Zustandsüberwachung mechatronischer Antriebssysteme mittels maschineller Lernverfahren

Zusammenfassung

Industrielle Abläufe werden zunehmend komplexer, sodass Ausfälle einzelner Komponenten zum Stillstand oder zur Zerstörung der Anlage führen können. Eine Fehlerdiagnose ist somit von herausragendem Interesse. Diese Arbeit beschäftigt sich daher mit der Entwicklung einer lernbasierten Zustandsüberwachung für mechatronische Antriebssysteme basierend auf der Seriensensorik des antreibenden Servomotors. Für eine erfolgreiche Umsetzung sind gelabelte Daten aller Schäden erforderlich, die im industriellen Kontext allerdings oft stark limitiert sind. Damit trotz Einschränkungen eine zuverlässige Überwachung möglich ist, sollen die verfügbaren Daten möglichst effizient genutzt werden. Dafür untersucht diese Arbeit verschiedene Gestaltungsmöglichkeiten wie geeignete Testbewegungen, effiziente Lernalgorithmen sowie ein Wissenstransfer zwischen ähnlichen Anwendungen durch Domänenadaption. Die erarbeiteten Methoden werden an Zahnriemenantrieben mit einer experimentellen Datensatzbasis validiert.

Schlagworte

Publikation durchsuchen

Bibliographische Angaben

Copyrightjahr: 2025
ISBN-Online: 978-3-69030-115-2
Verlag: TEWISS, Garbsen
Reihe: Berichte aus dem imes
Band: IMES 02/2025
Sprache: Deutsch
Seiten: 158
Produkttyp: Monographie

Inhaltsverzeichnis

KapitelSeiten

1. Vorwort Kein Zugriff
2. Inhaltsverzeichnis Kein Zugriff
3. Nomenklatur Kein Zugriff
1. 1.1 Stand der Forschung Kein Zugriff
2. 1.2 Forschungslücken und Beiträge der Arbeit Kein Zugriff
3. 1.3 Gliederung der Arbeit Kein Zugriff
1. 2.1 Aufbau und Komponenten Kein Zugriff
2. 2.2 Antriebsregelung Kein Zugriff
3. 2.3 Bewegungsprofile Kein Zugriff
4. 2.4 Prüfstand Kein Zugriff
5. 2.5 Notation und Datensatzerstellung Kein Zugriff
1. 3.1 Grundlagen und relevante Vorarbeiten zur Anregungsoptimierung Kein Zugriff
2. 3.2 Anregungsoptimierung für lernbasierte Zustandsüberwachung Kein Zugriff
3. 3.3 Übersicht untersuchter Anregungssignale Kein Zugriff
4. 3.4 Experimentelle Ergebnisse für die Anregungsauswahl Kein Zugriff
5. 3.5 Fazit Kein Zugriff
1. 4.1 Theoretische Grundlagen überwachter Lernverfahren Kein Zugriff
2. 4.2 Überwachte Lernverfahren für Zeitreihendaten Kein Zugriff
3. 4.3 Experimenteller Vergleich der Lernverfahren Kein Zugriff
4. 4.4 Experimentelle Untersuchung zum Datenbedarf der Lernverfahren Kein Zugriff
5. 4.5 Fazit Kein Zugriff
1. 5.1 Domänenadaption für die Zustandsüberwachung Kein Zugriff
2. 5.2 Domänenadaption für Zustandsüberwachung mit mehreren Quelldomänen Kein Zugriff
3. 5.3 Vorgehen zum Benchmarking des entwickelten Verfahrens Kein Zugriff
4. 5.4 Experimentelle Ergebnisse für den Transfer zwischen Beladungszustände Kein Zugriff
5. 5.5 Übertragberkeit auf weitere Transferszenarien Kein Zugriff
6. 5.6 Fazit Kein Zugriff
1. 6.1 Zusammenfassung Kein Zugriff
2. 6.2 Ausblick Kein Zugriff
1. A.1 Übersicht verwendeter Prüfstandskonfigurationen Kein Zugriff
2. A.2 Ergänzende Ergebnisse überwachter Lernverfahren Kein Zugriff
3. A.3 Übersicht verwendeter Schichten in neuronalen Netzen Kein Zugriff
Lebenslauf Kein Zugriff Seiten 157 - 138
Literaturverzeichnis Kein Zugriff Seiten 139 - 158