Publication:
KI-basiertes Monitoring und Diagnose von elektrischen Maschinen im industriellen Umfeld

dc.contributor.advisorKreischer, Christian
dc.contributor.authorBenninger, Moritz
dc.contributor.grantorHelmut-Schmidt-Universität / Universität der Bundeswehr Hamburg
dc.contributor.refereeLiebschner, Marcus
dc.date.issued2024-02-05
dc.description.abstractDiese Arbeit befasst sich mit dem Monitoring und der Diagnose von elektrischen Maschinen im industriellen Umfeld auf der Basis von künstlicher Intelligenz (KI). Das Ziel ist die Entwicklung einer praxisorientierten Methodik, welche flexibel und übertragbar eine Fehlererkennung für eine Vielzahl an elektrischen Maschinen ermöglicht. Der Fokus der Arbeit liegt folglich auf dem Entwurf eines Frameworks mit hoher Praxistauglichkeit, der eine analytische Modellierung mit neuronalen Netzen aus dem Bereich des Machine Learning kombiniert. Das Framework beinhaltet zudem eine Methodik, welche die Identifizierung passender Werte für die Modellparameter der überwachten elektrischen Maschine erlaubt. Nach einer initialen Parameteridentifkation erfolgt mit dem parametrisierten Modell die Erzeugung eines Datensatzes mit simulierten Statorströmen der überwachten Maschine in gesunden und fehlerhaften Zuständen. Der simulierte Datensatz wird von den neuronalen Netzen zum Erlernen von Fehlermerkmalen genutzt, sodass in der Folge auf der Grundlage von gemessenen Statorströmen eine Einschätzung zum aktuellen Zustand der realen Maschine erfolgen kann.
dc.description.versionNA
dc.identifier.doi10.24405/15300
dc.identifier.urihttps://openhsu.ub.hsu-hh.de/handle/10.24405/15300
dc.language.isode
dc.publisherHelmut-Schmidt-Universität / Universität der Bundeswehr Hamburg
dc.relation.orgunitElektrische Maschinen und Antriebssysteme
dc.rights.accessRightsopen access
dc.subjectMonitoring
dc.subjectFehlererkennung
dc.subjectElektrische Maschine
dc.subjectÜberwachung
dc.subjectAsynchronmotor
dc.subjectInduktionsmotor
dc.subjectKünstliche Intelligenz
dc.subjectMachine learning
dc.titleKI-basiertes Monitoring und Diagnose von elektrischen Maschinen im industriellen Umfeld
dc.typePhD thesis (dissertation)
dcterms.bibliographicCitation.originalpublisherplaceHamburg
dcterms.dateAccepted2024-02-05
dspace.entity.typePublication
hsu.thesis.grantorplaceHamburg
hsu.uniBibliography
Files
Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
openHSU_15300.pdf
Size:
19.31 MB
Format:
Adobe Portable Document Format
Description:
Collections