Home

Störungserkennung

Störungserkennung bezeichnet in der Regel die Bestimmung, ob und welche Störungen oder Anomalien in einem technischen System vorliegen, sowie deren Lokalisierung und gegebenenfalls Ursachenklärung. Sie ist zentral in der Prozess- und Anlagensteuerung, der Industrieautomatisierung, der Energieversorgung, der Fahrzeugtechnik und der Robotik. Ziel ist es, die Funktionsfähigkeit zu sichern, Ausfälle zu verhindern und Wartungsmaßnahmen zu unterstützen.

Typische Ansätze lassen sich grob in modellbasierte und datengetriebene Verfahren unterscheiden. Modellbasierte Methoden verwenden mathematische Modelle

Anwendungsbeispiele finden sich in der Industrie, der Energie- und Verkehrstechnik, der Fertigung, der Robotik und der

Die Typik einer Störungserkennung umfasst Datenerfassung, Modellbildung oder Referenzbildung, Residuen- bzw. Fehlerberechnung, Schwellen- oder Regelungslogik, Alarmierung

des
Systems
und
beurteilen
Abweichungen
zwischen
Vorhersagen
und
Messungen
(Residuen).
Beispiele
sind
beobachterbasierte
Störungserkennung,
wie
Luenberger-
oder
Kalman-Filter-Ansätze,
sowie
Fault
Detection
and
Isolation
(FDI).
Datenbasierte
Ansätze
nutzen
Muster
in
historischen
Messdaten,
zum
Beispiel
statistische
Hypothesentests,
Regressionsmodelle,
Clustering
oder
maschinelles
Lernen
zur
Anomalieerkennung.
Auch
Change-Point-Detection
wird
eingesetzt,
um
plötzliche
Verlagerungen
zu
identifizieren.
Medizintechnik.
Typische
Aufgaben
umfassen
die
Überwachung
von
Temperaturen,
Drücken,
Vibrationen,
Scheiben-
oder
Lagerzuständen
sowie
die
frühzeitige
Erkennung
von
Verschleiß
oder
Fehlern
zur
Einleitung
von
Wartung
oder
Schutzmaßnahmen.
und
Diagnose
bzw.
Wartungsplanung.
Herausforderungen
sind
Rauschen,
Nichtlinearität,
zeitliche
Verzögerungen,
Mehrdeutigkeit
von
Ursachen,
Fehlalarme
sowie
Anforderungen
an
Echtzeitfähigkeit
und
Kosteneffizienz.
Standards
wie
ISO
13374
geben
Rahmenbedingungen
für
Zustandsüberwachung
und
Diagnose.
Zukünftige
Entwicklungen
setzen
verstärkt
auf
Edge-Computing,
fortgeschrittene
KI-Methoden
und
erklärbare
Modelle.