Sviluppo di un algoritmo di monitoraggio e diagnostica per un braccio flessibile

The concept of structural diagnostics has increased along the last years. It is strictly related with safety at work and productivity, since it allows preventing many stops of the machine. The problems and the diagnostic techniques may vary according to the specific structure. In the case study, we consider as an example the concrete-displacing booms, framework in which the safeguard of the structural health of the machine is strictly connected with the one of workers. The most common reasons of structural damage are the presence of cracks and the overload condition. This study aims developing a monitoring and diagnostic algorithm, to promptly detect one of above mentioned problems. As a first stage a diagnostic method based on a numeric model has been developed. Further, after a suitable phase of data identification and storage, the algorithm is set free, whenever possible, from the basic model. The experimental validation was made on a small scale boom.

Negli ultimi anni, l'aspetto della diagnostica delle strutture, strettamente correlato alla sicurezza sul lavoro ed alla produttività, ha assunto sempre maggior rilevanza poiché consente di limitare il più possibile i fermi macchina. Le problematiche e le tecniche diagnostiche sono diverse a seconda della struttura in esame. In questo caso sono stati presi ad esempio i bracci per la distribuzione di calcestruzzo, ambito in cui la salvaguardia dell'integrità strutturale è strettamente connessa a quella della vita degli operatori. Le principali cause di danneggiamento di queste strutture sono la comparsa di cricche e il superamento del massimo carico sopportabile. Il presente lavoro di tesi si occupa dello sviluppo di un algoritmo di diagnostica e monitoraggio, volto ad individuare nel più breve tempo possibile l'insorgere di una delle suddette problematiche. Inizialmente è stato sviluppato un metodo di diagnostica appoggiato ad un modello numerico. Successivamente si è provveduto a rendere l'algoritmo il più possibile indipendente dal modello di base, previa un'opportuna fase di identificazione ed apprendimento. Infine, è stata effettuata la validazione sperimentale su un banco prova in scala ridotta.