Mikat, Heiko (2015)
Hybride Fehlerprognose zur Unterstützung prädiktiver Instandhaltungskonzepte in der Luftfahrt.
Technische Universität Darmstadt
Ph.D. Thesis, Primary publication
|
Druckversion der Dissertation -
Text
(Standard pdf)
Hybride Fehlerprognose_Heiko Mikat_2015_10_11.pdf - Accepted Version Copyright Information: CC BY-NC-ND 3.0 Unported - Creative Commons, Attribution, NonCommercial, NoDerivs. Download (3MB) | Preview |
Item Type: | Ph.D. Thesis | ||||
---|---|---|---|---|---|
Type of entry: | Primary publication | ||||
Title: | Hybride Fehlerprognose zur Unterstützung prädiktiver Instandhaltungskonzepte in der Luftfahrt | ||||
Language: | German | ||||
Referees: | Klingauf, Prof. Uwe ; Abele, Prof. Eberhard | ||||
Date: | 2015 | ||||
Place of Publication: | Darmstadt | ||||
Collation: | 210 Seiten | ||||
Date of oral examination: | 24 February 2015 | ||||
Abstract: | Die vorliegende Arbeit beschäftigt sich mit der Analyse der Möglichkeiten und Herausforderungen zur Steigerung der operationellen Leistungsfähigkeit von Luftfahrtsystemen durch zustandsbasierte Wartungskonzepte. Hierfür wird zunächst der Einfluss von Diagnose- und Prognosefunktionen auf die Verfügbarkeit und den Wartungsaufwand des operativen Systems dargestellt. Das Hauptziel der Arbeit ist nachfolgend die Analyse und Verifikation eines neuen Konzeptes zur Fehlerprognose. Die erste Zielsetzung ist hierbei die Nachweisführung, dass prädiktive Instandhaltungskonzepte die operationelle Leistungsfähigkeit von Luftfahrtsystemen steigern können. Hierfür wurde eine speziell für diesen Zweck ausgelegte Simulationsumgebung aufgesetzt und validiert. Ein hierarchischer Modellierungsansatz ermöglicht eine ganzheitliche Bewertung von Auslegungskriterien hinsichtlich Genauigkeit und Präzision von Diagnose- und Prognosefunktionen. Durch die Modellierung der ersten beiden statistischen Momente ausgewählter Modellanteile wird weiterführend eine Risikoanalyse für leistungsorientierte Vertragskonzepte ermöglicht. Motiviert durch die Ergebnisse dieser Analyse wird als Hauptziel der Arbeit ein hybrides Prognosekonzept mit daten- und modellbasierten Anteilen untersucht. Hierzu wird die „Genetische Programmierung“ (GP) als datenbasiertes Verfahren zur Systemidentifikation durch das „Unscented Kalman Filter“ (UKF) um einen modellbasierten Anteil erweitert (GP-UKF). Es wird gezeigt, dass der GP-UKF durch die Bereitstellung von geeigneten Trainingsdaten, ohne Vorwissen über den zu prognostizierenden Prozess eine robuste und zuverlässige Fehlerprognose ermöglicht. Die Motivation hierfür resultiert aus den komplexen und kostenintensiven Maßnahmen zur Neuentwicklung von Prognosefähigkeiten, die durch den hiermit verbundenen hohen Aufwand in der Entwicklungsphase und die begrenzte Qualität der Prognose in der Nutzungsphase bisher in fliegenden Systemen nur für einen sehr begrenzten Anwendungsbereich eine erfolgreiche Nutzung zugelassen haben. Für die Verifikation des GP-UKF werden Modelle zur Simulation von Degradierungsverläufen unter Berücksichtigung von messbaren und nicht messbaren Einflussgrößen aufgestellt und zusätzlich ein speziell instrumentierter Prüfstand genutzt. Die Simulationsmodelle ermöglichen die Analyse eines breiten Spektrums an Anwendungsfällen zur Bewertung der Prognosefähigkeiten des GP-UKF. Für den experimentellen Anteil der Verifikation wird das Degradierungsverhalten von Wälzlagern eines luftfahrttauglichen Lüfters analysiert und prognostiziert. Der Vergleich mit einem etablierten Verfahren aus dem Bereich der hybriden Fehlerprognose ermöglicht schließlich eine objektive Bewertung des untersuchten Prognoseansatzes. Abschließend werden die Ergebnisse der quantitativen Bewertung verwendet, um mittels der validierten Simulationsumgebung für Potentialanalysen von Prognosefunktionen eine Analyse des operationellen Nutzens des GP-UKF-Ansatzes vorzunehmen. |
||||
Alternative Abstract: |
|
||||
Uncontrolled Keywords: | Luftfahrt, Instandhaltung, Fehlerdiagnose, Fehlerprognose, Systemidentifikation, Genetische Programmierung, Zustandsschätzung, Kalman Filter | ||||
URN: | urn:nbn:de:tuda-tuprints-49626 | ||||
Classification DDC: | 500 Science and mathematics > 510 Mathematics 600 Technology, medicine, applied sciences > 620 Engineering and machine engineering |
||||
Divisions: | 16 Department of Mechanical Engineering 16 Department of Mechanical Engineering > Institute of Flight Systems and Automatic Control (FSR) |
||||
Date Deposited: | 26 Oct 2015 08:50 | ||||
Last Modified: | 09 Jul 2020 01:06 | ||||
URI: | https://tuprints.ulb.tu-darmstadt.de/id/eprint/4962 | ||||
PPN: | 386810877 | ||||
Export: |
View Item |