Microwave measurement techniques for industrial process monitoring and quality control
Doctoral thesis, 2018

Process monitoring and quality control by sensor measurements are essential for the automatisation and optimisation of many industrial manufacturing processes. This thesis is concerned with microwave sensing, which is a measurement modality with potential to improve the in-line sensing capabilities in several industries. Two process-industrial measurement problems are considered that involve the estimation and detection of permittivity variations for granular media in a fluidised or flowing state. For these problems, we present microwave measurement techniques based on resonant cavity sensors, accounting for the electromagnetic design and modelling of the sensor, signal processing algorithms, and experimental evaluation in relevant industrial settings. These measurement techniques make simultaneous use of multiple resonant modes with spatial diversity to improve the measurement capabilities. Furthermore, we exploit model-based signal processing algorithms where knowledge of the underlying physics is utilised for improved estimation and detection.

The first problem is to monitor the internal state of a pharmaceutical fluidised bed process used for film-coating and drying of particles. The metal vessel that confines the process is here treated as a cavity resonator and the complex resonant frequency of eight different cavity modes are measured using a network analyser. Based on the resonant frequencies, we estimate parameters in a low-order model for the spatial permittivity distribution inside the vessel, which can be related to process states such as the liquid and solid content of the particles in different regions.

The second measurement problem is an aspect of quality control, namely the detection of undesirable objects in flowing granular materials. We present measurement techniques based on resonant cavity sensors that are capable to detect the presence of small dielectric objects embedded in a flowing granular material. Detection algorithms that exploit the statistics of the noise caused by material density fluctuations and the characteristic signatures caused by an object passage event, are evaluated based on experiments which lead to quantitative assessments of the detection performance.

powder

matched filter

fluidised bed

parameter estimation

cavity resonator

signal detection

finite element method

microwave measurement

HC2, Hörsalsvägen 11
Opponent: Prof. Ari Sihvola, Department of Electronics and Nanoengineering, Aalto University, Finland

Author

Johan Nohlert

Chalmers, Electrical Engineering, Signal Processing and Biomedical Engineering

Global monitoring of fluidized-bed processes by means of microwave cavity resonances

Measurement: Journal of the International Measurement Confederation,; Vol. 55(2014)p. 520-535

Journal article

Microwave Resonator Sensor for Detection of Dielectric Objects in Metal Pipes

IEEE International Instrumentation and Measurement Technology Conference (I2MTC), 11-14 May 2015, Pisa,; (2015)p. 914-919

Paper in proceeding

Microwave Measurement System for Detection of Dielectric Objects in Powders

IEEE Transactions on Microwave Theory and Techniques,; Vol. 64(2016)p. 3851-3863

Journal article

Matched filter for microwave-based detection of dielectric objects in powders

I2MTC 2017 - 2017 IEEE International Instrumentation and Measurement Technology Conference, Proceedings,; (2017)

Paper in proceeding

J. Nohlert, T. Rylander, and T. McKelvey, "Cavity Resonator Sensor and Temporal Signals Analysis for Object Detection in Granular Flows"

Hur kan vi vara säkra på att den mat och medicin vi konsumerar håller rätt kvalitet och är fri från föroreningar? Detta är en viktig fråga för läkemedels- och livsmedelsproducenter där produktkvalitet är direkt förknippat med patientsäkerhet och konsumentförtroende. Inom modern läkemedels- och livsmedelstillverkning används därför avancerad mätutrustning för att övervaka och styra produktionskedjan i syfte att säkerställa att slutprodukten håller avsedd kvalitet, även om råmaterialens egenskaper ändras över tid eller innehåller oönskade komponenter.

I denna avhandling beskrivs nya mikrovågsbaserade mättekniker som syftar till att förbättra mätförmågan inom dessa industrier och i processindustrin i stort. Dessa mättekniker utnyttjar metallkaviteter för att åstadkomma elektromagnetiska resonanser i mikrovågsområdet. Ett mätobjekt som exponeras för det elektromagnetiska fältet hos en sådan resonans ger upphov till mätsignaler som är mycket känsliga för små förändringar i materialets elektriska egenskaper. Detta gör det möjligt att med hög känslighet skatta exempelvis materialets fuktinnehåll eller detektera förekomsten av kontaminerande föremål.

Mätteknikerna som presenteras i avhandlingen utmärker sig genom att flera mikrovågsresonanser används samtidigt och där mångfalden hos de resonanta fältens rumsvariation utnyttjas för att förbättra mätprestandan och för att närma oss nya typer av mätproblem. I avhandlingen presenteras också signalbehandlingsmetoder där vi utnyttjar kännedomen om den underliggande fysik som ger upphov till mätdatan för att ytterligare förbättra förmågan till parameterskattning och detektion. Mätteknikerna har utvärderats experimentellt under industriellt verklighetstrogna förhållanden för två specifika mätproblem, där det första handlar om att övervaka en fluidiserad-bädd-process avsedd för läkemedelstillverkning, och det andra om detektion av oönskade föremål i strömmande pulvermaterial.

Areas of Advance

Information and Communication Technology

Life Science Engineering (2010-2018)

Driving Forces

Sustainable development

Innovation and entrepreneurship

Subject Categories

Medical Laboratory and Measurements Technologies

Signal Processing

Other Electrical Engineering, Electronic Engineering, Information Engineering

Infrastructure

C3SE (Chalmers Centre for Computational Science and Engineering)

ISBN

978-91-7597-700-3

Doktorsavhandlingar vid Chalmers tekniska högskola. Ny serie: 4381

Publisher

Chalmers

HC2, Hörsalsvägen 11

Opponent: Prof. Ari Sihvola, Department of Electronics and Nanoengineering, Aalto University, Finland

More information

Latest update

2/23/2018