Titelaufnahme
Titelaufnahme
- TitelFault detection and prognostics framework for technical systems subjected to time-varying operating conditions / von Osarenren Kennedy Aimiyekagbon ; Referent: Prof. Dr.-Ing. habil. Walter Sextro, Korreferent: Prof. Dr.-Ing. Gunter Kullmer
- Autor
- Gutachter
- Erschienen
- Umfang1 Online-Ressource (xiv, 142 Seiten) : Illustrationen, Diagramme
- HochschulschriftUniversität Paderborn, Dissertation, 2026
- AnmerkungTag der Verteidigung: 10.06.2026
- Verteidigung2026-06-10
- SpracheEnglisch
- DokumenttypDissertation
- Schlagwörter (GND)
- URN
- DOI
Links
- Social MediaShare
- Nachweis
- IIIF
Download
Klassifikation
Zusammenfassung
Zeitlich variierende Betriebsbedingungen können die Genauigkeit der Zustandsüberwachung beeinträchtigen, indem sie entweder zu Fehlklassifikationen von Betriebsbedingungsänderungen als Fehler führen, was Falschalarme zur Folge hat, oder dazu, dass tatsächliche Fehler nicht erkannt werden. Falschalarme führen typischerweise zu erheblichen wirtschaftlichen Verlusten, während unerkannte Fehler schwerwiegende Folgen für die Umwelt und die Menschen haben können. Um eine zuverlässige Fehlererkennung und eine genaue Vorhersage der Restlebensdauer technischer Systeme unter zeitlich variierenden Betriebsbedingungen zu ermöglichen, stellt diese Arbeit ein Framework mit fünf verschiedenen Ansätzen zur Nutzung von Informationen über solche zeitlich variierenden Betriebsbedingungen vor. Als Anwendungsbeispiele werden experimentelle Daten aus beschleunigten Lebensdauertests an piezoelektrischen Biegewandlern sowie Rillenkugellagern herangezogen, die jeweils zeitlich variierenden Betriebsbedingungen ausgesetzt sind. Piezoelektrische Biegewandler stellen elektromechanische Komponenten dar, die in vielen Anwendungen eingesetzt werden, während Rillenkugellager weitverbreitete mechanische Bauteile in komplexeren technischen Systemen sind. Die Ergebnisse zeigen, dass die Berücksichtigung der Betriebsbedingungen, entweder durch Merkmale, die unabhängig von den Betriebsbedingungen sind, oder durch die Einbindung der Betriebsbedingungen als zusätzliche Eingangsdaten in maschinelle Lernverfahren, die Vorhersagegüte von Fehlererkennungs- und Prognosemethoden verbessert. Obwohl nur an zwei Anwendungsbeispielen evaluiert, liefert diese Arbeit einen Beitrag zur Weiterentwicklung der prädiktiven Instandhaltung, insbesondere für technische Systeme, die unter zeitlich variierenden Betriebsbedingungen betrieben werden.
Abstract
Time-varying operating conditions can obscure condition monitoring signals, either causing changes in operating conditions to be misclassified as faults, which leads to false alarms, or causing actual faults to be unidentifiable due to the influence of operating conditions on the condition monitoring signals. False alarms typically result in economic losses, while undetected faults can have serious environmental and human consequences. To enable reliable fault detection and accurate prediction of the remaining useful life (RUL) for technical systems operating under time-varying operating conditions, this work provides a comprehensive framework comprising five distinct strategies to leverage information about such time-varying operating conditions.The proposed methodology is evaluated using experimental data from accelerated run-to-failure tests on piezoelectric bending actuators and ball bearings subjected to time-varying operating conditions. Piezoelectric bending actuators are electromechanical components utilized in numerous household, medical and industrial production applications, whereas ball bearings are widely used mechanical components within more complex technical systems. The evaluation results from both application examples demonstrate that incorporating the operating conditions, for instance either via condition-invariant features or by including the operating conditions as additional inputs to machine learning models, enhances the effectiveness of fault detection and prognostics methods. Although evaluated on only two application examples, this study contributes to advancing the field of predictive maintenance, particularly for technical systems operating under time-varying operating conditions.
Inhalt
Statistik
- Das PDF-Dokument wurde 8 mal heruntergeladen.
Lizenz-/Rechtehinweis
