Industrielle Signalverarbeitung, Mustererkennung

AutASS: Autonome Antriebstechnik durch Sensorfusion für die intelligente, simulationsbasierte Überwachung & Steuerung von Produktionsanlagen

01.02.2010 bis 31.05.2013

Weltweit ist ein Trend zu immer komplexeren Systemen zur Automation von Prozessen auszumachen. Aufgrund der vorherrschenden Themenvielfalt werden Lösungskonzepte für Software und Hardware häufig isoliert betrachtet, so dass es zu Komplexitätsproblemen kommt. Auch im Bereich intelligenter Antriebssysteme für Maschinen oder Anlagen wird oftmals mit Hilfe kognitiver Ansätze gearbeitet. Es ist jedoch festzustellen, dass sich ganzheitliche Konzepte und Realisierungen derartiger Systeme für die Prozessautomation und Fertigungstechnik noch in der Anfangsphase bzw. im FuE-Stadium befinden, obwohl bereits praktikable Teillosungen im Markt existieren. Erforderliche Werkzeuge wie beispielsweise algorithmische Verfahren, Sensorik, Entwicklungsmethoden, Prüfeinrichtungen und Herstellungstechnologien sind in unterschiedlicher Tiefe vorhanden. Es fehlen allerdings anwendungsspezifische Werkzeugsatze mit den nötigen Anpassungen bzw. Erweiterungen, um industriell verwertbare intelligente Antriebssysteme entwerfen und realisieren zu können.Ziel des Projektes ist die Integration sensorischer Funktionen in elektrische Antriebssysteme, die Schaffung intelligenter autonomer Selbstdiagnosefähigkeiten einzelner Komponenten des Antriebssystems und des Prozesses und damit die Realisierung mechatronischer Regelkreise. Dabei werden frühzeitig und verlässlich der „Gesundheitszustand“ (Verschleiß, Lebensdauerprognose) elektrischer Antriebe inklusive nachfolgender Prozesse durch Auswertung von Messsignalen mittels flexibler, modularer Zusammenführung von Sensorfunktionen ermittelt. Alle Sensoreinheiten sind drahtlos mit der „intelligenten Elektronik“ des Antriebs verbunden. Die dort vorhandenen Algorithmen sichern durch Signalanalysemöglichkeiten die autonome Arbeitsweise der „intelligenten Elektronik“. Die angebundene Diagnosezentrale dient der Durchführung von Untersuchungen (Trendanalysen, Schwellwertdefinitionen Schadensprognosen, etc.) sowie der Überwachungssteuerung und Ergebnispräsentation.

Das Projekt wird gefördert durch:
Bundesministerium für Wirtschaft und Energie (BMWi)
Projektträger: Das Deutsche Zentrum für Luft- und Raumfahrt e.V. (DLR)
Förderkennzeichen: 01MA09061
Förderlinien: AUTONOMIK für Industrie 4.0
Projektbeteiligte / Ansprechpartner: Prof. Dr.-Ing. Volker Lohweg, Alexander Dicks, M. Sc.
Projektmitarbeitende: Alexander Dicks, M. Sc., Dr.-Ing. Uwe Mönks, Martyna Bator, B. Sc., Prof. Dr. rer. nat. Oliver Niggemann
Martyna Bator, B. Sc.¹, Alexander Dicks, M. Sc., Dr.-Ing. Uwe Mönks, Prof. Dr.-Ing. Volker Lohweg²
Feature Extraction and Reduction Applied to Sensorless Drive Diagnosis
In: 22. Workshop Computational Intelligence, Dec 2012
¹ Erstautoren
² Letztautoren
Holger Hähnel¹, Arne-Jens Hempel, Dr.-Ing. Uwe Mönks, Prof. Dr.-Ing. Volker Lohweg²
Integration of Statistical Analyses for Parametrisation of the Fuzzy Pattern Classification
In: 22. Workshop Computational Intelligence, Dec 2012
¹ Erstautoren
² Letztautoren
Christian Bayer¹, Martyna Bator, B. Sc., Olaf Enge-Rosenblatt, Dr.-Ing. Uwe Mönks, Alexander Dicks, M. Sc., Prof. Dr.-Ing. Volker Lohweg²
Sensorless Drive Diagnosis Using Automated Feature Extraction, Significance Ranking and Reduction
In: 18th IEEE International Conference on Emerging Technologies and Factory Automation (ETFA), Sep 2013
¹ Erstautoren
² Letztautoren
Fabian Paschke¹, Daniel Bayer, Martyna Bator, B. Sc., Dr.-Ing. Uwe Mönks, Alexander Dicks, M. Sc., Olaf Enge-Rosenblatt, Prof. Dr.-Ing. Volker Lohweg²
Sensorlose Zustandsüberwachung an Synchronmotoren.
In: 23. Workshop Computational Intelligence, Dec 2013
¹ Erstautoren
² Letztautoren
Gefördert durch
Projektträger