Monitoraggio di profili multiscala basato su empirical mode decomposition

Nell’ambito delle lavorazioni meccaniche, si osserva un crescente interesse per il monitoraggio della qualità del processo basato su segnali acquisiti da uno o più sensori durante la lavorazione stessa. I metodi più usati per il monitoraggio in-process includono l’analisi di indicatori sintetici nel dominio temporale, e l’analisi di Fourier in quello delle frequenze. In molti casi applicativi, tuttavia, è necessario monitorare segnali complessi, caratterizzati da contenuti multiscala, i.e., segnali che presentano diversi livelli tempo-frequenza, alcuni dei quali localizzati nel tempo. In questi casi le tecniche tradizionali non permettono una corretta caratterizzazione del contenuto informativo ed è necessario studiare metodi alternativi. L’analisi nel dominio tempo-frequenza permette di distinguere i diversi modi oscillatori di un segnale e di migliorare la capacità di individuare dei guasti nel sistema. Tra questi metodi, quello preponderante in letteratura è la Wavelet Analysis, i cui risultati tuttavia dipendono dalla scelta della Wavelet madre e dal numero di livelli di decomposizione selezionati. La Empirical Mode Decomposition (EMD) è un metodo alternativo che prescinde dalla definizione di una funzione di base. Questa tecnica adattiva e non-parametrica permette di decomporre il segnale in un numero finito e limitato di sotto-segnali detti Intrinsic Mode Functions in modo completamente data-driven. Nel presente lavoro, la EMD viene utilizzata con lo scopo di estrarre le diverse features di segnali ciclici, i.e. profili, con contenuto multiscala. Il metodo delle Combined Mode Functions (CMFs) ha l’obiettivo di ottenere una decomposizione sintetica attraverso un numero limitato di modi distinti, rappresentati dalle cosiddette CMFs. In particolare, nel presente studio, si propone un metodo innovativo e automatico per la separazione delle CMFs che si basa sull’analisi della distribuzione dei dati in ciascuna IMF. Viene inoltre studiata la possibilità di selezionare in modo automatico il numero di CMFs, e si propone un’analisi comparativa di diversi metodi per tale scopo. In questo modo si rende possibile l’utilizzo della EMD come strumento di pre-processing di segnali complessi in applicazioni di monitoraggio on-line di profili. Questa tecnica si coniuga con la Principal Component Analysis (PCA), che viene applicata allo scopo di ridurre il numero di variabili per ogni CMF. Il sistema di monitoraggio proposto ha l’obiettivo di segnalare deviazioni di forma in una o più scale del segnale che non possono essere spiegate dalla variabilità naturale del processo. Le prestazioni del metodo proposto sono analizzate sia attraverso segnali simulati, sia utilizzando dati reali acquisiti in un processo di taglio waterjet. I risultati dimostrano che il metodo proposto permette di ottenere una separazione automatica delle CMFs più efficace rispetto ai metodi tradizionalmente proposti in letteratura. Inoltre, si evidenziano i vantaggi e gli svantaggi di diverse tecniche per la scelta automatica del numero di livelli di decomposizione, e la criticità di una scelta corretta rispetto alle prestazioni di monitoraggio.