Bedankt voor het vertrouwen het afgelopen jaar! Om jou te bedanken bieden we GRATIS verzending (in België) aan op alles gedurende de hele maand januari.
- Afhalen na 1 uur in een winkel met voorraad
- In januari gratis thuislevering in België
- Ruim aanbod met 7 miljoen producten
Bedankt voor het vertrouwen het afgelopen jaar! Om jou te bedanken bieden we GRATIS verzending (in België) aan op alles gedurende de hele maand januari.
- Afhalen na 1 uur in een winkel met voorraad
- In januari gratis thuislevering in België
- Ruim aanbod met 7 miljoen producten
Beitrag zur Überwachung von Großkraftmaschinen durch Transfer-Lernen
Christian Scharr
€ 43,45
+ 86 punten
Omschrijving
Im Zuge der vierten industriellen Revolution ist ein signifikanter Anstieg der Anforderungen an die Maschinenverfügbarkeit zu beobachten. Damit wächst auch der Bedarf an innovativen Instandhaltungsansätzen wie der Predictive Maintenance, mit denen Unternehmen nicht nur Kosten einsparen, sondern auch die Betriebssicherheit steigern und die Lebensdauer der Anlagen verlängern können.
Ziel dieser Arbeit ist die Entwicklung eines intelligenten Fehlererkennungssystems für Großkraftmaschinen. Dieses System basiert auf der Kombination von künstlich generierten Sensordaten und Methoden des Transfer-Lernens und soll in der Lage sein, vom Normalzustand abweichende Maschinengeräusche - ein Frühwarnsignal für potenzielle Ausfälle - zu identifizieren.
Im Rahmen der Dissertation wird dazu die Eignung verschiedener generativer Lernverfahren untersucht, den gegebenen Labordatensatz eines kleinen Versuchsmotors mittels Datensynthese künstlich zu erweitern. Aus den synthetisch erzeugten Daten werden durch intelligente Lernalgorithmen Merkmale extrahiert und dieses Wissen mit Hilfe eines Transfer-Lernmodells auf einen realen Anwendungsfall zur Fehlererkennung übertragen.
Ziel dieser Arbeit ist die Entwicklung eines intelligenten Fehlererkennungssystems für Großkraftmaschinen. Dieses System basiert auf der Kombination von künstlich generierten Sensordaten und Methoden des Transfer-Lernens und soll in der Lage sein, vom Normalzustand abweichende Maschinengeräusche - ein Frühwarnsignal für potenzielle Ausfälle - zu identifizieren.
Im Rahmen der Dissertation wird dazu die Eignung verschiedener generativer Lernverfahren untersucht, den gegebenen Labordatensatz eines kleinen Versuchsmotors mittels Datensynthese künstlich zu erweitern. Aus den synthetisch erzeugten Daten werden durch intelligente Lernalgorithmen Merkmale extrahiert und dieses Wissen mit Hilfe eines Transfer-Lernmodells auf einen realen Anwendungsfall zur Fehlererkennung übertragen.
Specificaties
Betrokkenen
- Auteur(s):
- Uitgeverij:
Inhoud
- Aantal bladzijden:
- 144
- Taal:
- Duits
- Reeks:
- Reeksnummer:
- nr. 8
Eigenschappen
- Productcode (EAN):
- 9783839621097
- Uitvoering:
- Paperback
- Afmetingen:
- 148 mm x 210 mm
Alleen bij Standaard Boekhandel
+ 86 punten op je klantenkaart van Standaard Boekhandel
SOLDEN
Beoordelingen
We publiceren alleen reviews die voldoen aan de voorwaarden voor reviews. Bekijk onze voorwaarden voor reviews.