11. Kolloquium Mobilhydraulik - Machine Learning for failure mode detection in mobile machinery
Im Rahmen des 11. Mobilhydraulik Kolloquium in Karlsruhe 2020 ist eine Veröffentlichung zu dem Thema „Machine Learning for failure mode detection in mobile machinery“ erschienen.
Algorithmen des maschinellen Lernens (MLA) können bei der Analyse von Signalen komplexer Systeme eine große Hilfe sein. Durch die Erstellung von Modellen auf der Grundlage von Trainingsdaten lernen MLAs aus Beispielen und erkennen Muster zwischen Eingaben (Features) und Ausgaben (Labels), um später neue, unbekannte Daten zu klassifizieren. Vor der Arbeit mit MLAs sind spezifische Schritte wie Algorithmusauswahl, Signalvorverarbeitung und Merkmalsextraktion erforderlich. Nach dem Modelltraining und der Validierung kann eine weitere Optimierung die Leistung und Robustheit des Modells erhöhen.
In diesem Beitrag soll ein Überblick darüber gegeben werden, wie MLAs in hydraulischen Systemen eingesetzt werden können. Es soll als Leitfaden dienen und die Methoden der Merkmalsextraktion und des Modellaufbaus erläutern. Durch die Verwendung von MLA wird der Bedarf an Expertenwissen zur Erkennung von Versagensmodi aus Drucksignalen minimiert, was zu geringeren Kosten für Wartung und Ausfallzeiten führt. Als Beispiel wird ein Sauberlader mit drei Lagerwellen-Versagensmodi vorgestellt. Drucksignale des hydraulischen Systems sind die einzigen verfügbaren Signale, die zur Analyse des aktuellen Gesundheitszustands der Maschine verwendet werden können, und stehen daher im Mittelpunkt dieser Arbeit.