• Diagnostic
• eigenvalues
• Fuzzy
• Gas Turbine
• Maintenance
• Mandani
• Observability

Argomento della tesi è lo studio di una nuova metodologia applicabile al problema della diagnostica di sistemi turbogas.
Negli ultimi anni la diagnostica di tali sistemi si è conquistata un posto di primo piano nel contesto della manutenzione e gestione di apparati di turbine a gas per uso aeronautico-propulsivo e per produzione di energia su larga e piccola scala; e assolutamente rilevante è l’attuale impegno di grandi industrie costruttrici, così come di grandi aziende usufruttuarie, nella ricerca e nello sviluppo di sistemi che possano garantire analisi diagnostiche sempre più affidabili da utilizzare come strumento strategico nel mercato dei prossimi anni.
La tesi è stata sviluppata presso il dept. of Power, Propulsion and Aerospace Engineering di Cranfield University (Regno Unito) sotto la supervisione del prof. Riti Singh e del dott. ing. Luca Marinai. L’attività di ricerca del dipartimento è supportata da Rolls-Royce plc e il lavoro qui sviluppato è presentato applicato a sistemi turbogas per uso aeronautico. Tuttavia l’estensione ad applicazioni per uso non propulsivo è immediata e non necessita di nessuna ulteriore precisazione o completamento.
La nuova teoria qui sviluppata (il lavoro è uno dei primi esempi di applicazione della logica Fuzzy in problemi di questo tipo) trova applicazione in un software dimostrativo sviluppato in ambiente Matlab con lo scopo di fornire risultati pratici per valutare bontà e applicabilità dei processi e per fornire indicazioni su possibili sviluppi futuri di questa tecnica.

-------------------------------------------------

Con l’avvento di un mercato sempre più concorrenziale e sempre più incline ad enfatizzare perdite economiche dovute a seppur ridotti tempi di fermo macchina e/o a volte non necessari, è stata individuata nella buona gestione della manutenzione delle macchine uno degli obiettivi principali da perseguire, e si è fatta strada, a partire dagli anni 70, l’idea di una manutenzione di tipo predittivo: il saper risalire allo stato di salute della macchina senza rinunciare ad usufruire della macchina stessa, per prevedere in quale momento preciso ci sarà bisogno di un fermo macchina per la riparazione o la sostituzione di certi componenti. In questo modo non solo vengono ottimizzati e programmati al meglio i tempi di fermo macchina ma si cerca anche di aumentare considerevolmente il livello di sicurezza dei macchinari, mettendosi al riparo da guasti improvvisi, potenziali creatori di situazioni di pericolo per gli utenti.
Si rende necessaria la messa a punto di strumenti di diagnosi in grado di monitorare costantemente la macchina, affiancati da strumenti di prognosi che consentano di elaborare futuri scenari a partire da quelli individuati dai sistemi di diagnostica. Ovviamente il problema principale da affrontare è quello di portare a termine un’analisi diagnostica abbastanza accurata utilizzando strumenti che non impediscano alla macchina di continuare a compiere il proprio lavoro (on-line) quindi per forza di cose meno efficienti degli strumenti disponibili a macchina ferma. Analisi diagnostica che deve essere portata a termine se non in tempo reale in tempi comunque molto brevi per monitorare costantemente la macchina.
La diagnostica delle turbine a gas si divide essenzialmente in due rami:
• Diagnostica basata sulle performance (come il metodo qui presentato): è un tipico processo di analisi, il risalire a parametri di performance utilizzando parametri misurabili di tipo termodinamico (temperatura e pressione in opportuni punti della macchina). Dove per parametri di performance si intendono efficienze termodinamiche e capacità di flusso dei principali componenti della macchina (turbine e compressori).
• Diagnostica basata sulle “condition monitoring”, cioè effettuata tramite strumenti quali l’analisi della vibrazioni, del rumore, della composizione dei gas di scarico, degli oli lubrificanti, o tecniche di esplorazione visiva.

-------------------------------------------------

Questo lavoro rappresenta uno dei primi tentativi di usare il fuzzy Logic come strumento di diagnostica di sistemi di turbine a gas ed il primo in cui gli insiemi fuzzy vengono utilizzati per trattare grandezze numeriche. Considerando il tempo utilizzato per ottenere i risultati di cui sopra il sistema ha fornito risultati migliori al confronto di tutte le altre metodologie fino ad ora in uso. A livello assoluto fornisce risultati sicuramente migliori di quelli ottenuti utilizzando reti neurali (soprattutto in presenza di noise) e paragonabili a quelli ottenibili con algoritmi genetici, a fronte però di tempi di calcolo minori.
Da sottolineare che l’attuale sistema non è in grado di effettuare diagnosi in presenza di errori fissi nelle misure (possibili soluzioni sono state proposte ma per motivi di tempo non testate): questo rappresenta il prossimo immediato problema da affrontare. Inoltre non sono stati effettuati test con contemporanea degradazione di più di 2 componenti.
Ma il fatto di non portare a “smearing” delle deteriorazioni fa pensare ad interessanti utilizzi ibridi. Per esempio utilizzare una tecnica che fa uso della logica Fuzzy a monte di un sistema basato sul filtro di Kalman, potrebbe portare a risultati ottimi con il Fuzzy Logic che individua i componenti deteriorati (e da un’indicazione dell’ordine di grandezza della deteriorazione) ed il filtro di Kalman che precisa questa deteriorazione (il Filtro di Kalman soffre molto del problema dello “smearing”, ma se utilizzato con previa indicazione dei componenti deteriorati fornisce risultati molto precisi). Sono più che giustificati quindi successivi sforzi per procedere in questa ricerca.
Per concludere, il lavoro rappresenta anche un modo di utilizzare il Fuzzy Logic (regole linguistiche che trattano insiemi fuzzy numerici) che può essere applicato ai più svariati problemi in campo matematico-ingegneristico e in situazioni di decision-making in campo gestionale ed economico.