Search

Digitale Zwillinge werden in der Betriebsphase einer Maschine oder Anlage für verschiedene Fragestellungen angewendet, bspw. für die Zustandserkennung. Voraussetzung dafür ist, dass der Digitale Zwilling über Modelle des Anlagenverhaltens verfügt, die verschiedene Zustände, einschließlich von Fehlerzustände, adäquat beschreiben. Ein wesentlicher Aspekt dabei ist die Identifikation der Modellparameter. Dieser Beitrag dient der Analyse und Anpassung ausgewählter Optimierungsmethoden (gradientenbasierter Verfahren und ein Partikelschwarmoptimierer) am Beispiel von Modellen für Kompressoren und Turbinenanlagen. Dazu wird mit einem analytischen Ansatz ein Modell einer realen Kompressoranlage erstellt. Um die Qualität der Optimierungsergebnisse vergleichen zu können, wird eine Fehlermetrik eingeführt. Das Verhalten der Optimierer wird unter den folgenden realistischen Fehlerszenarien ermittelt: Fehler in den Modellparametern, Rauschen, initialer Abstand vom Optimum, fehlerhaft Messstellen (ohne und mit Detektion). Zur numerischen Bewertung der Identifizierbarkeit werden zwei Kriterien eingeführt.

Digitale Zwillinge werden in der Betriebsphase einer Maschine oder Anlage für verschiedene Fragestellungen angewendet, bspw. für die Zustandserkennung. Voraussetzung dafür ist, dass der Digitale Zwilling über Modelle des Anlagenverhaltens verfügt, die verschiedene Zustände, einschließlich von Fehlerzustände, adäquat beschreiben. Ein wesentlicher Aspekt dabei ist die Identifikation der Modellparameter. Dieser Beitrag dient der Analyse und Anpassung ausgewählter Optimierungsmethoden (gradientenbasierter Verfahren und ein Partikelschwarmoptimierer) am Beispiel von Modellen für Kompressoren und Turbinenanlagen. Dazu wird mit einem analytischen Ansatz ein Modell einer realen Kompressoranlage erstellt. Um die Qualität der Optimierungsergebnisse vergleichen zu können, wird eine Fehlermetrik eingeführt. Das Verhalten der Optimierer wird unter den folgenden realistischen Fehlerszenarien ermittelt: Fehler in den Modellparametern, Rauschen, initialer Abstand vom Optimum, fehlerhaft Messstellen (ohne und mit Detektion). Zur numerischen Bewertung der Identifizierbarkeit werden zwei Kriterien eingeführt.

A novel exoskeleton robotic system was developed to assist stair climbing. This active demonstrator consists of a motor with a cable system, various sensors, and a control system with a power supply. The objective of this preliminary study is a biomechanical evaluation of the novel system to determine its effectiveness in use. For this purpose, three test persons were biomechan- ically investigated, who performed stair ascents and descents with and without the exoskeleton. Kinematics, kinetics, and muscle activity of the knee extensors were measured. The measured data were biomechanically simulated in order to evaluate the characteristics of joint angles, moments, and reaction forces. The results show that the new exoskeleton assists both the ascent and the descent according to the measured surface electromyography (sEMG) signals, as the knee extensors are relieved by an average of 19.3%. In addition, differences in the interaction between the test persons and the system were found. This could be due to a slightly different operation of the assisting force or to the different influence of the system on the kinematics of the users.

Designing classifiers may follow different goals. Which goal to prefer among others depends on the given cost situation and the class distribution. For example, a classifier designed for best accuracy in terms of misclassifica- tions may fail when the cost of misclassification of one class is much higher than that of the other. This paper presents a decision-theoretic extension to make fuzzy rule generation cost-sensitive. Furthermore, it will be shown how interpretability aspects and the costs of feature acquisition can be ac- counted for during classifier design. Natural language text is used to explain the generated fuzzy rules and their design process