Messtechnik Bild 5: PANDA ist modular aufgebaut. Dadurch kann für wechselnde Applikationen das Verhalten von Druckkesseln, Wasserbecken oder Kondensatoren nachgestellt und systematisch untersucht werden. (Bild: Paul-Scherrer-Institut) eine Kostenreduktion im laufenden Betrieb schaffen. Das Herzstück des Verdampfers besteht aus einem senkrecht angeordneten Rohrbündel mit definiert beheizbaren Wänden. In eines der Rohre wurde eine 4 m lange, kapillargeführte Sensorfaser bis zum Sumpf des Verdampfers verlegt. Die Edelstahl-Kapillare ist mit 0,8 mm Außendurchmesser nur minimal strömungsinvasiv. Sie ist zudem chemisch inert und bis weit oberhalb von 100 bar druckbeständig. Da Temperaturen bis 700 °C verlässlich bestimmt werden können, ist die Messanordnung auch für andere Typen von Rohrreaktoren geeignet. Bild 4 zeigt den Temperaturverlauf vom oberen Austritt des Dampfes bis zum 4 m tiefer gelegenen Eintritt des Kondensats. Bei konstantem Betriebsdruck des Prozessfluids von 1 bar variierte der Druck des Heizdampfes zwischen 2 und 5 bar. Dabei wurde eine räumliche Verschiebung des Maximums im Temperaturprofil festgestellt. Die Ortsauflösung der Messung betrug 5 mm. Der Druck am Austritt von 1 bar stimmte sehr gut mit den gemessenen 100 °C (Siedepunkt von Wasser) überein. In Richtung Eintritt stieg der Druck auf ca. 1,4 bar an, was einer Absenkung der Temperatur um 3 bis 4 °C entspricht. Die verteilte Temperaturmessung bestätigte dies. Kühlsystem- Untersuchungen bei Atomreaktoren Die PANDA-Einrichtung (Bild 5) am schweizerischen Paul-Scherrer- Bild 6: Bei der zweiten Messung (rechts) ist eine deutliche Änderung der Strömung und Temperaturverteilung aufgrund des entfernten Düsenaufsatzes erkennbar (Bild: Paul-Scherrer-Institut) Institut untersucht Kühlsysteme für passive radioaktive Zerfallswärme und das Verhalten von Sicherheitsbehältern einfacher Siedewasserreaktoren bei Störfällen. PANDA ist modular aufgebaut. Dadurch kann für wechselnde Applikationen das Verhalten von Druckkesseln, Wasserbecken oder Kondensatoren nachgestellt und systematisch untersucht werden. Das Gesamtvolumen der Kessel beträgt ca. 460 m 3 , ihre Höhe erreicht 25 m. Die maximalen Arbeitsbedingungen liegen bei 10 bar und 200 °C. In die Kessel können Luft, Helium und Wasser eingespritzt werden sowie Dampf, der mit max. 1,5 Megawatt beheizt wird. Damit wird die Testumgebung auf die spezifizierten Umgebungsbedingungen gebracht. Zur ortsaufgelösten Temperaturmessung wurde wieder eine Sensorfaser von Polytec in einer Edelstahl-Kapillare waagrecht durch den unteren Teil eines Druckkessels über einem Kernsprühring verlegt. In verschiedenen Untersuchungen blies man dann Heißluft und Dampf zwischen 15 und 50 g/s ein. In Bild 6 ist exemplarisch die radiale Temperaturverteilung im Kessel mit zwei Temperaturmaxima aufgetragen. Nach der Entfernung des Kernsprührings sah die Temperaturverteilung im Kesselquerschnitt durch die veränderten Strömungen deutlich anders aus. Frühere Messungen wurden mit ca. 300 Thermoelementen durchgeführt und waren wegen der geringeren Messpunktdichte deutlich weniger aussagekräftig. Mittels der faseroptischen Messungen konnten bei deutlich geringerem Installationsaufwand sehr viel aussagekräftigere Ergebnisse in kürzerer Zeit geliefert werden. Faseroptische Sensorsysteme eröffnen damit für die Verfahrenstechnik – speziell im Bereich der Temperaturmessung – Möglichkeiten, die weit über die herkömmlicher Verfahren hinausgehen. Faseroptische Sensorik nutzt die Rayleigh-Strahlung Bei der Rayleigh-Sensorik wird Laserlicht in die Glasfaser eingekoppelt und das vom Fasermaterial rückgestreute Rayleigh-Licht mit hoher Auflösung über ein optisches Messverfahren räumlich abgetastet. Im Ergebnis erhält man ein charakteristisches Muster entlang der Faser, den sogenannten Fingerprint, der für jeden Abschnitt unterschiedlich, aber äußerst stabil und reproduzierbar ist. Ursache hierfür sind lokale Brechzahlschwankungen und Defekte, die sich statistisch über die Faser verteilen. Bei äußeren Dehnungs- oder Temperaturänderungen wird dieser Fingerprint in eindeutiger Weise auseinander- oder zusammengeschoben, sodass die Änderung des lokalen Rayleigh-Musters in Temperatur oder Dehnung umgerechnet werden kann. Da jeder Punkt der Faser für diesen Effekt empfindlich ist, stellt die gesamte Faser in voller Länge einen verteilt messenden Sensor dar. Die erreichbare räumliche Auflösung beträgt einen Millimeter. Bei einer Messlänge von 70 Metern entspricht dies einer Anzahl von 70.000 Sensoren. Bei Verwendung spezieller Fasern ergibt sich ein Temperaturmessbereich bis zu +700 °C. Der Dehnungsmessbereich liegt bei über 15.000 Microstrain bei einer Auflösung von ca. 1 Microstrain. • Polytec GmbH info@polytec.de www.polytec.com 8 Einkaufsführer Messtechnik & Sensorik 2016
Messtechnik Sensorfusion zur Verbesserung der Messqualität ◄ Bild 1: Zustandsmodell für Sensorfusion ▼ Bild 2: Überführung in Rechenmodell für Sensorfusion Raue Umweltbedingungen denen Sensoren ausgesetzt sind, führen dazu, dass die Information in den Messdaten durch Störsignale verschiedenster Art überlagert werden. Dabei können Störsignale kurzzeitig auftreten oder andauernd vorhanden sein. Kurzzeitige Störungen können beispielsweise bei einem Drehratensensor durch Erschütterungen auftreten. Andauernde Störungen wären das Rauschen des Sensors oder überlagerte Brummsignale. Durch die Anwendung der Sensorfusion kann mit Hilfe von einer Software das Nutzsignal vom Störsignal getrennt werden. Die Sensorfusion ermöglicht somit das Herausfiltern relevanter Information aus störungsbehafteten Messdaten. Die eingesetzten Algorithmen verwenden hierfür einen modellbasierten Ansatz. Dabei wird das zeitliche Verhalten des Nutzsignals und des Störsignals und deren Interaktion Autor: Dr.-Ing. Frederik Beutler Geschäftsführer Knowtion UG – Spezialist für Sensorfusion und automatische Datenanalyse bzw. Überlagerung über mathematische Modelle modelliert (Bild 1). Diese mathematischen Modelle beschreiben dabei einen stochastischen Prozess bzw. Zufallsprozess, da das zukünftige zeitliche Verhalten der Störungen oder das Nutzsignal nicht deterministisch vorhersagbar ist. Ausgehend von dem stochastischen Prozess wird dann ein Filter entworfen, welches die gemessenen Sensordaten verarbeitet und die Störungen minimiert. Dabei stellt die aktuelle Messung eine Realisierung des beobachteten Prozesses dar und man erhält als Ergebnis des Filters eine Wahrscheinlichkeitsdichte (Bild 2). Hierfür wird der Satz von Bayes angewendet, welches auch dazu geführt hat, dass Sensorfusion auch unter dem Begriff rekursive Bayes‘sches Schätzverfahren bekannt ist. Kalman Filter Aus dem Bereich der Sensorfusion existieren zahlreiche Verfahren, die für unterschiedlichsten Randbedingungen angewendet werden können. Das bekannteste Verfahren ist das Kalman Filter. Dies wird angewendet, wenn die Signale mittels linearen Systemen und normalverteilten Rauschen modelliert werden können. Dabei kann das Rauschen weiß (unkorreliert über die Zeit) oder auf farbig (zeitliche Abhängigkeit) sein. Eine Weiterentwicklung des Kalman Filters stellen die Robusten Kalman Filter dar. Robust bedeutet hier, dass das Filter Ausreißer erkennt und diese bei der Verarbeitung entfernt. Robuste Kalman Filter können Ausreißer über ein Gating verwerfen oder auch die Rausch- Charakteristik, d. h. die Messunsicherheit, mitbestimmen. IMM-basierte Ansätze Treten bei den Sensorsignalen unterschiedlich unterlagerte Verläufe auf, die zu unbekannten Zeiten wechseln können, so können IMMbasierte Ansätze verwendet werden. Für jeden möglichen Signalverlauf wird ein anderes Modell angenommen, diese Modelle könnten z. B. ein konstantes, ein sinusförmiges oder exponentiell abfallendes Signal modellieren. Bei den IMM-basierten Ansätzen erhält man darüber hinaus eine Wahrscheinlichkeitsverteilung über die Modelle und kann damit Aussagen über die momentane Aktivität eines Modells treffen. Lineare Regression Kalman Filter Kann das mathematische Model nicht über einen linearen Zusammenhang modelliert werden, und somit der Kalman Filter nicht mehr angewendet werden, können sogenannte Lineare Regression Kalman Filter verwendet werden. Diese Filterverfahren führen eine Linearisierung der Abbildungsfunktionen durch, wobei der Linearisierungsfehler mit berücksichtigt wird. Angewendet werden diese Filterverfahren z. B. bei der Bestimmung des Drehwinkels aus Beschleunigungsdaten oder die Positionsschätzung aus Abstandsmessungen. Fazit Sensorfusion ermöglicht eine Verbesserung der Qualität der Sensordaten. Sie erhöht die Abdeckung und Zuverlässigkeit durch Kombination mehrerer Sensoren und eine qualitative Bewertung der Sensordaten und Korrektur. Das aus der Sensorfusion gewonnene Resultat ist im Ergebnis besser, als die Interpretation der Messwerte einzelner Sensoren. Die Stärken der einzelnen Sensorprinzipien werden vereint und Schwächen werden neutralisiert. Die Sensorfusion stellt somit ein robustes (= zuverlässiges) Ergebnis zur Verfügung und darüber hinaus wird für jeden berechneten Wert eine Unsicherheit (bzw. Maß an Vertrauen) angegeben. Da durch die Sensorfusion genauere Sensordaten zur Verfügung gestellt werden, können dadurch Kosten gespart werden, da durch den Einsatz von schlechteren aber günstigeren Sensoren dasselbe Ergebnis wie beim Einsatz guter Sensoren erzielt werden kann. Fachvorträge auf der Sensor+Test 2016: • Halle 1, 10.05.2016, 11:00-11:30, Datenverarbeitung in Industrie- 4.0-Anwendungen • Halle 1, 12.05.2016, 10:00-10:30, Erhöhung der Sensorgenauigkeit durch Software • Knowtion UG www.knowtion.de Einkaufsführer Messtechnik & Sensorik 2016 9
