Applicazione di metodi robusti per la stima di parametri nella dinamica dei rotori in presenza di informazione non completa e di modellazione non accurata

One of the most common problems in rotor dynamics is the identification of faults and model-based methods in frequency domain are often used for this purpose. Generally the experimental data on which this methods are applied are taken in two perpendicular directions; the aim of this work is to find out if it is possible to use data from only one direction for the fault identification. The most common approach is to use the least-squares regression for the estimation of the position and the severity of the fault. Anyhow LS are not very robust with respect to possible outliers in the experimental data and to inaccuracies in the model especially when only one direction is considered. The introduction of the weights in the LS algorithm can increase the robustness; however the arbitrary choice of the weights is normally based on operator’s experience. To overcome these problems, robust estimation techniques can be used in model based identification problems. In this work High Breakdown Point (HBP) and Bounded Influence (BI) estimators are applied to experimental vibration measured on a test-rig and on large rotating machines in order to solve the inverse dynamic. These techniques have been applied to modified data in order to simulate the absence of the informations in one direction.

Uno dei principali problemi nella dinamica dei rotori è l’identificazione di malfunzionamenti, normalmente risolta per mezzo di tecniche model-based nel dominio della frequenza. Generalmente i dati sperimentali sui quali tali tecniche sono applicate vengono presi in due direzioni perpendicolari; lo scopo di questa tesi è quello di studiare se sia possibile utilizzare i dati appartenenti ad una sola direzione per compiere l’identificazione. Il metodo più utilizzato per l’identificazione della posizione e dell’entità del difetto è quello della regressione ai minimi quadrati. Tuttavia i minimi quadrati sono sensibili alla presenza di outlier tra i dati sperimentali ed alle inaccuratezze del modello in particolare quando viene considerata una sola direzione. L’introduzione dei pesi può migliorare la robustezza dell’algoritmo dei minimi quadrati; tuttavia la scelta dei pesi è arbitraria e basata sull’esperienza dell’operatore. Nelle identificazioni possono essere utilizzati stimatori robusti per superare questi problemi. In questa tesi gli stimatori di tipo HBP e BI sono stati applicati a dati sperimentali ottenuti da un banco prova e da grandi macchinari rotanti al fine di risolvere la dinamica inversa. Questi metodi sono stati implementati su dati sperimentali modificati per simulare l’assenza di una direzione di misura.