Modell- und lernbasierte Ansätze zur Fehlerdiagnose in adaptiven Tragwerken

Von:

Jonas Stiefelmaier

Beschreibung

Format auswählen

Kartonierter EinbandCHF 65.60

Kartonierter Einband

CHF65.60

TIEFPREIS

CHF65.60

Auslieferung erfolgt in der Regel innert 1 bis 2 Wochen.

Kostenlose Lieferung

Kein Rückgaberecht

Mit Stu bezahlen und automatisch Cashback erhalten.

Beschreibung

Adaptive Hochhaustragwerke ermöglichen erhebliche Masseneinsparungen und Nutzungsdauerverlängerungen, indem mithilfe integrierter Aktoren Lasten kompensiert und Schwingungen gedämpft werden. Fehlfunktionen in Sensorik und Aktorik beeinträchtigen dabei die Leistungsfähigkeit der Regelung und die Integrität der Lastüberwachung. Die Detektion und Isolation solcher Fehler ist daher eine Voraussetzung für den zuverlässigen Betrieb adaptiver Tragwerke und damit für deren Transfer in die Baupraxis. Diese Arbeit widmet sich der Entwicklung von Methoden zur Fehlerdiagnose in adaptiven Tragwerken, mit Untersuchungen am adaptiven Demonstratorhochhaus D1244. Eine hybride modell- und lernbasierte Diagnose erzielt in Experimenten eine erhebliche Performanceverbesserung gegenüber einem rein modellbasierten Ansatz. Dabei wird die modellbasierte Residuengenerierung und -evaluierung mit einer lernbasierten Filterung der Residuen zur Unterdrückung von Modellfehlereffekten kombiniert. Mit Autoencodern und der principal component analysis werden Ansätze des unüberwachten Lernens verwendet, deren Training nur Daten aus dem Nominalbetrieb des Systems benötigt. Im Hinblick auf das Design zuverlässiger adaptiver Tragwerke wird die Quantifizierung der Diagnostizierbarkeit und die dahingehend optimale Sensorplatzierung untersucht. Dabei wir experimentell demonstriert, dass bezüglich der Bayes Error Rate optimierte Sensorplatzierungen trotz Modellfehlern in der Realität eine erhöhte Performance erzielen. Weitere Analysen beschäftigen sich mit der Diagnose in Tragwerken mit druckschlaffen Aussteifungen, mit der aktiven Diagnose von Fehlern mit zustandsabhängiger Diagnostizierbarkeit, sowie mit der Rekonfiguration des Regelkreises im Anschluss an eine Diagnose zur Performancewiederherstellung.