Im vorliegenden Vorgehen wird ein datenbasierter Analyseansatz zur Diagnose des Gesundheitszustands eines Triebwerks und im Weiteren zur Prognose der Restlebensdauer vorgestellt. Die Datenanalyse basiert auf einer Reihe von run-to-failure Triebwerkssimulationsdaten, die vom NASA Prognostics Center of Excellence zu Forschungszwecken zur Verfügung gestellt werden. Der Datensatz wird speziell zu Forschungszwecken erstellt und ermöglicht den Vergleich von verschiedenen Modellansätzen. Auf den Datensatz werden unterschiedliche Algorithmen aus dem Bereich des Maschinellen Lernens, wie Klassifikations- sowie Regressions- und Clusteranalysen, angewendet. Als Zielgröße dient zum einen die Klassifikation von verschiedenen Gesundheitszuständen wie auch die Prognose der Restlebensdauer des Triebwerks.
Prognose der Restlebensdauer eines Triebwerks mit Hilfe von Maschinellen Lernalgorithmen
2018
Miscellaneous
Electronic Resource
Unknown
Die Beanspruchung eines elastohydrodynamischen Nocken-Rollenstoessel-Triebwerks
Automotive engineering | 1990
|STELLMECHANISMUS ZUM VERSTELLEN WENIGSTENS EINES TRIEBWERKS EINES RAUMFLUGKÖRPERS
European Patent Office | 2017
|Die Beanspruchung eines elektrohydrodynamischen Nocken-Rollenstoessel-Triebwerks
Automotive engineering | 1991
|Bau und Vorfuehrung eines Demonstrations-Hybrid-Triebwerks
British Library Conference Proceedings | 1996
|