A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

José Affonso Moreira Penna Orientação: Cairo L. Nascimento Jr. – ITA Co-orientação: Leonardo Ramos Rodrigues- Embraer Curso de Mestrado Profissionalizante.

Apresentações semelhantes


Apresentação em tema: "José Affonso Moreira Penna Orientação: Cairo L. Nascimento Jr. – ITA Co-orientação: Leonardo Ramos Rodrigues- Embraer Curso de Mestrado Profissionalizante."— Transcrição da apresentação:

1 José Affonso Moreira Penna Orientação: Cairo L. Nascimento Jr. – ITA Co-orientação: Leonardo Ramos Rodrigues- Embraer Curso de Mestrado Profissionalizante em Engenharia Aeronáutica 1

2 Introdução PHM (Prognostics and Health Management) Baterias de Lítio-íon Descrição do modelo Estudo de caso Conclusão 2

3 Introdução PHM (Prognostics and Health Management) Baterias de Lítio-íon Descrição do modelo Estudo de caso Conclusão 3

4 Estudo de baterias de lítio-íon Analise de dados experimentais Modelos Simulação de descargas da bateria ao longo de seu ciclo de vida Monitoramento Estudo e aplicação de técnicas de PHM Estimativa de RUL Motivação Busca de redução de custos de manutenção e de operação aos operadores; Busca do aumento da segurança de voo; Desenvolvimento de técnicas de prognóstico; Objetivo Desenvolver metodologia para estimação do tempo de vida útil restante (RUL) da bateria aeronáutica de lítio-íon. Metodologia 4

5 Introdução PHM (Prognostics and Health Management) Baterias de Lítio-íon Descrição do modelo Estudo de caso Conclusão 5

6 Introdução PHM (Prognostics and Health Management) Baterias de Lítio-íon Descrição do modelo Estudo de caso Conclusão 6

7 Origem: Disciplina em processo de amadurecimento; Estudo do mecanismo de falha Gestão do ciclo de vida; HUMS (Health & Usage Monitoring Systems): MH-47E Chinook (monitoramento de vibrações para predizer falhas nas engrenagens dos rotores de helicópteros) Fabricantes visualizam oportunidade de negócios e iniciam fabricação deste sistema (Smiths Aerospace) 7

8 Fundamentos: 1. Envelhecimento ocorre em função do uso, do tempo e das condições ambientais; 2. Envelhecimento (acúmulo do dano) é um processo monotônico que se manifesta na degradação física e química; 3. Sinais do envelhecimento (direto ou indireto) são detectáveis antes da falha ostensiva do componente (perda da função); 4. Correlação entre os sinais de envelhecimento e modelo de degradação possibilita a estimativa de RUL (Remaining Useful Life). 8

9 Cenário atual: MTBF (Mean Time Between Failures) Estatística de falha de determinada população; Não considera variação de parâmetros de operação; Pouco preciso; Propostas: Estimativa de RUL orientada a dados (Data-Driven Methods) Estimativa de RUL orientada a modelo (Model-Based Methods) 9

10 Estimativa de RUL orientada a dados (Data-Driven Methods) analise em tempo real os dados multidimensionais e ruidosos; grande numero de variáveis relacionadas a degradação; armazenagem e analise de dados onerosas; gerência de incertezas; 10

11 Estimativa de RUL orientada a modelo (Model-Based Methods) Desenvolvimento de modelo que relacionam o uso do componente com o acúmulo de danos; Utilização de dados da operação para pequenos ajustes dos parâmetros do modelo; Processos mais envolventes; Tipicamente resultam em uma estimação de RUL mais exata e precisa; Vantagens na validação, verificação e certificação pois a resposta do modelo pode ser relacionada com princípios físicos. 11

12 Baterias Aeronáuticas Crítico para o bom estado e funcionamento dos sistemas. Falha pode levar a redução de performance, deterioriação operacional, e falha catastrófica; Utilizado para a partida dos motores e em caso de pane elétrica das fontes principais de energia elétrica (geradores) e alternativas (RAT); 12

13 Baterias Aeronáuticas Dificuldade de predizer com exatidão o fim da vida da bateria a partir da estimação de SoH (State of Health) sob condições ambientais e de carga diferentes dos experimentos. Exemplo: sonda espacial Mars Global Surveyor da NASA. Tarefas de manutenção (inspeções e substituições) baseados em tempos fixos (hard times): Custo direto e indireto; Diminuição da despachabilidade; Dados incuficientes para predição de falha; Degradação na segurança de voo; 13

14 Introdução PHM (Prognostics and Health Management) Baterias de Lítio-íon Descrição do modelo Estudo de caso Conclusão 14

15 Introdução PHM (Prognostics and Health Management) Baterias de Lítio-íon Descrição do modelo Estudo de caso Conclusão 15

16 Princípio de funcionamento Descarga Recarga Comparativo com outras baterias Maior densidade de energia 16

17 Comparativo com outras baterias Baixa autodescarga Longa vida em estoque Alto custo do equipamento Comercializado desde

18 Modos de Falha Sobretensão Subtensão Baixa temperatura Alta temperatura Fadiga mecânica Ciclo de vida 18

19 Introdução PHM (Prognostics and Health Management) Baterias de Lítio-íon Descrição do modelo Estudo de caso Conclusão 19

20 Introdução PHM (Prognostics and Health Management) Baterias de Lítio-íon Descrição do modelo Estudo de caso Conclusão 20

21 Repositório de Dados Fonte: NASA Ames Prognostics Data Repository 34 baterias de lítio-íon (C nominal =2Ah) Repetidos ciclos de Recarga, Descarga e Medição de Impedância Descarga: Corrente Constante até V mínimo Arquivos.mat 21

22 Repositório de Dados Tratamento dos Dados Removido V=0; Removido pontos de circuito aberto; Extrapolação da curva de descarga. 22

23 Repositório de Dados Efeito da Degradação ao longo do Ciclo de Vida Redução do tempo de descarga; Redução da tensão elétrica. 23

24 Repositório de Dados Cálculo da Capacidade Cálculo do estado de carga (SoC) 24

25 Repositório de Dados Removidas as baterias: B0025, B0026, B0027, B0028, B0038, B0039, B0040, B0041, B0042, B0043, B0044, B0049, B0050, B0051, B0052 Falha no sistema de controle; Corrente elétrica em forma de onda quadrada na descarga; Variação de corrente elétrica e temperatura ao longo da vida da bateria. 19 Baterias restantes: B0045 B0047 B0046 B0048 B0053 B0055 B0054 B0056 B0005 B0007 B0006 B0018 B0036 B0033 B0034 B0029 B0031 B0030 B0032 T=4°CT=24°CT=43°C I=1A I=2A I=4A 25

26 Modelagem da curva de descarga (PAATERO, 1997) e (SPERANDIO, 2010); Calculo de Tensão Elétrica U (I,T,SoC): 26

27 Modelagem da curva de descarga Determinação dos parâmetros x 1...x 17 : Seleção das primeira curva de descarga (bateria nova) de cada bateria; Seleção de 5 baterias (uma para cada perfil de descarga); Rotina executa FMINSEARCH (MATLAB®) agrupando uma bateria por execução; Cálculo do erro: 27

28 Modelagem da curva de descarga Resultados: 1237 ponto utilizados; Obtido os parâmetros x 1...x 17 ; Erro médio = 0,0565; Variância do erro = 0,

29 Modelagem da curva de descarga Comparação Modelo x Repositório 29

30 Modelagem da capacidade Modelo Linear Capacidade = f (T, I, nc) Determinação dos parâmetros c 0 e c 1 Seleção de 5 baterias (uma para cada perfil de descarga); Seleção dos valores calculados de capacidade para cada nc; Escolha do modelo de c 0 e c 1 ; Rotina executa FMINSEARCH (MATLAB®) agrupando uma bateria por execução; Cálculo do erro: 30

31 Modelagem da capacidade Resultados: 532 ponto utilizados; Obtido os parâmetros y 1...y 10 Erro médio = 0,0324; Variância do erro = 0,

32 Modelagem da capacidade Comparação Modelo x Cálculo 32

33 Modelagem da capacidade Capacidade x Corrente Elétrica Capacidade x Temperatura 33

34 Modelagem do Estado de Saúde State of Health (SoH) Delta_Health (C=0) Número de Ciclo Relativo Remaining Useful Life (RUL) 34

35 Simulink Projeto: Carga: 35

36 Simulink Projeto: Carga: 36

37 Simulink Modelo da Bateria: Modelo de C 37

38 Simulink Cálculo de SoC: Modelo de Descarga: 38

39 Simulink Monitoramento da Saúde: Cálculo de SoH e de ncr 39

40 Simulink Cálculo de ncr e delta_Health Cálculo de SoH 40

41 Simulink Monitoramento da Saúde: 41

42 Estimativa de RUL Obtenção os pontos de SoH utilizando o monitoramento da saúde Regressão linear dos pontos de SoH disponíveis até o momento da estimação Obtenção do número do ciclo no qual a bateria atinge o valor mínimo de SoH (SoHmin) realizando a extrapolação da reta obtida pela regressão Cálculo das incertezas e incorporação destes valores à estimativa 42

43 Estimativa de RUL Regressão Linear Função REGRESS (MATLAB®) B coeficientes da regressão linear da reta BINT coeficientes das retas superiores e inferiores que abrangem os pontos com 100*(1-ALPHA)% de confiança 43

44 Estimativa de RUL Cálculo de nc falha Cálculo de RUL Cálculo da Incerteza Incerteza do perfil de operação das futuras descargas (BINT) Incerteza referente ao modelo de capacidade (erro/c 1 ) 44

45 Introdução PHM (Prognostics and Health Management) Baterias de Lítio-íon Descrição do modelo Estudo de caso Conclusão 45

46 Introdução PHM (Prognostics and Health Management) Baterias de Lítio-íon Descrição do modelo Estudo de caso Conclusão 46

47 Limite de SoH Descarga de emergência: I = 4A; time = 15 min.; T =43°C (pior cenário); Resultado: nc falha = 285 SoHmin = 0,60 47

48 Caso A Partida do motor: Corrente Elétrica: Temperatura: 48

49 Caso A Efeito da degradação: Resultado da simulação nc falha =495 49

50 Caso A Estimativa de RUL: Exatidão na estimativa de falha (nc falha =495) Precisão da estimativa (incerteza ± 66 ciclos) Estabilidade da estimativa possibilita planejamento da manutenção 50

51 Caso B Perfil de descarga: I=4A; T=24°C; Tempo=10 min; nc falha =1130. Operação não prevista: Elevação de temperatura ciclo ) 51

52 Caso B Resultado da simulação: Adiantamento no tempo de falha; nc' falha = 1059; 52

53 Caso B Estimativa de RUL: Exatidão e conservadorismo na estimativa de falha (nc falha 1035) Precisão da estimativa (incerteza ± 184 ciclos) Confiabilidade da estimativa possibilita planejamento da manutenção mesmo em casos com eventos não previstos 53

54 Introdução PHM (Prognostics and Health Management) Baterias de Lítio-íon Descrição do modelo Estudo de caso Conclusão 54

55 Introdução PHM (Prognostics and Health Management) Baterias de Lítio-íon Descrição do modelo Estudo de caso Conclusão 55

56 Bateria Verificado importância histórica e no cenário atual de estimar RUL; Encontrado modelo de descarga compatível com a descarga da bateria de lítio-íon; Identificado os modos de falha das baterias de lítio-íon; Estudado as características de degradação da bateria ao longo de seu ciclo de vida em função do perfil de operação (I, T); 56

57 Metodologia Os modelos de descarga e de capacidade foram capazes de simular as operações de descarga da bateria ao longo de seu ciclo de vida; O monitoramento da saúde da bateria foi capaz de monitorar os principais parâmetros necessários à estimação de vida útil restante; A estimativa de RUL foi capaz de fornecer ao operador informações com precisão e exatidão necessárias para a tomada de decisão para uma intervenção de manutenção na bateria. 57

58 Trabalho Colabora no estudo para incorporar a tecnologia de PHM em futuros projetos elétricos de aeronaves (baterias). Sugestões para trabalhos futuros: Estudo para incorporar SoC e temperatura interna no modelo de capacidade da bateria; Estimar RUL em termos de uma pdf (probability density function); Estudo dos custos e implicações na utilização dos sensores necessários ao monitoramento da saúde da bateria; Verificar as alterações necessárias para o modelamento de baterias de maior capacidade (mais de uma célula); 58


Carregar ppt "José Affonso Moreira Penna Orientação: Cairo L. Nascimento Jr. – ITA Co-orientação: Leonardo Ramos Rodrigues- Embraer Curso de Mestrado Profissionalizante."

Apresentações semelhantes


Anúncios Google