Condition Monitoring mit neuronalen Netzen bei Gasmotoren Bei der Maschinendiagnose von Gasverbrennungsmotoren werden neuronale Netze für die Triggerung, für die Zustandserfassung der Zündanlage und der Zylinderköpfe im Rahmen der Analysen im Zeitbereich eingesetzt. In allen drei Fällen wird jeweils ein neuronales Netz verwendet, welches aus dem Standardnetz ARI_G20G entwickelt wurde. Dieses Netz konfiguriert sich je nach Aufgabenstellung von selbst und zeichnet sich durch Stabilität und Genauigkeit aus. Auch ohne Informatikkenntnisse und ohne so manch üblich empfohlenes Probieren werden vertrauenswürdige Ergebnisse geliefert. Das für die Motoranalysen angepaßte neuronale Netz ist als Backpropagation-Netz mit 512 Eingängen, mit zwei verborgenen Schichten und mit bis zu 16 Ausgängen aufgebaut. Das neuronale Trigger-Netz besitzt 6 Eingänge und 1 Ausgang. Die Aufgabe des jeweiligen neuronalen Netzes ist, eine Klassifizierung des vorliegenden Signalausschnittes vorzunehmen. Anfangs liegen keine Muster oder Referenzen vor. Der überhaupt erste erfaßte Signalausschnitt gilt daher zwangsläufig als unbekannt und wird als 1. Referenz angesehen. Vorzugsweise sollte daher die 1. Referenz einen neuwertigen Zustand beschreiben, z.B. den Zustand nach Kerzewechsel bzw. nach der Zylinderkopferneuerung. Da die Klassifizierung durch das Netz in der Anfangsphase wegen seiner assoziativen Fähigkeiten recht großzügig ist, wird die Referenz durch eine Null-Referenz mit dem entsprechenden Rauschsignal und eventuell mit einer eingrenzenden Referenz ergänzt, z. B. mit doppelten Amplituden in maßgeblichen Zeitbereichausschnitten. Nach der Erfassung der 1. Referenz wird vom ARTIFIN-Netz die neuronale Matrix für eine echte Referenz und zwei fiktive für jeden Zylinder erstellt. Jeder neu angebotene Zeitausschnitt wird vom neuronalen Netz ausgewertet und anschließend als bekannt oder unbekannt klassifiziert. Bei unbekannt wird der Signalausschnitt als weitere Referenz angesehen, in den Referenzkatalog aufgenommen und eine erneuerte neuronale Matrix für die Referenzen erstellt. Danach gilt auch dieser Zeitabschnitt als bekannt. Wie ersichtlich, werden die Meßdaten vom neuronalen Netz gefiltert und nur dann abgespeichert, wenn größere Abweichungen im Vergleich zu den bislang bekannten Meßdaten vorliegen. Somit wird eine starke Datenreduktion erreicht. Diese Eigenschaft ist äußerst vorteilhaft, weil in der Regel erhebliche Datenmengen verarbeitet werden müssen. Sofern bereits einige Referenzen bekannt sind oder auch andere Signalausschnitte mit eindeutigen Fehlerzuordnungen vorliegen, dann können aus diesen Referenzen Muster gebildet werden. Das Netz erstellt für die angebotenen Muster eine weitere Gedächtnismatrix. Die Muster sind nicht mehr auf einzelne Zylinder bezogen, und sie gelten für alle Zylinder der Maschine. Den Mustern werden Texte für die Zustandsbeschreibung zugeordnet, die im Report ausgegeben werden. Durch die Verwendung der Muster können äußerst detaillierte diagnostische Aussagen erfolgen. Der in Kauf zu nehmende Nachteil ist die "Handarbeit" bei der Entwicklung der Muster. Für die Diagnose stehen bei der Zündanlage folgende Aussagen des neuronalen Netzes zur Verfügung:
Die Diagnostik bei den Zylinderköpfen ist komplexer, und es werden folgende Zustände diagnostiziert:
Der Literaturhinweis zu diesem Thema ist:: Triggerung bei komplizierten Signalformen mit neuronalem Netz ? An der Anwendung des ARTIFIN-Meßsystems interessiert ? |
