Bu AI destekli boru hattı teşhis ve muayene sistemi, mmWave teknolojisi ile boru hattı kusurlarını tespit etmek için verimli ve maliyet etkin bir çözüm sunmaktadır. 60GHz mmWave modülü ve Nicla Vision kullanarak, sistem doğru titreşim ölçümleri toplayabilir ve farklı boru hattı kusurlarını tanımlamak için bir sinir ağı modeli eğitebilir. Web uygulaması, toplanan verileri ve deforme olmuş boruların yakalanan görüntüleri ile model tespit sonuçlarını elde etmek ve görüntülemek için kullanımı kolay bir arayüz sağlar. Dragonite ilhamlı PCB ve sıvı temalı kasa tasarımı, saha kullanımı için benzersiz ve sağlam bir çözüm sunar. Genel olarak, bu sistem makine operasyonlarını sürdürülebilir tutmaya yardımcı olabilir ve maliyetli üretim sorunlarını önleyebilirken, titreşim özelliklerine dayanan yıkıcı olmayan bir test ve değerlendirme mekanizması sağlar.
Seeed Donanımı: Seeed Studio 60GHz mmWave Sensörü – Nefes Alma ve Kalp Atışı Modülü, Arduino Nano R3, LattePanda 3 Delta
Yazılım: Edge Impulse, Arduino IDE
Sektör: Endüstri Bakımı
Arka Plan
Boru hattı sisteminin bakımı, otomatik üretim süreçlerinin sorunsuz çalışmasını sağlamak için kritik öneme sahiptir. Arızalı bir boru hattı sistemi, özellikle pahalı onarımlar veya değiştirme maliyetlerini karşılayamayacak sınırlı bütçeye sahip küçük işletmeler için çeşitli sorunlara yol açabilir. Bu nedenle, genel bakım düzenlemelerine uygun, verimli ve doğru bir boru hattı teşhis mekanizması oluşturmak esastır. Bu yaklaşım, teknisyenlerin makineleri bakımını yapmalarına yardımcı olabilir ve şirketlerin uygun boru hattı teşhisi eksikliği nedeniyle pahalı makine bileşenlerini değiştirme veya onarma kaynaklarını israf etmelerini önleyebilir. Boru hattı sistemi bakımına öncelik vererek, işletmeler makinelerinin dayanıklılığını beklentilerin ötesine uzatabilir ve operasyonlarının uzun vadeli başarısını sağlayabilir.
Boru hattı kusurları, sıvıların taşınması sırasında yaygındır, özellikle değişken termal koşullarda. Makine operasyonları sırasında mekanik ve termal stres, borularda yorgunluktan kaynaklanan küçük kusurlara neden olur. Bu küçük kusurlar biriktiğinde, içteki türbülanslı basıncın değişmesine yol açar ve bu da hafif şekil bozukluklarına neden olur. Zamanla gerilim nedeniyle kademeli bir eksiklik ortaya çıkar. Çatlakların yanı sıra, işlem süreçlerine ve ortama bağlı olarak, korozyon, aşınma, kimyasal kalıntılardan dolayı tıkanmış bağlantı noktaları ve yüksek gaz emisyonları nedeniyle sızdıran bağlantı noktaları gibi birçok olası boru hattı kusuru vardır.
Zorluk
Bilgisayarlı görme (kamera), manyetik alan ölçümleri ve akustik tespit (mikrofon) kullanan farklı dış boru hattı muayene cihazları olmasına rağmen, bu yöntemler farklı boru hattı sistemlerine değiştirilebilir şekilde uygulanamaz. Örneğin, termal bir kamera ile nesne tespiti yapan bir cihaz, antifriz taşıyan bir boru hattı sisteminde yüksek gaz geçirgenliği nedeniyle iç kristalleri tespit edemeyebilir.
Çözüm
Boru hattı titreşimlerine dayalı teşhis üzerine son araştırma makalelerini gözden geçiren Kutluhan, veri parametrelerini toplamak, potansiyel boru hattı kusurlarını tespit etmek ve deforme olmuş boruların yakalanan görüntüleri ile gerçek zamanlı tespit sonuçları sağlamak için mmWave radar modülünden veri toplayan cihazların eksikliğini fark etti. Bu nedenle, boru hattı kusurlarını makine öğrenimi ile teşhis etmek için bütçe dostu ve kompakt bir mekanizma inşa etmeye karar verdi. Amacı, işletmelere temel boru hattı kusurlarını ortadan kaldırarak makinelerinin dayanıklılığını ve istikrarını korumalarına yardımcı olmaktı.
Boru hattı sisteminden doğru titreşim ölçümleri toplamak ve bir sinir ağı modeli eğitmek için, her ana bölümde üç farklı boru hattı kusurunu gösteren basit bir boru hattı sistemi inşa etti.
Veri parametrelerini çıkarmak için 60GHz mmWave modülünü kullandı ve sinir ağı modelini çalıştırmak, deforme olmuş boruların görüntülerini yakalamak ve kullanıcıyı yakalanan boru görüntüleri ile model tespit sonuçları hakkında bilgilendirmek için Arduino Nicla Vision’ı kullandı. Radar veri parametrelerini çıkarmak ve iletmek için mmWave modülünü Arduino Nano’ya bağladı ve ayrıca Nicla Vision’a toplanan mmWave veri parametreleri ile komut göndermek için Arduino Nano’ya dört kontrol düğmesi ekledi ve arayüz menüsünü görüntülemek için bir ILI9341 TFT LCD ekran ekledi.
Boru hattı sistemi kusurlarını teşhis eden tam teşekküllü bir AIoT cihazı geliştirmek için, sıfırdan bir web uygulaması inşa edildi. Web uygulaması, seçilen etiket ile Nicla Vision’dan toplanan mmWave veri parametrelerini bir HTTP GET isteği ile aldı, alınan bilgileri bir MySQL veritabanı tablosuna kaydetti ve saklanan veri kayıtlarını arayüzünde azalan sırayla görüntüledi. Web uygulaması, arayüzdeki tek bir HTML düğmesi ile veritabanındaki saklanan veri kayıtlarından önceden biçimlendirilmiş bir CSV dosyası oluşturdu. Veri setini tamamladıktan ve Edge Impulse ile ANN modelini inşa ettikten sonra, Kutluhan modeli Nicla Vision üzerinde bir Arduino kütüphanesi olarak dağıttı ve yükledi.
Web uygulamasını, Nicla Vision’dan yakalanan deforme olmuş boruların görüntüleri ile model tespit sonuçlarını HTTP POST istekleri aracılığıyla elde etmek için kullandı, alınan bilgileri belirli bir MySQL veritabanı tablosuna kaydetti ve saklanan model sonuçlarını atanan tespit görüntüleri ile uygulama arayüzünde azalan sırayla aynı anda görüntüledi. Web uygulaması, alınan ham görüntü tamponunu otomatik olarak bir JPG dosyasına dönüştürmek için bir Python betiği çalıştırdı ve ardından sunucuya kaydetti.
Cihazı sağlam ve kompakt hale getirmek için, Dragonite ilhamlı bir PCB tasarımı ve Nicla Vision ile 60GHz mmWave radar modülü için kayar ön kapaklı ve modüler bir kamera tutucuya sahip sıvı temalı bir kasa tasarladı. Kutluhan, web uygulamasını LattePanda 3 Delta üzerinde barındırdı ve sahada ek bir işleme gerek kalmadan web uygulamasını görüntülemek için Elecrow’dan yüksek kaliteli 8.8″ IPS monitör kullandı.
Sonuçlar
Boru hattı teşhis sınıflarında eğitilmiş sinir ağı modellerini boru hattı sistemi kusurlarını tespit etmek için uygulayarak birkaç fayda elde edebiliriz:
- Makinelerin operasyonlarını sürdürülebilir, karlı ve istikrarlı tutarak, potansiyel boru hattı kusurlarını büyük sorunlar veya ekipmana zarar vermeden önce tanımlamak. Bu, çalışma süresinin artmasına, verimliliğin artmasına ve maliyet tasarrufuna yol açabilir.
- Arızalı boru hattı sistemlerinin pahalı üretim sorunlarına yol açmasını önleyerek, kusurları erken tespit etmek ve zamanında müdahale etmek. Bu, pahalı geri çağırmaları, yeniden işleme ve garanti taleplerini önleyebilir ve olumlu bir marka itibarını korumaya yardımcı olabilir.
- Sınırlı bütçeye sahip küçük işletmelere, boru hattı kusurlarını tespit etmek için uygun fiyatlı ve erişilebilir bir çözüm sunarak verimli ve doğru bir boru hattı teşhis mekanizması kurmalarında yardımcı olmak. Bu, rekabeti eşitleyebilir ve küçük işletmelerin daha büyük işletmelerle rekabet etmesini sağlayabilir.
- Boru hattı kusurlarını erken tespit ederek ve önemli hasar vermeden önce müdahale ederek yüksek değerli makine bileşenlerinin onarım maliyetlerini azaltmak. Bu, ekipmanın ömrünü uzatabilir ve sık onarımlara veya değiştirmelere olan ihtiyacı azaltabilir.
- Titreşim özelliklerine dayanan yıkıcı olmayan test ve değerlendirme (NDT&E) mekanizması sağlamak, bu da boru hattı sistemlerinin durumunu herhangi bir zarar vermeden değerlendirmek için güvenli ve güvenilir bir yol sunar. Bu, güvenliğin en öncelikli olduğu kritik altyapı sistemleri için özellikle yararlı olabilir.
Daha Fazla Bilgi
Hackster’da Proje Detaylarını Daha Fazla Öğrenin: AI destekli Boru Hattı Teşhisi ve Muayenesi w/ mmWave
Herhangi bir soru için lütfen iot@seeed.cc adresiyle iletişime geçmekten çekinmeyin veya proje tartışmalarına katılmak isterseniz. Sorularınız ve ilginiz memnuniyetle karşılanır.
Son Notlar
Milimetre dalgaları (mmWave), elektromanyetik spektrumun en ileri düzey segmentini temsil eder ve 30 GHz ile 300 GHz arasındaki frekansları kapsar. Bu spektrum, 10 mm ile 1 mm arasındaki dalga boylarıyla karakterizedir. mmWave teknolojisini öne çıkaran özellik, veri iletimindeki yıldırım hızıdır; bu, kablosuz iletişimin bir sonraki nesli için hayati öneme sahiptir.
mmWave teknolojisinin gelişiminde öncü olan Seeed, geliştiricilerin en ileri düzey uygulamalar oluşturmasına yardımcı olmak için tasarlanmış çeşitli mmWave sensörleri sunmaktadır. mmWave’in yeteneklerini tiny Machine Learning (tinyML) alanıyla birleştirerek, Seeed, AI destekli akıllı sensörlerin yeni bir sınıfını mümkün kılmaktadır. Bu yenilikçi cihazlar, basit veri iletiminden öteye geçerek topladıkları verileri yorumlayabilir ve anlayabilir. Bu entegrasyon, mmWave sensörlerini hareket tanıma, nesne algılama ve doluluk algılama gibi çok sayıda işlevi yerine getirebilen akıllı araçlar haline getirir ve tüm bunları olağanüstü verimlilikle gerçekleştirir. Bu sensörleri kullanarak geliştiriciler, yalnızca tepki veren değil, aynı zamanda uyum sağlayan akıllı sistemler oluşturabilir ve akıllı ev otomasyonu, güvenlik sistemleri ve daha fazlasında bir dizi olasılığı açabilirler.
