Entwicklung neuer Diagnoseverfahren auf der Basis multivariater Methoden und deren Anwendung in einem Softwareinformationssystem zur Anlagenüberwachung
Die vorliegende Arbeit beinhaltet Aufgabenstellungen aus dem Gebiet der
multivariaten Fehlerdetektion an mechatronischen Systemen. Die entwickelten Verfahren
erlauben, über das Anlernen des fehlerfreien Zustandes und Generieren eines Modells im statistischen Sinne die Fehlerdetektion an einem komplexen Prozess durchzuführen.
Der Nachweis der Anwendbarkeit der vorgeschlagenen Methoden erfolgt an einem komplexen mechatronischen System. Als Benchmark dient ein Massentransportprozess aus dem Kupferbergbau. Zur Vorbereitung der Integration der entwickelten Verfahren in ein neues Softwaremodul des Asset-Management-Systems zedas® asset wird das Design der neuen Softwarearchitektur vorgestellt.
Mit der Anwendung der beiden Schritte off-line-Training und on-line-Überwachung an dem mechatronischen System Gurtförderanlage, mit vier im praktischen Betrieb der Anlage aufgetretenen Fehlerzuständen, erfolgt die Bestätigung der Funktionalität der entwickelten Algorithmen.
The following work contains tasks in the field of multivariate fault detection in mechatronic systems. By learning of the fault-free state and generating a model in a statistical sense, the developed methods allow the performance of fault detection in a complex process. The proof of the applicability of the proposed methods is demonstrated by a complex mechatronic system. The mass transport process from copper mining serves as a benchmark. In preparation for the integration of the developed methods into a new software module of the Asset-Management-Systems zedas®asset the design of the new software architecture is introduced. By applying both off-line training and on-line monitoring of the mechatronic system belt conveyor, with four of the plants practical operation error states occurring, the functionality of the developed algorithms is confirmed.
Vorschau
Zitieren
Zitierform:
Zitierform konnte nicht geladen werden.