Intelligente Überwachung ingenieurtechnischer Systeme

  Bild Mechanical System

Steckbrief

Eckdaten

Abschluss:
Master
Semester:
Sommersemester
Dozent:
Univ.-Prof. Dr.-Ing. Bernd Markert
Sprache:
Englisch

Weitere Informationen

Kontakt

Name

Bernd Markert

Institutsleiter, Rektoratsbeauftragter für Alumni

Telefon

work
+49 241 80 94600

E-Mail

E-Mail
 

Inhalt

Der Lehrplan besteht aus Seminarvorträgen, gefolgt von einem Semesterprojekt. In den Seminarvorträgen erhalten die Studierenden das notwendige theoretische Hintergrundwissen, um das Projekt in Kleingruppen selbstständig zu planen und durchzuführen. Es werden Sprechstunden angeboten, um Herausforderungen und Probleme zu diskutieren, die im Laufe des Projekts auftreten. Abschließend präsentiert jede Gruppe ihre Leistungen und Ergebnisse live und in Form eines schriftlichen Berichts.

Themen

  • Sensorik
  • Signalverarbeitung
  • Maschinelles Lernen
  • Zerstörungsfreie Prüfung (NDT)
  • Strukturelle Gesundheitsüberwachung (SHM)
  • Datenverarbeitung mit MATLAB
 

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.