TY  - THES
AB  - Angesichts des steigenden Bedarfs zur Erhöhung der Zuverlässigkeit, Verfügbarkeit und Sicherheit technischer Systeme, wird eine große Anzahl von proaktiven Wartungsstrategien vorgeschlagen. Von größtem Interesse ist die Entwicklung von Strategien basierend auf Diagnose- und Prognosemethoden, bei denen die Wartung auf Basis des aktuellen und des vorhergesagten zukünftigen Zustands eines technischen Systems geplant wird. Darüber hinaus können Prognoseinformationen verwendet werden, um die Zuverlässigkeit von intelligenten mechatronischen Systemen zu steuern, um einen erfolgreichen Betrieb zu gewährleisten. Daher werden Methoden für eine zuverlässigeund präzise Schätzung des aktuellen und zukünftigen Zustands des Systems benötigt. Mit dem Fortschritt in der Sensortechnik sind die Mehrheit der heutigen technischen Systeme mit einem Netzwerk von Sensoren für Zustands- oder Leistungsüberwachung ausgestattet. Dies führt zu einer gesteigerten Anwendung von maschinellen Lernverfahren in der Zustandsüberwachung und-prognose. In Abhängigkeit von den verfügbaren Sensordaten, können verschiedene Ansätze von maschinellen Lernverfahren für die Verwendung der Daten, angewendet werden. Allerdings fehlt ein Leitfaden zur Auswahl eines geeigneten Ansatzes für ein gegebenes System oder es ist noch nicht umfangreich untersucht worden. Daher stellt diese Arbeit einen Leitfaden für die Auswahl geeigneter Ansätze und maschineller Lernverfahren für ein gegebenes System, abhängig von den verfügbaren Zustandsüberwachungsdaten, bereit. Es werden fünf ausgewählte Prognoseansätze in Abhängigkeit von den verfügbaren Zustandsüberwachungsdaten und der Anwendung von maschinellen Lernverfahren innerhalb dieser Ansätze dargestellt.
AU  - Kimotho, James Kuria
CY  - Paderborn
DA  - 2016
DP  - Universität Paderborn
LA  - eng
N1  - Tag der Verteidigung: 10.11.2016
N1  - Fakultät für Maschinenbau der Universität Paderborn, Univ., Dissertation, 2016
PB  - Veröffentlichungen der Universität
PY  - 2016
SP  - 1 Online-Ressource (xiv, 133 Seiten)
T2  - Fakultät für Maschinenbau
TI  - Development and performance evaluation of prognostic approaches for technical systems
UR  - https://nbn-resolving.org/urn:nbn:de:hbz:466:2-27129
Y2  - 2025-09-04T06:24:17
ER  -