20.500.12556/RUL-191240 Izdelava digitalnega dvojčka hidravličnega sistema in uporabe strojnega učenja za diagnostiko poškodbe tesnil hidravličnega valja Development of a hydraulic system digital twin and application of machine learning for hydraulic cylinder seal damage V diplomskem delu obravnavamo razvoj digitalnega dvojčka hidravličnega sistema in uporabo strojnega učenja za diagnostiko poškodovanosti tesnil hidravličnega valja. Izhajamo iz potrebe po učinkovitejšem spremljanju stanja hidravličnih komponent ter po razvoju metod, ki omogočajo podporo diagnostiki in napovednemu vzdrževanju. Posebno pozornost namenjamo tesnilom hidravličnega valja, saj njihova obraba vpliva na delovanje sistema in lahko povzroča notranje puščanje ter spremembe merjenih veličin. V okviru dela smo uporabili hidravlično preizkuševališče, na katerem smo izvajali meritve pri različnih delovnih pogojih in stopnjah poškodovanosti tesnil. Spremljali smo tlak na strani bata in batnice, temperaturo hidravlične kapljevine, pomik batnice ter pretok. Na podlagi realnega sistema smo v programu Automation Studio izdelali simulacijski model. Izmerjene podatke smo obdelali v okolju Jupyter Notebook in jih uporabili za razvoj regresijskega modela strojnega učenja za relativno ocenjevanje stanja tesnila. Z združevanjem realnih meritev, simulacijskega modeliranja in podatkovne analize smo vzpostavili osnovo za razvoj digitalnega dvojčka hidravličnega sistema ter nadaljnji razvoj metod za spremljanje stanja, diagnostiko in napovedno vzdrževanje hidravličnih komponent. In this thesis, we address the development of a digital twin of a hydraulic system and the application of machine learning for diagnosing hydraulic cylinder seal damage. We focus on the need for more effective condition monitoring of hydraulic components and on the development of methods that can support diagnostics and predictive maintenance. Particular attention is given to hydraulic cylinder seals, as their wear affects system operation and may cause internal leakage and changes in measured quantities. As part of the work, we used a hydraulic test rig on which measurements were performed under different operating conditions and levels of seal damage. We monitored piston-side and rod-side pressure, hydraulic fluid temperature, piston rod displacement, and flow rate. Based on the real system, we developed a simulation model in Automation Studio. The measured data were processed in Jupyter Notebook and used to develop a regression-based machine learning model for relative assessment of seal condition. By combining real measurements, simulation modelling, and data analysis, we established a basis for developing a hydraulic-system digital twin and for further development of methods for condition monitoring, diagnostics, and predictive maintenance of hydraulic components. Tesnila digitalni dvojček preizkuševališče simulacije strojno učenje Seals digital twin test rig simulations machine learning true false false Slovenski jezik Angleški jezik Diplomsko delo/naloga 2026-11-12 15:42:07 2026-11-12 15:42:12 2026-11-13 04:02:00 0000-00-00 00:00:00 2026 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 1970-01-01 296879 51292.pdf 51292.pdf 1 F2B243D6043839846CD34D41C2DC3985 b4553a9b5db9b57fd4b8b6553beb6c485e4907304965c66c8962c249bd204f2f 221257fb-dea7-11f1-aea2-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=253254 Fakulteta za strojništvo 0 0 0