PUB - Feature Generation and Evaluation for Data-Based Condition Monitoring of a Hydraulic Press

Inhalt

Autoren: Makansi, Faried; Schmitz, Katharina

Ansätze des Machine Learning bieten leistungsstarke Mittel zur Erfassung komplexer Muster aus Daten. Daher erscheinen diese Ansätze besonders geeignet für die Entwicklung von Lösungen zur Zustandsüberwachung. Entsprechende Algorithmen sind jedoch häufig nicht für die Verarbeitung von Maschinenrohdaten geeignet, sondern erfordern eine Komprimierung und Transformation der Daten in wenige charakteristische Merkmale. Während mehrere Code-Toolboxen darauf abzielen, die Merkmalsgenerierung durch generische Merkmalsextraktion zu erleichtern, stellt dieser Beitrag ein erweitertes Verfahren zur Verfeinerung und Auswahl automatisch generierter Merkmale vor. Für den Anwendungsfall einer hydraulischen Presse zeigt sich, dass die erweiterte Merkmalsgenerierung und -auswahl die Genauigkeit der Fehlerklassifikation erhöht und gleichzeitig einen Einblick in die Auswirkungen von Fehlern auf messbare Größen des Systems gibt.