Beschreibung
Der Einsatz komplexer Sensorsysteme und deren bedarf steigt seit Jahren kontinuierlich. Jedoch ist jedes Messverfahren mit Fehlern behaftet und es gilt einen Kompromiss zwischen tolerierbarer Unvollkommenheit und spezifischen Vorteilen zu finden. Im Besonderen weisen einzelne Sensoren hohe Messungenauigkeiten auf da nur eine einzige physikalische Größe quantifiziert werden kann. Durch Einsatz der ‘Sensordatenfusion’ werden Daten mehrerer Sensoren verschmolzen um Merkmale wie die Zuverlässigkeit, die Qualität der Messwerte und den Gesamterfassungsbereich zu erhöhen. Es können Schwächen einzelner Sensorsysteme ausgeglichen und eine höhere Ausfallsicherheit mittels Redundanz gewährleistet werden. Das Ziel der Arbeit ist das Design, die Entwicklung und die Fusion von MEMS-basierten (Gradienten-) Feld- und Inertialsensoren. Dabei verspricht ein optischer Auslesemechanismus eine erheblich höhere Sensitivität als konventionell am Markt erhältliche Sensoren. Die Implementierung intelligenter Algorithmen in das Sensorsystem sollen den Einsatz des Hybridsensors 1) in der Arbeitssicherheit, 2) bei zerstörungsfreie Prüfverfahren und 3) zur Unterstützung der Navigation autonomer Systeme in Innenräumen oder Bereichen ohne GPS-Empfang, ermöglichen. Im Folgenden werden die obengenannten Einsatzmöglichkeiten des Sensorsystems näher diskutiert.
Details
Projektzeitraum | 01.10.2019 - 30.06.2023 |
---|---|
Fördergeber | Bundesländer (inkl. deren Stiftungen und Einrichtungen) |
Förderprogramm |
|
Department | |
Projektverantwortung (Universität für Weiterbildung Krems) | Univ.-Prof. Dr. Hubert Brückl |
Publikationen
Kahr, M.; Kovacs, G.; Brückl, H. (2022). Fault Size Estimation of Ball Bearings: A Machine Learning Approach for Noisy Data. In: IEEE, Proceedings in 2022 IEEE Sensors: 1-4, IEEE, Dallas
Vorträge
Condition Monitoring of Ball Bearings / A machine learning approach
Impact Award 2022, Gesellschaft für Forschungsförderung Niederösterreich m.b.H., 17.11.2022
Fault Size Estimation of Ball Bearings: A Machine Learning Approach for Noisy Data
2022 IEEE Sensors, 01.11.2022