La costruzione di un indicatore di salute per la manutenzione predittiva attraverso la programmazione genetica mono-obiettivo

La manutenzione predittiva, o Prognostic Health Management (PHM), è l’innovativa politica manutentiva basata monitoraggio continuo dello stato di salute dei componenti meccanici, grazie all’acquisizione dei dati tramite sensori applicati sui componenti stessi. Questi dati non sono facilmente analizzabili direttamente: è difatti necessaria un’attività di processing, volta ad estrarre delle caratteristiche significative e sintetiche del segnale, chiamate in letteratura features. Tipicamente, alla fase di estrazione delle features, segue una fase di selezione delle features e/o costruzione di un indicatore di salute, al fine di ridurre la dimensionalità dei dati ed aumentare la performance degli algoritmi futuri che riceveranno in input tali features per la diagnostica e/o prognostica. Questa tesi si focalizza proprio sulla costruzione di un indicatore di salute (HI) tramite programmazione genetica mono-obiettivo (algoritmo euristico basato sulla teoria della selezione naturale di Darwin, assai promettente rispetto alle tecniche tradizionali di selezione di features) a partire da un insieme di features estratte manualmente nel dominio del tempo. I segnali utilizzati provengono da un prototipo costruito all’interno del Laboratorio dell’Università di Bologna. In particolare, è stato analizzato il comportamento della cinghia, che rappresenta uno dei componenti chiave del prototipo, dalla messa in funzione in stato sano fino alla rottura (run-to-failure test). Il modello sarà costruito in ambiente MATLAB, attraverso lo sfruttamento del Genetic Programming Toolbox presente nel software stesso. Infine, per valutare il risultato ottenuto, l’HI costruito è stato dato in pasto ad un algoritmo di fitting e di previsione della vita utile residua (RUL), allo scopo di valutare l’errore medio di previsione rispetto a quanto realmente accaduto durante il test. I risultati ottenuti sembrano positivi, ma sono necessari sviluppi futuri per valutare la robustezza dell’indicatore.