Evaluation of Surface Temperatures in Refrigeration System Failures by Infrared Image Processing Method

Year 2023, Volume: 11 Issue: 1, 139 - 156, 31.01.2023

Ferzan Katırcıoğlu , Zafer Cingiz

https://doi.org/10.29130/dubited.1069263

Abstract

With the increase in industrialization, the increase in the number of people and buildings has also increased the need for refrigeration systems. Maintenance of refrigeration systems, malfunctions and their late detection cause time cost problems. The decrease in the performance of the refrigeration system or the occurrence of malfunctions cause economic costs as well as energy consumption. Therefore, in this study, it is recommended to examine the surface temperature changes using infrared imaging to detect the malfunctions that may occur in the refrigeration system. After removing the background image of the system first, the images are divided into 25 sub-regions. 9 sub-regions, which contain the elements that have important duties in the refrigeration system, have been selected in order to facilitate the fault investigation and increase the processing speed of the study. For each selected region, 4 features are obtained: maximum surface temperature, minimum surface temperature, average and densest surface temperature. The surface temperature data obtained from the refrigeration system were analyzed with box and line graphs, and the faults were evaluated together with their types. In this study, by revealing the surface variation characteristics of the fault types, the evaluation of all the fault types discussed was carried out with excellent results. It has shown that the realized system is more advantageous than traditional pressure, temperature and electrical measurements and fault detection methods due to its features such as ease of use, remote measurement and simultaneous recording. 

Keywords

Infrared image processing, Refrigeration system, Feature extraction, Image analysis

Soğutma Sistem Arızalarında Yüzey Sıcaklıklarının Kızılötesi Görüntü İşleme Yöntemi ile Değerlendirilmesi

Abstract

Sanayileşmenin artması ile birlikte insan ve bina sayısındaki artış soğutma sistemlerine olan ihtiyacı da arttırmıştır. Soğutma sistemlerinin bakımı, ortaya çıkan arızalar ve bunların geç tespit edilmesi zaman maliyet sorunlarına yol açmaktadır. Soğutma sisteminin performansının düşmesi ya da arıza durumlarının oluşması enerji sarfiyatının yanında ekonomik maliyete de neden olmaktadır. Bu nedenle bu çalışmada, soğutma sisteminde oluşabilecek arızaları tespit etmek için, kızılötesi görüntüleme kullanılarak yüzeysel sıcaklık değişimlerinin incelenmesi önerilmektedir. İlk olarak sistemin arka plan görüntüsü çıkarıldıktan sonra, görüntüler 25 alt bölgeye ayrılmaktadır. Soğutma sisteminde önemli görevleri olan elemanları içeren 9 alt bölge, arıza incelemesini kolaylaştırmak ve çalışmanın işlem hızını artırmak amacı ile seçilmiştir. Seçilen her bölge için maksimum yüzey sıcaklık, minimum yüzey sıcaklığı, ortalama ve en yoğun yüzey sıcaklığı olmak üzere 4 öznitelik elde edilmektedir. Soğutma sisteminden alınan yüzey sıcaklık verileri kutu ve çizgi grafikleri ile analiz edilmiş, arızalar türleri ile birlikte değerlendirilmiştir. Bu çalışmada, arıza çeşitlerinin yüzey deki değişim özellikleri ortaya çıkartılarak, ele alınan tüm arıza türlerinin değerlendirilmesi mükemmel sonuçlarla gerçekleştirilmiştir. Geleneksel basınç, sıcaklık ve elektriksel ölçmeler ile arıza belirleme yöntemlerine göre, gerçekleştirilen sistemin kullanım kolaylığı, uzaktan ölçüm ve eş zamanlı kayıt alma gibi özelliklerinden dolayı daha avantajlı olduğunu göstermiştir. 

Keywords

Kızılötesi görüntü işleme, Soğutma sistemi, Öznitelik çıkartma, Görüntü analizi, Infrared image processing, Refrigeration system, Feature extraction, Image analysis

References

• [1] N. Koçyiğit, H. Bulgurcu and C. X. Lin, "Fault diagnosis of a vapor compression refrigeration system with hermetic reciprocating compressor based on ph diagram," International journal of refrigeration, vol. 45, pp. 45-54, 2014.
• [2] T. M. Rossi and J. E. Braun, "A statistical, rule-based fault detection and diagnostic method for vapor compression air conditioners," Hvac&R Research, vol. 3, no. 1, pp. 19-37, 1997.
• [3] J. E. Braun, "Automated fault detection and diagnostics for vapor compression cooling equipment," J. Sol. Energy Eng., vol. 125, no. 3, pp. 266-274, 2003.
• [4] H. Han, B. Gu, T. Wang and Z. R. Li," Important sensors for chiller fault detection and diagnosis (FDD) from the perspective of feature selection and machine learning," International journal of refrigeration, vol. 34, no. 2, pp. 586-599, 2011.
• [5] A. Janecke, T. J. Terrill, and B. P. Rasmussen," A comparison of static and dynamic fault detection techniques for transcritical refrigeration," International Journal of Refrigeration, vol. 80, pp. 212-224, 2017.
• [6] J. Choi and Y. Kim,"Influence of the expansion device on the performance of a heat pump using R407C under a range of charging conditions," International Journal of Refrigeration, vol. 27, no. 4, pp. 378-384, 2004.
• [7] J. A. Siegel,"An evaluation of superheat-based refrigerant charge diagnostics for residential cooling systems," In 2002 Annual Meeting, pp. 108, 2002.
• [8] N. S. Castro, "Performance evaluation of a reciprocating chiller using experimental data and model predictions for fault detection and diagnosis/Discussion," ASHRAE Transactions, no. 108, pp. 889, 2002.
• [9] Z. Wang, L. Wang, K. Liang and Y. Tan, "Enhanced chiller fault detection using Bayesian network and principal component analysis," Applied Thermal Engineering, vol. 141, pp. 898-905, 2018.
• [10] G. Bogdanovská, V. Molnar, and G. Fedorko,"Failure analysis of condensing units for refrigerators with refrigerant R134a, R404A,"International Journal of Refrigeration, vol. 100, pp. 208-219, 2019.
• [11] F. Katırcıoğlu, Z. Cingiz, Y. Çay, A. E. Gürel, and A. Kolip,"Performance Assessment of a Refrigeration System Charged with Different Refrigerants Using Infrared Image Processing Techniques," Arabian Journal for Science and Engineering, pp. 1-20, 2021.
• [12] F. Katırcıoğlu, Z. Cingiz, Y. Çay, A. E. Gürel ve A. Kolip, "R22 ve Alternatifleri R438A ile R417A Soğutucu Akışkanları için Kızılötesi Görüntü İşleme Teknikleri Kullanarak, Soğutma Sistem Performansının İncelenmesi," Academic Platform Journal of Engineering and Science, c. 8, s. 3, ss. 500-513, 2020.
• [13] F. Katırcıoğlu, Z. Cingiz, Y. Çay, A. E. Gürel ve A. Kolip, "Soğutma Sistemlerindeki Soğutucu Akışkan Kaçak Tespiti İçin Kızılötesi Görüntüler Üzerinde Pearson Korelasyon Benzerlik Analiz Yönteminin Kullanılması,"Avrupa Bilim ve Teknoloji Dergisi, s.Özel Sayı, ss.28-36, 2020.
• [14] L. I. Yongbo, D. U. Xiaoqiang, W. A. N. Fangyi, W. A. N. G. Xianzhi and Y. U. Huangchao, "Rotating machinery fault diagnosis based on convolutional neural network and infrared thermal imaging,” Chinese Journal of Aeronautics, vol. 33, no. 2, pp. 427-738, 2020.
• [15] A. Taheri-Garavand, H. Ahmadi, M. Omid, S. S. Mohtasebi, K. Mollazade, A. J. R. Smith, and G. M. Carlomagno, "An intelligent approach for cooling radiator fault diagnosis based on infrared thermal image processing technique", Applied Thermal Engineering, vol. 87, pp. 434-443, 2015.
• [16] A. Nasiri, A. Taheri-Garavand, M. Omid and G. M. Carlomagno, "Intelligent fault diagnosis of cooling radiator based on deep learning analysis of infrared thermal images," Applied Thermal Engineering, vol. 163, p. 114410, 2019.
• [17] A. Mehta, D. Goyal, A. Choudhary, B. S. Pabla and S. Belghith, "Machine Learning-Based Fault Diagnosis of Self-Aligning Bearings for Rotating Machinery Using Infrared Thermography," Mathematical Problems in Engineering, https://doi.org/10.1155/2021/9947300, 2021.
• [18] A. Choudhary, D. Goyal and S. S. Letha, "Infrared thermography-based fault diagnosis of induction motor bearings using machine learning," IEEE Sensors Journal, vol. 21, no. 2, pp. 1727-1734, 2020.
• [19] Z. Cingiz, F. Katırcıoğlu, S. Sarıdemir, G. Yıldız and Y. Çay, " Experimental investigation of the effects of different refrigerants used in the refrigeration system on compressor vibrations and noise," International Advanced Researches and Engineering Journal, vol. 5, no. 2, pp. 152-162, 2021.
• [20] S. A. Shamandi and S. Rasouli, "Fault Detection in Compression Refrigeration System with a Fixed Orifice and Rotary Compressor," AUT Journal of Mechanical Engineering, vol. 4, no. 2, pp. 277-286, 2020.
• [21] H. Bulgurcu ve S. Yaşar, "Soğutma sistem arızalarının p-H diyagramı yardımıyla teşhis edilmesi," X. Ulusal Tesisat Mühendisliği Kongresi, Soğutma Teknolojileri Sempozyumu, İzmir, Türkiye, 2011, ss. 1265-1281.
• [22] T. Haigh, "Cleve Moler: Mathematical software pioneer and creator ‎of Matlab,” IEEE Annals of the History of Computing, vol. 30, no. 1, pp. 87-91, ‎‎2008.
• [23] M.H. Beale, M.T. Hagan, H.B. Demuth, Neural network toolbox user’s guide. The MathWorks, Inc., vol. 103, Colorado, USA: Creating graphical user inter-faces, J. Stovall, The ‎MathWorks, 2002, pp. 1-512.