Projektbeschreibung:

 

In dem Vorhaben werden Forschungsarbeiten zur Entwicklung von physikalischen Ersatzmodellen für die Simulation eines mehrstufigen Turbokompressors durchgeführt und in enger Kooperation mit dem Forschungspartner Hasso-Plattner-Institut in Potsdam (HPI) innovative Techniken zur Parameterschätzung erforscht und entwickelt.

Das zu entwickelnde Produkt weist im Gegensatz zu den am Markt erhältlichen Lösungen eine deutlich erhöhte Zuverlässigkeit auf. Bei den hier zu überwachenden Anlagen ist es typisch, dass Produktionsausfälle in Höhe von mehreren Mio EUR pro Woche bei ungeplanten Stillständen auftreten. Vor diesem Hintergrund ist es notwendig, die Anlage nur dann abzuschalten, wenn wirklich ein Fehler vorliegt. Ein gutes System zur Maschinenüberwachung sollte rechtzeitig eine Warnung geben, die nachvollziehbar und lokalisierbar ist und konkrete Handlungsanweisungen (Abschalten, Wartung innerhalb der nächsten x Monate, etc) beinhaltet.

Die hohe Zuverlässigkeit zeigt sich in einer sehr geringen Zahl falsch positiver Meldungen. Eine solche falsch positive Meldung hat immer eine Begutachtung durch einen Experten zur Folge und verursacht dadurch einen erhöhten Aufwand und somit auch Kosten beim Anlagenbetreiber. Diese negativen Auswirkungen der Maschinenüberwachung stehen den erhofften positiven Effekten, wie dem Vermeiden von ungeplanten Stillständen und der Verlängerung der Wartungsintervalle entgegen.

Verfahren, die ausschließlich auf generischen Methoden des maschinellen Lernens beruhen, warnen erfahrungsgemäß zu oft, um sie größtenteils automatisiert zur Überwachung einsetzen zu können. Die Erhöhung der Zuverlässigkeit der Überwachungsfunktionalität wird durch den Einsatz physikalischer Modelle (in Form des virtuellen Kompressors) erreicht, die der Bestimmung von geeigneten Überwachungsparametern und Erwartungswerten dienen. Der hier verfolgte Ansatz soll der künstlichen Intelligenz die Physik beibringen.

Parameter der einzelnen Komponenten des Kompressorsystems sollen vorzugsweise auf Basis von Messdaten identifiziert werden, um nicht auf detaillierte konstruktive Daten angewiesen zu sein. Ziel ist es, physikalisch korrekte Modelle mit einem minimalen Konfigurationsaufwand zu parametrisieren.

In diesem Arbeitspaket werden hochdimensionale teilweise diskrete Optimierungsprobleme mit einer Vielzahl von Nebenbedingungen mit modernen mathematischen Verfahren bearbeitet.

Resultat des ProFIT Projekts ist die Verbesserung der Zuverlässigkeit der Überwachung durch die Nutzung der physikalischen Modelle. Zusätzlich besteht die Möglichkeit folgende Beratungsleistungen anzubieten:

●       dynamische Simulation für Neu- und Umbauten,

●       Demonstrator für Schulungszwecke,

●       Simulation der Steuerung HiL/SiL (Hardware / Software in the Loop) .