Fault Detection and Diagnosis for Refrigeration Systems

Il tema del raffrescamento è ricorrente nel mondo che ci circonda: i sistemi di climatizzazione negli ambienti residenziali sono gli esempi più comuni di sistemi di refrigerazione. Tuttavia anche nel trattamento, stoccaggio, trasporto e distribuzione di prodotti alimentari, così come nel settore sanitario e terziario, la refrigerazione svolge un ruolo centrale. Lo scopo principale della ricerca è l'analisi di alcune tecniche per l'individuazione e la diagnosi di guasti in questa tipologia di sistemi, anche detti chillers. All'interno del lavoro, il chiller è analizzato in tutti i suoi componenti, per i quali vengono dedotti il principio di funzionamento e le variabili significative per la rilevazione dei guasti. La ricerca procede all'analisi di metodologie statiche basate sui dati per il rilevamento di anomalie. Ognuna di esse prevede la costruzione di un modello del sistema; tale rappresentazione viene poi utilizzata nella fase di monitoraggio. La natura statica dei metodi proposti nella tesi riferisce all'uso, nella fase di identificazione del modello, di dati relativi a stati stazionari del sistema invece dell'intera evoluzione temporale dei segnali. In questo modo, il sistema è monitorato in condizioni di stazionarietà termodinamica e transitori improvvisi, difficili da caratterizzare matematicamente, sono eliminati dal database finale. La scelta di metodi basati sui dati è coerente con la direzione della letteratura corrente focalizzata su quegli approcci che non richiedono una descrizione fisica dettagliata del sistema monitorato. La possibilità di mettere a punto il modello dai dati rende tali tecniche facilmente applicabili a differenti impianti. In particolare, la tesi considera tre tecniche per la rilevazione di anomalie. Due di esse, la regressione lineare multipla e l'Analisi delle Componenti Principali (PCA), identificano un modello per i dati nella forma, rispettivamente, di una superficie e di un iperpiano di regressione, mentre la terza, la distanza di Mahalanobis, prende in considerazione le caratteristiche probabilistiche dell'insieme di dati. Queste tecniche sono generalmente utilizzate a scopo previsionale o per la riduzione dimensionale: nella tesi ne viene testata l'efficacia nel contesto della rilevazione di anomalie, illustrando le diverse filosofie dalle quali esse prendono spunto e commisurandone vantaggi e svantaggi. Il confronto viene proposto per degli insiemi di guasti simulati via software e per un caso reale.