Particulate matter is a growing health concern that is considered to contribute to many diseases. To develop appropriate air filtration systems, we need to understand how particulate matter affects air filters. In this project, we implement an automated data acquisition system for an air filter test rig. The data acquisition system allows us to gather empirical data on how particle matter affects air filters over time. Although the quality of the air filters does not reach critical levels, there is a measurable degradation. The collected data is used to train and validate a machine learning model that can evaluate air filter quality. This machine learning proved to be a powerful tool in air filter evaluation and performs with 99% accuracy on test data. The result of this project is a fully functioning data acquisition system along with a user interface that considerably reduces the number of man-hours needed to perform tests of filters. In addition, the automated data acquisition system can notify the operator when the rig needs a change of filter or when certain faults occur. Unfortunately, the project did not reach its original goal of being able to automatically determine when the test rig needs maintenance or re-calibration. / Luftburna partiklar är en växande hälsorisk som anses bidra till ohälsa. För att utveckla lämpliga luftfiltreringssystem måste en bättre förståelse nås för hur luftburna partiklar degraderar luftfilter. I det här projektet så implementeras ett automatiskt datainsamlingssystem i en testrigg för luftfilter. Datainsamlingssystemet samlar in empiriska data för hur luftburna partiklar degraderar filter över tid. Även om luftfiltren inte når kritiska nivåer, visar testerna på en mätbar degradering. Insamlat data används för att träna och validera en maskininlärningsmodell för att utvärdera filterkvalitet. Maskininlärning visade sig vara en kraftfull metod för att utvärdera luftfilter med 99% noggrannhet för testdata. Resultatet av det här projektet är ett fullt fungerande datainsamlingssystem tillsammans med ett användargränssnitt som avsevärt minskar tidsåtgången för att utföra test och utvärdera filter. Dessutom kan det automatiska datainsamlingssystemet meddela operatören när riggen behöver byta filter eller när vissa fel uppstår. Återstående arbete består i att implementera när testriggen behöver service eller kalibrering.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-254817 |
| Date | January 2019 |
| Creators | Karlsson, Örn Arnar |
| Publisher | KTH, Kommunikationssystem, CoS |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | English |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-EECS-EX ; 2019:178 |
Page generated in 0.0026 seconds