Mit maschinellen Lernverfahren Anomalien frühzeitig erkennen und Schäden vermeiden

Was passiert, wenn starke Windböen auf ein Windrad treffen? © MEV-Verlag – Jonas Krüger / Fraunhofer SCAI

Dazu benötigt das System aber zuerst eine stabile Anlernphase, in der es alle möglichen Normalzustände kennenlernt. Bei Windkraftanlagen oder Brücken ist das nur sehr eingeschränkt möglich, da sie unter anderem stark schwankenden Wetterlagen ausgesetzt sind.

Darüber hinaus sind in der Regel nur wenige Daten zu anomalen Ereignissen verfügbar. Dadurch kann das System die Ausnahmezustände nicht kategorisieren.

Dies wäre aber wichtig, um zu erkennen, wie gefährlich die jeweiligen Normabweichungen sind. Genau diese beiden Probleme sollen im Projekt »Maschinelle Lernverfahren für Stochastisch-Deterministische Multi-Sensor Signale« (MADESI) gelöst werden.

Mit Hilfe numerischer Simulationen können alle erdenklichen Szenarien annäherungsweise durchgespielt werden. So kann beispielsweise simuliert werden, was passiert, wenn starke Sturmböen auf ein Windrad treffen. Das Monitoring-System könnte dann mit den bei diesen Simulationen erzeugten Daten angelernt werden und anschließend selbstständig Anomalien erkennen und interpretieren.

Dafür entwickeln die Forscher im Projekt MADESI Verfahren, die Simulationsdaten für maschinelle Lernverfahren nutzbar machen. Dabei soll zum einen die Komplexität der Simulationsdaten verringert werden, damit das Monitoring-System zusätzlich auch mit realen Sensordaten angelernt werden kann.

Zum anderen will das Konsortium auch die Interpretierbarkeit der Monitoring-Daten erhöhen. »Um das zu erreichen, arbeiten wir bei SCAI unter anderem an Data-Mining-Methoden, mit denen wir Muster in den Szenario-Daten erkennen«, erklärt Projektleiter Prof. Dr. Jochen Garcke, Abteilungsleiter »Numerische datenbasierte Vorhersage« bei Fraunhofer SCAI.

Dabei suche man auch nach Merkmalen für Schädigungsvorgänge oder für das Erkennen von Eis auf Windrädern.

Neben SCAI und der Technischen Universität Darmstadt sind auch die Unternehmen Weidmüller Monitoring Systems und ZF Friedrichshafen beteiligt. Letztere stellen echte Sensordaten zur Verfügung, um die neu entwickelten methodischen Ansätze zu testen.

Am 21. November 2018 wollen sich die Mitwirkenden auf Schloss Birlinghoven zum Auftakttreffen versammeln. Gefördert wird das dreijährige Projekt durch das Programm »IKT 2020 – Forschung für Innovationen« des Bundesministeriums für Bildung und Forschung (BMBF).

Ansprechpartner:
Prof. Dr. Jochen Garcke
Abteilungsleiter »Numerische datenbasierte Vorhersage«
Fraunhofer-Institut für Algorithmen und Wissenschaftliches Rechnen SCAI, Schloss Birlinghoven, 53754 Sankt Augustin
Telefon +49 2241 14-2286, Fax +49 2241 14-2460
E-Mail: jochen.garcke@scai.fraunhofer.de

https://www.scai.fraunhofer.de/ndv

Media Contact

Dipl.-Journalist (TU Dortmund) Michael Krapp Fraunhofer-Institut für Algorithmen und Wissenschaftliches Rechnen SCAI

Alle Nachrichten aus der Kategorie: Informationstechnologie

Neuerungen und Entwicklungen auf den Gebieten der Informations- und Datenverarbeitung sowie der dafür benötigten Hardware finden Sie hier zusammengefasst.

Unter anderem erhalten Sie Informationen aus den Teilbereichen: IT-Dienstleistungen, IT-Architektur, IT-Management und Telekommunikation.

Zurück zur Startseite

Kommentare (0)

Schreiben Sie einen Kommentar

Neueste Beiträge

Anti-Aging-Medikament Rapamycin

…verbessert Immunfunktion dank Endolysosomen. Schutz vor Zunahme entzündungsfördernder Faktoren im Alter. Rapamycin gilt als vielversprechendes Anti-Aging-Medikament, das die Gesundheit im Alter verbessert und den altersbedingten Rückgang der Immunfunktion mildert. Eine…

Textile Innovationen für die ambulante Gesundheitsversorgung

Therapiewissenschaftler*innen der Brandenburgischen Technischen Universität Cottbus-Senftenberg (BTU) untersuchen den Einsatz von Zukunftstechnologien für ein gelingendes Altern. In einem neuen Projekt mit Förderung durch das Bundesministerium für Bildung und Forschung (BMBF)…

Mit künstlicher Intelligenz die Kernspin-Bildgebung beschleunigen

Heidelberger Wissenschaftlerinnen und Wissenschaftler entwickelten mit nationalen und internationalen Kooperationspartnern einen Algorithmus für die Magnetresonanztomographie (MRT), der aus deutlich weniger Daten als bisher hochwertige Bilder erstellen kann. Das könnte die…

Partner & Förderer