Condition-based maintenance of air handling units

dc.contributorAalto-yliopistofi
dc.contributorAalto Universityen
dc.contributor.advisorYli-Rosti, Lauri
dc.contributor.authorKukkonen, Ville
dc.contributor.schoolSähkötekniikan korkeakoulufi
dc.contributor.supervisorIhasalo, Heikki
dc.date.accessioned2018-06-29T08:47:30Z
dc.date.available2018-06-29T08:47:30Z
dc.date.issued2018-06-18
dc.description.abstractFaults in air handling units are detrimental to both indoor conditions and a building's energy use. Many types of faults may go unnoticed for extended periods of time, accumulating adverse effects. This thesis examines methods of condition-based maintenance in the case of air handling units — specifically, methods for automated fault detection. After surveying available methods, two are implemented and evaluated qualitatively using data from real air handling units: fuzzy expert rules and recursive density estimation. Both show promising results for fault detection. Based on the insights of this study, this thesis provides suggestions for further data collection, which may ultimately lead to the adoption of more improved methods.en
dc.description.abstractIlmankäsittelykoneissa esiintyvillä vioilla on merkittävä vaikutus rakennuksen olosuhteisiin sekä rakennuksen energiankulutukseen. Monet viat saattavat kuitenkin jatkua vuosia ilman, että niitä huomataan. Tässä diplomityössä tarkastellaan kuntoon perustuvan kunnossapidon sekä erityisesti automaattisen vikojen havaitsemisen menetelmiä ilmankäsittelykoneisiin sovellettuna. Menetelmien laajemman tarkastelun lisäksi työssä on toteutettu kaksi erilaista menetelmää, joita arvioidaan laadullisesti oikeista ilmankäsittelykoneista kerätyn datan avulla: sumeat asiantuntijasäännöt sekä rekursiivinen tiheysestimointi. Molempien todetaan osoittautuvan lupaaviksi. Lisäksi työssä annetaan kirjallisuuskatsauksen sekä empiirisen työn pohjalta ehdotuksia datan keräämisen laajentamiseen kehittyneempien menetelmien käyttöönoton mahdollistamiseksi.fi
dc.format.extent99
dc.format.mimetypeapplication/pdfen
dc.identifier.urihttps://aaltodoc.aalto.fi/handle/123456789/32441
dc.identifier.urnURN:NBN:fi:aalto-201806293851
dc.language.isoenen
dc.locationP1fi
dc.programmeAEE - Master’s Programme in Automation and Electrical Engineering (TS2013)fi
dc.programme.majorControl, Robotics and Autonomous Systemsfi
dc.programme.mcodeELEC3025fi
dc.subject.keywordcondition-based maintenanceen
dc.subject.keywordair handling uniten
dc.subject.keywordfault detectionen
dc.subject.keywordfault diagnosticsen
dc.subject.keywordfuzzy inferenceen
dc.subject.keywordrecursive density estimationen
dc.titleCondition-based maintenance of air handling unitsen
dc.titleIlmankäsittelykoneiden kuntoon perustuva kunnossapitofi
dc.typeG2 Pro gradu, diplomityöfi
dc.type.ontasotMaster's thesisen
dc.type.ontasotDiplomityöfi
local.aalto.electroniconlyyes
local.aalto.openaccessyes
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
master_Kukkonen_Ville_2018.pdf
Size:
3.89 MB
Format:
Adobe Portable Document Format