Objekt-Metadaten
Früherkennung sich anbahnender Störungen mit Hilfe neuronaler Netze

Autor :Sascha Grünbeck
Herkunft :OvGU Magdeburg, Fakultät für Verfahrens- und Systemtechnik
Datum :31.10.2010
 
Dokumente :
Dataobject from HALCoRe_document_00010689
 
Typ :Dissertation
Format :Text
Kurzfassung :Durch gezielte Erkennung sich anbahnender Fehlerzustände können das An-sprechen von Sicherheitseinrichtungen vermieden und angepasste Wartungs-strategien eingesetzt werden. Auf Grundlage einer technischen Systemanalyse können die Korrelationen der gemessenen Systemparameter aufgedeckt wer-den und unter Zuhilfenahme protokollierter historischer Messwertverläufe eine Mustererkennung mittels neuronaler Netze durchgeführt werden. Neuronale Netze stellen eine Variante statistischer Verfahren dar, die auch, oder gerade bei Fehlen eines Prozessmodells, den Prozess als nichtlineare Funktion über ihre Netzwerkarchitektur abbilden können. Entscheidender Vorteil neuronaler Netze ist die Fähigkeit, ähnliche jedoch nicht bekannte Eingangs-muster dem entsprechenden gelernten Muster zuzuordnen und somit auf den korrekten Ausgabevektor abzubilden. Hierbei findet der Wissenstransfer durch einen Lernprozess statt, bei dem einem Eingabevektor ein entsprechender Ausgabevektor zugeordnet wird. Problematisch stellt sich die Anwendung auf reale Systeme dar. Fehler sind seltene Ereignisse und werden, wenn sie aufgetreten sind im Idealfall so beho-ben, dass sie nicht wieder auftreten können. Es herrscht somit ein Informati-onsdefizit. An vier Referenzfällen wurde die Anwendung des entwickelten Verfahrens er-probt. Gezeigt werden die Ergebnisse der technischen Systemanalyse, der Vergleich unterschiedlicher Netzwerkarchitekturen, Probleme und Lösungsan-sätze zum Ausgleich des Informationsdefizits sowie eine alternative Behand-lungsmethode.
Schlagwörter :Fehlerfrüherkennung, Neuronale Netze, Technische Systemanalyse
Rechte :Dieser Text ist urheberrechtlich geschützt
Größe :VIII, 135 S.
 
Erstellt am :19.04.2011 - 08:48:58
Letzte Änderung :20.04.2011 - 06:17:50
MyCoRe ID :HALCoRe_document_00010689
Statische URL :http://edoc.bibliothek.uni-halle.de/servlets/DocumentServlet?id=10689