Exploratory Data Analysis and Compressed Modelling of Spatiotemporal Thermal Data from a Remote Operable Encapsulated Thermal Laboratory
Abstract
Målet med dette prosjektet er å konstruere et fjernstyrt, innkapslet termisk laboratorium (ETL) for å bruke datadrevne metoder (DDM) til å utforske og studere den termiske dynamikken på en modifisert aluminiumsplate fra et termisk kamera i et kontrollert miljø. ETL er viktig for testing og eksperimentering med DDM for offline- og online analyse av romlig-temporal termisk data, som videre kan brukes i industrien for å støtte arbeidet mot bærekraftsmålene og redusere gapet mellom simulering og virkeligheten. ETL er et system sammensatt av åtte komponenter, som muliggjør at ETL kan kontrollere den påførte effekten, den fjernmålte og kontaktmålte temperaturen, samt omgivelsestemperaturen, til den modifiserte aluminiumsplaten. Videre er et innledende generelt brukergrensesnitt (GUI) utviklet i samtråd med en digital tvilling, som fasiliteres med data og kontroll fra dette arbeidet, hvor (tilnærmet) sanntidsanalyse av termiske data blir studert.
Det termiske kameraet gir høy-dimensional romlig-temporal data når det observerer den modifiserte aluminiumsplaten, noe som gir praktiske begrensninger med hensyn til minneallokering, dataoverføring, og sanntidskompleksitet. For å imøtekomme begrensningene utføres det offline analyse av en blandet mengde med datasett, hentet fra eksperimenter ved ETL, med bruk av komprimert modellering for å forutsi den termiske tilstanden, hvor dynamisk modus dekomponering (DMD) og langt korttidsminne (LSTM) benyttes. Videre blir typiske feilmoduser innen industrien, som varmeanomalier og lekkasjer, simulert og utforsket med ETL ved bruk av bevegelige vinduer (MW) med hovedkomponentanalyse (PCA) og robust PCA (RPCA). En industriell test er inkludert for å sammenligne konfigurasjon og anomalideteksjon med labmiljøet. Fysiske artefakter, som rifter på den modifiserte aluminiumpsplaten og plassering av plast foran det termiske kameraet, blir brukt og utforsket for å simulere et ikke-ideelt objekt og miljø, og viser videre mulighetene for utforskning med ETL.
Resultatene viser at de komprimerte modellene, ved bruk av tre optimale sensorplasseringer (OSP), forutsier den termiske kjøletrenden med stor nøyaktighet, selv om DMD-modellen til slutt driver av på grunn av sine lineære egenskaper. Rekonstruksjonen til deres opprinnelige høye dimensjoner gir en videre lav feil. LSTM forustier sykliske oppførsler med stor nøyaktighet, men fanger ikke fullt opp topper, mens DMD-modellen ekploderer rundt de ikke-lineære sykliske forekomstene. LSTM forutsier hele datasettene når den trenes på plast-datasettene, selv om den har forskyvninger når trenings- og testdatasettene byttes. De tilførte varme- og lekkasjeanomaliene blir godt fanget opp ved bruk av MW-PCA og MW-RPCA, men utfordringer vises når plast brukes foran kamera og ved en ikke-ideell konfigurasjon i et industielt miljø. Det demonstreres videre at RPCA separerer fysiske artefakter fra observasjoner på den modifiserte aluminiumsplaten, men gir en mer disktint anomali ved separasjon av skarpe endringer.
Videre arbeid bør vurdere å oppgradere ETL til et mer lettvektsoppsett og introdusere et programmer- og justerbart stativ for å fasilitere for mer komplekse eksperimenter. Flere DDMer bør anvendes på de ulike online tilnærmingene, ved å utnytte OSP-rammeverket og videre dataflytoptimalisering når ETL oppgraderes. The aim of this project is to construct a remote operable encapsulated thermal laboratory (ETL) for the purpose of using data-driven methods (DDMs) to explore and assess the thermal dynamics of a modified aluminium plate from a thermal camera within a controlled environment.The ETL is important for testing and experimenting with DDMs for offline- and online analysis of spatiotemporal thermal data, which further may be used within the industry to support the work towards the sustainability goals and reduce the simulation-to-real-world gap. The ETL is a system composed of eight components, which facilitates the ETL to control the applied effect, the remote-sampled- and contact-sampled temperature, in addition to the ambient temperature, of the modified aluminium plate. Furthermore, a preliminary general user interface (GUI) is developed alongside a digital twin, for which this work facilitates data and control, where (near) real-time analysis of thermal data is studied.
The sampled thermal camera provides high-dimensional spatiotemporal data when observing the modified aluminium plate, which provides practical limitations towards memory allocation, data transmission, and real-time time complexity.To address this, offline analysis of a mixed set of datasets, taken from experiments at the ETL, is executed using compressed modelling to forecast the thermal state, where the dynamic mode decomposition (DMD) and long short-term memory (LSTM) are utilized.Furthermore, typical failure modes within the industry, such as heat anomalies and leakages, are simulated and explored with the ETL using moving windows (MWs) with principal component analysis (PCA) and robust PCA (RPCA). An industrial test is included to compare the configuration and anomaly detection with the lab environment. Physical artefacts, such as rifts on the modified aluminium plate and placing plastic in front of the thermal camera, are applied and explored to simulate a non-ideal asset and environment, showcasing the exploration possibilities with the ETL.
Results show that the compressed models, using three optimal sensor placements (OSP), forecast the thermal cooling trend with great accuracy, though the DMD model eventually drifts off due to its linear characteristics. The reconstruction to their original high dimensions provides a low-error estimate. The LSTM forecasts cyclic behaviours with great accuracy but doesn't fully capture spikes, while the DMD model blows up around the non-linear cyclic occurrences. The LSTM forecasts the whole datasets when trained on the through plastic datasets, though having offsets when switching the training and test datasets. The applied heat and leak anomalies are captured well using MW-PCA and MW-RPCA, but challenges are shown when using plastic in front of the camera and having a non-ideal configuration within an industrial environment. It is further demonstrated that RPCA manages to remove physical artefacts for samples from the modified aluminium plate, though providing a more distinct anomaly when assessing sharp changes in the anomaly samples.
Further work should consider transforming the ETL to a more lightweight setup and introducing a re-programmable adjustable stand to create more complex experiments. More DDMs should be applied to the online approaches, utilizing the OSP framework, and further dataflow optimisation when the ETL is upgraded.