Development of a Digital Twin for Condition Monitoring, Focusing on Electrical Propulsion Systems for Marine Application

Abstract

Denne oppgaven omhandler bruk av digitale tvillinger for tilstandsovervåking, som har utviklet seg til å bli en integrert del av simulering, testing og drift av ulike produkter. Teknologien viser stort potensial for å forbedre driften og kostnadseffektiviteten av skip. Denne rapporten drøfter mulige anvendelser av digitale tvillinger i den maritime industrien, og gir en introduksjon til den digitale tvillingen av NTNUs forskningsfartøy R/V Gunnerus.

Ideen utforsket i avhandlingen er muligheten for å bruke en digital tvilling som et tilstandsovervåkingsverktøy for Permanent Magnet Azimuth (PM-AZ) thrustere som driver R/V Gunnerus. Etter hvert som verdensflåten beveger seg mot elektrisk fremdrift og automatisering vil tilstandsovervåking av disse kritiske systemene bli stadig viktigere. Avhandlingen inneholder en undersøkelse av tilstandsovervåking og feildetekteringsteknikker rettet mot fartøyets fremdriftssystem. Toppmoderne elektriske fremdriftssystemer diskuteres, noe som gir en oversikt over bidragsytere til nedetid på disse systemene. Forskning viser at feil på drev, stator, ødelagte rotorstenger og eksentrisitetsrelaterte feil må gis oppmerksomhet ved feilsøking og vedlikehold.

Flere tilstandsovervåkningsmetoder undersøkes gjennom en litteraturstudie. Teknikker som fokuserer på Permanent Magnet Synkron Motorer (PMSM) får mest oppmerksomhet. Gitt en komplett og høyoppløselig flyt av sensordata fra R/V Gunnerus, vil en kombinasjon av en signalbasert og en modellbasert metode som overvåker signalene være en god tilnærming. I lys av den lave kvaliteten på sensordataen ble imidlertid en termisk modelleringsmetode kombinert med en statistisk feildetekteringsalgoritme gjennomført.

Resultatene fra den elektromagnetiske analysen i RMxprt ble brukt i en matematisk modell for å simulere den termiske oppførelsen til en PMSM. Denne modellen simulerer temperaturen i stator kjernen, kobberviklingene, permanent magnetene og rotorkjernen. Resultatene fra temperatursimuleringene virker realistiske og ligger innenfor det forventede intervallet. Likevel gjør mangelen på eksperimentelle eller historiske data fra fartøyet det vanskelig å bekrefte nøyaktigheten av resultatene. Resultatene av simuleringene viser at viklingstemperaturen under overbelastningsscenarier kan føre til at temperaturene overskrider den maksimalt tillatte grensen. Sannsynlighetsfordelingen av dataene ble analysert i forhold til normalitet, og resultatene viser at viklingstemperaturene ved forskjellige driftspunkter ligger innenfor normalitetsområdet. En algoritme for detektering av feil ble modellert ved å lete etter endringer i gjennomsnitt og standardavvik for en tidsserie. Resultatene var lovende, og et overbelastningsscenario ble oppdaget. En enkel estimeringsmodell av levetid basert på skade av kobberisolasjonen ble laget for å forutsi gjenværende levetid på motoren. Resultatene viser at drift over temperaturgrensen vil ha stor effekt på motorens gjenværende levetid.

Metoden som brukes i denne oppgaven har vært en fysikkbasert modelleringsmetode i kombinasjon med en data-drevet feildetekteringsalgoritme. Litteraturen viser at en signaturanalyse av strømmen i motoren er den mest nyttige teknikken for å identifisere feil i roterende elektriske motorer. Effektiviteten av data-drevne metoder basert på kunstig intelligens vil være sentrale elementer i fremtidig tilstandsovervåking. For skip uten riktig datainfrastruktur kan imidlertid en kombinasjon av modellbasert og data-drevet tilstandsovervåking fungere som et godt verktøy for overvåking, feilsøking og estimering av levetid.

This thesis considers the concept of digital twins for condition monitoring purposes, which is becoming an integral part of the simulation, testing and operation of different products. The technology has great potential for improving operation and cost efficiency of vessels. This report discusses the possible applications of digital twins in the maritime industry and gives an introduction to the digital twin of NTNU's research vessel RV Gunnerus.

The idea explored in the thesis is the possibility of using a digital twin as a condition monitoring tool of the Permanent Magnet Azimuth (PM-AZ) thrusters propelling R/V Gunnerus. As the world fleet is moving towards electric propulsion and automation, condition monitoring of these critical systems will become increasingly important. The thesis includes a study on condition monitoring and fault detection techniques targeting vessel propulsion systems. State-of-the-art electric propulsion systems are discussed, giving an overview of contributors to downtime of these systems. Research shows that bearing faults, stator faults, broken rotor bars and eccentricity-related faults are to be given serious attention regarding fault detection and maintenance.

Several condition monitoring approaches are researched through a literature review. Techniques focusing on Permanent Magnet Synchronous Motors (PMSM) are given the most attention. Given a complete and high-resolution stream of sensor data from R/V Gunnerus, it is debated that a combination of a signal-based and model-based approach monitoring the power signals would be a good approach. However, in light of the low quality of the sensor data, a thermal modelling approach combined with a statistical fault detection algorithm has been conducted in the case study.

Results from the electromagnetic analysis in RMxprt were used in a Lumped Parameter Thermal Network to simulate the thermal behaviour of a PMSM. This model simulates the temperature in the stator core, the armature copper windings, the permanent magnets and the rotor core. The results of the temperature simulations seem realistic and are within the expected range. Still, the lack of experimental or historical data from the vessel makes it hard to verify the accuracy of the results. The results of the simulations show that the winding temperature under overload scenarios can cause temperatures to exceed the maximum allowed limit. The distribution of the data was analysed in terms of normality, and the results show that the winding temperatures at different operating points are within the range of normality. A fault detection algorithm was modelled to detect changes in the mean and standard deviation of a time series. The results were promising, and an overload scenario was detected. A simple lifetime estimation model based on the winding insulation damage was built to predict the remaining lifetime of the motor. The results show that operation over the temperature limit will have a large effect on the remaining lifetime of the motor.

The method used in this thesis has been a physics-based modelling approach in combination with a data-driven fault detection algorithm. The literature shows that non-invasive Motor Current Signature Analysis (MCSA) is the most useful technique to identify faults in rotating electric motors. The low cost and efficiency of data driven-methods based on artificial intelligence are key elements of future condition monitoring. However, for vessels without proper data infrastructure, a combination of model-based and data-driven condition monitoring can serve as a good tool for monitoring, fault detection and lifetime estimation of electrical machinery.