Autarkes, automatisch lernendes System zur Überwachung und Vorwarnung bei Degeneration von Filterstufen
- Industrielle Anwendung für
- Maschinenüberwachung (condition based monitoring, CBM)
- Prädiktive Instandhaltung (predictive maintenance, PdM)
- ARD-Methoden (automatische Relevanzdetermination): mehrere konkurrierende Ansätze
- Relevanz-Stützvektormethode (RSVM)
- Gradient-Boosting-Methode (LightGBM)
- Lernende Vektorquantisierung (LVQ)
- Generalisierte Relevanz-LVQ (GRLVQ)
- Generalisierte Matrix-Relevanz-LVQ (GMLVQ)
- Lokalisierte GMLVQ-Erweiterung (LGMLVQ)
- Brute-Force-Ansatz: OLVQ1 kombiniert mit Evolutionären Strategien
- Umfassende Testanwendung
- KI-Framework für Prozessketten-Optimierung und Verteiltes Rechnen
- Eigenständige Implementierung
- Externes Cloud Computing versus lokales Grid Computing
23 TFLOPs, double precision, tensorflow units
- Integrierte Vorverarbeitung
- Integrierte Merkmalsextraktion
- Hilbert-Transformation; Estimation der Momentanfrequenz
- Cepstrum-Analyse
- Entropie-Estimation; approximative Entropie
- Diskrete Wavelet-Transformation
- Unabhängige Komponentenanalyse (Independent component Analysis, ICA)
- Empirische Modenzerlegung (Empirical Mode Decomposition, EMD)
- Training
- Validierung
- Kreuz-Validierung: wiederholte, zufällige Stichproben
- Leave-One-Subject-Out-Kreuzvalidierung
- Förderung durch Bundesministerium für Wirtschaft und Energie (BMWi)
- Partner: 1 Mittleres Unternehmen
