains will cause overshoot or even loss of system stability. The highly non-linear behaviour of these devices makes them ideal subjects for applying different types of sophisticated controllers. The study is concerned with a second order model reference to positioning control of a flexible load servo-hydraulic system using fuzzy gainscheduling. In the present research, to compensate the lack of dampingin a hydraulic system, an acceleration feedback was used. To compare the results, a pcontroller with feed-forward acceleration and different gains in extension and retraction is used. The design procedure for the controller and experimental results are discussed. The results suggest that using the fuzzy gain-scheduling controller decrease the error of position reference tracking. The second part of research was done on a PermanentMagnet Linear Synchronous Motor (PMLSM). In this study, a recurrent neural network compensator for suppressing mechanical vibration in PMLSM with a flexible load is studied. The linear motor is controlled by a conventional PI velocity controller, and the vibration of the flexible mechanism is suppressed by using a hybrid recurrent neural network. The differential evolution strategy and Kalman filter method are used to avoid the local minimum problem, and estimate the states of system respectively. The proposed control method is firstly designed by using non-linear simulation model built in Matlab Simulink and then implemented in practical test rig. The proposed method works satisfactorily and suppresses the vibration successfully. In the last part of research, a nonlinear load control method is developed and implemented for a PMLSM with a flexible load. The purpose of the controller is to track a flexible load to the desired position reference as fast as possible and without awkward oscillation. The control method is based on an adaptive backstepping algorithm whose stability is ensured by the Lyapunov stability theorem. The states of the system needed in the controller are estimated by using the Kalman filter. The proposed controller is implemented and tested in a linear motor test drive and responses are presented.

THE IMPACT OF ARCHITECTURAL DESIGN ON SOFTWARE DEVELOPMENT

Tässä työssä tutkitaan ohjelmistoarkkitehtuurisuunnitteluominaisuuksien vaikutusta erään client-server –arkkitehtuuriin perustuvan mobiilipalvelusovelluksen suunnittelu- ja toteutusaikaan. Kyseinen tutkimus perustuu reaalielämän projektiin, jonka kvalitatiivinen analyysi paljasti arkkitehtuurikompponenttien välisten kytkentöjen merkittävästi vaikuttavan projektin työmäärään. Työn päätavoite oli kvantitatiivisesti tutkia yllä mainitun havainnon oikeellisuus. Tavoitteen saavuttamiseksi suunniteltiin ohjelmistoarkkitehtuurisuunnittelun mittaristo kuvaamaan kyseisen järjestelmän alijärjestelmien arkkitehtuuria ja luotiin kaksi suunniteltua mittaristoa käyttävää, työmäärää (komponentin suunnittelu-, toteutus- ja testausaikojen summa) arvioivaa mallia, joista toinen on lineaarinen ja toinen epälineaarinen. Näiden mallien kertoimet sovitettiin optimoimalla niiden arvot epälineaarista gloobaalioptimointimenetelmää, differentiaalievoluutioalgoritmia, käyttäen, niin että mallien antamat arvot vastasivat parhaiten mitattua työmäärää sekä kaikilla ominaisuuksilla eli attribuuteilla että vain osalla niistä (yksi jätettiin vuorotellen pois). Kun arkkitehtuurikompenttien väliset kytkennät jätettiin malleista pois, mitattujen ja arvoitujen työmäärien välinen ero (ilmaistuna virheenä) kasvoi eräässä tapauksessa 367 % entisestä tarkoittaen sitä, että näin muodostettu malli vastasi toteutusaikoja huonosti annetulla ainestolla. Tämä oli suurin havaitu virhe kaikkien poisjätettyjen ominaisuuksien kesken. Saadun tuloksen perusteella päätettiin, että kyseisen järjestelmän toteutusajat ovat vahvasti riippuvaisia kytkentöjen määrästä, ja näin ollen kytkentöjen määrä oli mitä todennäköisemmin kaikista tärkein työmäärään vaikuttava tekijä tutkitun järjestelmän arkkitehtuurisuunnittelussa.

Effect of competitive situation and price on diffusion of mobile communications

Työn päätavoitteena oli selvittää hinnan ja kilpailutilanteen vaikutusta matkaviestinnän diffuusioon. Työn empiirinen osuus tarkasteli matkapuhelinliittymien hinnan vaikutusta liittymien diffuusioon sekä sitä, miten alan kilpailu on vaikuttanut matkaviestinnän hintatasoon. Työssä analysoitiin myös matkaviestinnän kilpailutilannetta Suomen markkinoilla. Tutkimuksen empiirinen aineisto kerättiin toissijaisista lähteistä, esimerkiksi EMC-tietokannasta. Tutkimus oli luonteeltaan kvantitatiivinen.Empiirisessä osassa käytetyt mallit oli muodostettu aikaisempien tutkimuksien perusteella. Regressioanalyysiä käytettiin arvioitaessa hinnan vaikutusta diffuusionopeuteen ja mahdollisten omaksujien määrään. Regressioanalyysissä sovellettiin ei-lineaarista mallia.Tutkimustulokset osoittivat, että tasaisesti laskevilla matkapuhelinliittymien sekä matkapuhelimien hinnoilla ei ole merkittävää vaikutusta matkaviestinnän diffuusioon. Myöskään kilpailutilanne ei ole vaikuttanut paljon matkaviestinnän yleiseen hintatasoon. Työn tulosten perusteella voitiin antaa myös muutamia toimenpide-ehdotuksia jatkotutkimuksia varten.

Kylmämuovattujen putkipalkkien X-liitosten äärikestävyyden ja jäykkyyden määrittäminen sekä materiaalimallin kehittäminen

Työssä on tutkittu elementtimenetelmän avulla kylmämuovattujen nelikulmaisten putkipalkkien materiaalimallin kehittämistä ja putkipalkkien X-liitosten jäykkyyden ja äärikestävyyden määrittämistä. Työn tavoitteena on tutkia kylmämuovauksen vaikutuksia putkipalkkiprofiilin materiaaliominaisuuksiin materiaalikokeiden ja elementtianalyysien avulla sekä kehittää putkipalkille anisotrooppista materiaalimallia. Työssä määritettyjä materiaalimalleja on sovellettu X-liitosten elementtimalleihin, joiden käyttäytymistä on verrattu äärikestävyyskokeiden tuloksiin. Tutkimuksen perusteella Eurocode 3:n mitoitusohjeita voidaan turvallisesti soveltaa kylmämuovattujen putkipalkkien X-liitosten laskennassa. Työssä tehtyjen materiaalikokeiden ja elementtianalyysien perusteella materiaalin anisotrooppisuuden vaikutus liitoksen kestävyyteen on vähäistä, ja putkipalkin pituussuuntaista materiaalimallia voidaan soveltaa myös kehäsuuntaisille materiaaliominaisuuksille. Materiaalikokeiden simulointi osoittaa, että elementtimenetelmää voidaan käyttää materiaalimallin määrittämisen apuvälineenä.

Adaptive MCMC methods with applications in environmental and geophysical models

This work presents new, efficient Markov chain Monte Carlo (MCMC) simulation methods for statistical analysis in various modelling applications. When using MCMC methods, the model is simulated repeatedly to explore the probability distribution describing the uncertainties in model parameters and predictions. In adaptive MCMC methods based on the Metropolis-Hastings algorithm, the proposal distribution needed by the algorithm learns from the target distribution as the simulation proceeds. Adaptive MCMC methods have been subject of intensive research lately, as they open a way for essentially easier use of the methodology. The lack of user-friendly computer programs has been a main obstacle for wider acceptance of the methods. This work provides two new adaptive MCMC methods: DRAM and AARJ. The DRAM method has been built especially to work in high dimensional and non-linear problems. The AARJ method is an extension to DRAM for model selection problems, where the mathematical formulation of the model is uncertain and we want simultaneously to fit several different models to the same observations. The methods were developed while keeping in mind the needs of modelling applications typical in environmental sciences. The development work has been pursued while working with several application projects. The applications presented in this work are: a winter time oxygen concentration model for Lake Tuusulanjärvi and adaptive control of the aerator; a nutrition model for Lake Pyhäjärvi and lake management planning; validation of the algorithms of the GOMOS ozone remote sensing instrument on board the Envisat satellite of European Space Agency and the study of the effects of aerosol model selection on the GOMOS algorithm.

Multifactor Performance Study on Complex Systems for the Benefit of Management

The primary objective is to identify the critical factors that have a natural impact on the performance measurement system. It is important to make correct decisions related to measurement systems, which are based on the complex business environment. The performance measurement system is combined with a very complex non-linear factor. The Six Sigma methodology is seen as one potential approach at every organisational level. It will be linked to the performance and financial measurement as well as to the analytical thinking on which the viewpoint of management depends. The complex systems are connected to the customer relationship study. As the primary throughput can be seen in a new well-defined performance measurement structure that will also be facilitated as will an analytical multifactor system. These critical factors should also be seen as a business innovation opportunity at the same time. This master's thesis has been divided into two different theoretical parts. The empirical part consists of both action-oriented and constructive research approaches with an empirical case study. The secondary objective is to seek a competitive advantage factor with a new analytical tool and the Six Sigma thinking. Process and product capabilities will be linked to the contribution of complex system. These critical barriers will be identified by the performance measuring system. The secondary throughput can be recognised as the product and the process cost efficiencies which throughputs are achieved with an advantage of management. The performance measurement potential is related to the different productivity analysis. Productivity can be seen as one essential part of the competitive advantage factor.

Learning Preferences with Kernel-Based Methods

Learning of preference relations has recently received significant attention in machine learning community. It is closely related to the classification and regression analysis and can be reduced to these tasks. However, preference learning involves prediction of ordering of the data points rather than prediction of a single numerical value as in case of regression or a class label as in case of classification. Therefore, studying preference relations within a separate framework facilitates not only better theoretical understanding of the problem, but also motivates development of the efficient algorithms for the task. Preference learning has many applications in domains such as information retrieval, bioinformatics, natural language processing, etc. For example, algorithms that learn to rank are frequently used in search engines for ordering documents retrieved by the query. Preference learning methods have been also applied to collaborative filtering problems for predicting individual customer choices from the vast amount of user generated feedback. In this thesis we propose several algorithms for learning preference relations. These algorithms stem from well founded and robust class of regularized least-squares methods and have many attractive computational properties. In order to improve the performance of our methods, we introduce several non-linear kernel functions. Thus, contribution of this thesis is twofold: kernel functions for structured data that are used to take advantage of various non-vectorial data representations and the preference learning algorithms that are suitable for different tasks, namely efficient learning of preference relations, learning with large amount of training data, and semi-supervised preference learning. Proposed kernel-based algorithms and kernels are applied to the parse ranking task in natural language processing, document ranking in information retrieval, and remote homology detection in bioinformatics domain. Training of kernel-based ranking algorithms can be infeasible when the size of the training set is large. This problem is addressed by proposing a preference learning algorithm whose computation complexity scales linearly with the number of training data points. We also introduce sparse approximation of the algorithm that can be efficiently trained with large amount of data. For situations when small amount of labeled data but a large amount of unlabeled data is available, we propose a co-regularized preference learning algorithm. To conclude, the methods presented in this thesis address not only the problem of the efficient training of the algorithms but also fast regularization parameter selection, multiple output prediction, and cross-validation. Furthermore, proposed algorithms lead to notably better performance in many preference learning tasks considered.

Acceleration of Solar Energetic Particles in coronal shocks through self-generated turbulence

The acceleration of solar energetic particles (SEPs) by flares and coronal mass ejections (CMEs) has been a major topic of research for the solar-terrestrial physics and geophysics communities for decades. This thesis discusses theories describing first-order Fermi acceleration of SEPs through repeated crossings at a CME-driven shock. We propose that particle trapping occurs through self-generated Alfvén waves, leading to a turbulent trapping region in front of the shock. Decelerating coronal shocks are shown to be capable of efficient SEP acceleration, provided seed particle injection is sufficient. Quasi-parallel shocks are found to inject thermal particles with good efficiency. The roles of minimum injection velocities, cross-field diffusion, downstream scattering efficiency and cross-shock potential are investigated in detail, with downstream isotropisation timescales having a major effect on injection efficiency. Accelerated spectra of heavier elements up to iron are found to exhibit significantly harder spectra than protons. Accelerated spectra cut-off energies are found to scale proportional to (Q/A)^1.5, which is explained through analysis of the spectral shape of amplified Alfvénic turbulence. Acceleration times to different threshold energies are found to be non-linear, indicating that self-consistent time-dependent simulations are required in order to expose the full extent of acceleration dynamics. The well-established quasilinear theory (QLT) of particle scattering is investigated by comparing QLT scattering coefficients with those found via full-orbit simulations. QLT is found to overemphasise resonance conditions. This finding supports the simplifications implemented in the presented coronal shock acceleration (CSA) simulation software. The CSA software package is used to simulate a range of acceleration scenarios. The results are found to be in agreement with well-established particle acceleration theory. At the same time, new spatial and temporal dynamics of particle population trapping and wave evolution are revealed.

S500 Suurlujuusteräksestä valmistettujen rakenneputkiliitosten lujuusominaisuudet

Nykyinen Eurocode 3 suunnitteluohjeen rakenneputkiliitoksia käsittelevä osio vaatii S500 suurlujuusteräksestä valmistettujen liitosten mitoituksen yhteydessä käytettäväksi reduk-tiokerrointa 0.8. Tämä on varsin konservatiivinen mitoituspa, joka vähentää merkittävästi lujemman teräslaadun käyttämisestä saavutettavaa hyötyä. Tämän työn pääasiallinen ta-voite on laboratoriotestein selvittää S500 lujuusluokan rakenneputkiliitosten todellinen äärikapasiteetti ja verrata sitä nykyisen mitoitusohjeen mukaiseen kapasiteettiin. Tässä työssä tutkitut liitokset ovat valmistettu poikkileikkaukseltaan nelikulmaisista kyl-mämuovatuista rakenneputkista. Koesarja koostui kahdeksasta X-liitoksesta, sekä kymme-nestä K-liitoksesta. Kaikki testit suoritettiin huoneenlämmössä, LUT Koneen teräsrakenne-laboratoriossa. Laboratoriotestien lisäksi rakenteen käyttäytymistä tutkittiin epälineaarisen elementtimenetelmän avulla ja näitä tuloksia verrattiin kokeellisiin tuloksiin. Sekä testien että FE–analyysin perusteella voidaan todeta, että S500 lujuusluokan terästä käytettäessä ei Eurocode 3:n mukaisen reduktiokertoimen käytölle ole perusteita.