Intelligente Überwachung ingenieurtechnischer Systeme
Steckbrief
Eckdaten
- Abschluss:
- Master
- Semester:
- Sommersemester
- Dozent:
- Univ.-Prof. Dr.-Ing. Bernd Markert
- Sprache:
- Englisch
Weitere Informationen
Kontakt
Inhalt IMES
Der Wahlpflichtkurs “Intelligente Überwachung ingenieurtechnischer Systeme” verknüpft künstliche Intelligenz / maschinelles Lernen mit dem weiten Feld der sensorgestützten Überwachung technischer Systeme. Der Fokus der Veranstaltung liegt auf praktischer Gruppenarbeit: die Teilnehmenden verwenden das in der ersten Semesterhälfte erlernte Basiswissen zur Lösung einer Projektaufgabe in der zweiten Semesterhälfte.
Themen
- Einführung: Überwachung ingenieurtechnischer Systeme
- Praktische MATLAB-Übung
- Skalare & Vektoren
- Skripte
- graphische Darstellung von Kurven
- Daten-Im- und Export (*.csv, *.xls, *.ods, *.txt)
- Abtastung und Datenerfassung
- Messkette
- Sensoren
- Datenerfassung & Konvertierung
- Signalverarbeitung
- kontinuierliche- & diskrete zeitliche Signale
- (schnelle) Fourier Analyse & Transformation (FFT)
- Fensterfunktionen
- Leck-Effekt
- digitale Filter
- Maschinelles Lernen (ML)
- Datenvorbereitung
- Anwendungen
- Zerstörungsfreies Testen
- Wellenausbreitung
- Analyse akustischer Emissionen
- Tomografie (CT)
- Thermografie
- Strukturintegritäts-Überwachung
- Schadenserkennung mittels elastisch-reflektierter Wellen
- Zustandsüberwachung einer CNC-Fräse
Zusatzinformationen
Kursanforderungen
Programmiererfahrung in
- MATLAB
- (ersatzweise: Python)
ist hilfreich.
Eine praktische MATLAB-Übung wird angeboten.
Kursziele
Der Kurs vermittelt den Teilnehmern Grundlagenwissen in:
- Abtastung
- Signalverarbeitung
- Maschinellem Lernen
- Zerstörungsfreiem Testen
- Strukturintegritäts-Überwachung
- Daten Vor- und Nachbereitung mit MATLAB
Lehr- und Lernmethoden
Der Kurs besteht aus Vorlesungen, gefolgt von einer Projektaufgabe. Die Vorlesungen vermitteln den Studierenden zunächst die theoretischen Grundlagen, um die Projektaufgabe in kleinen Gruppen eigenständig planen und durchführen zu können. Auftretende Probleme können im Rahmen von Sprechstunden geklärt werden. Jede Gruppe trägt ihre Ergebnisse in einer kleinen Präsentation vor und bereitet sie in einem kurzen Bericht auf.
Literaturauswahl
Nazarchuk, Z., Skalskyi, V., Serhiyenko, O., Acoustic Emission – Methodology and Application. Springer. 2017.
Farrar, C. R., Worden, K., Structural Health Monitoring: A Machine Learning Perspective. Wiley & Sons. 2013.
Goodfellow, I., Bengio, Y., Courville, A., Deep Learning. MIT Press. 2016.