Dokument 1.pdf - Universität Siegen
Dokument 1.pdf - Universität Siegen
Dokument 1.pdf - Universität Siegen
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
54 3 Entwicklung eines autonomen Überwachungskonzepts<br />
Als Ergebnis erhält man für jede Aktor-Sensorkombination eine Zahlenmenge, welche aus<br />
insgesamt nb Indikatoren besteht:<br />
T<br />
Ξij = ⎡ξij, 1 ξij, 2 ξ ⎤<br />
⎣<br />
� ij, nb<br />
⎦<br />
. (3.11)<br />
Auf der Basis von Ξij können nun die Schwellwerte definiert werden. Da die Werte von Ξij<br />
keiner bekannten Verteilungsfunktion folgen, besteht ein allgemeinerer Weg darin, die<br />
empirische kumulative Verteilungsfunktion F(x) zu berechnen (im Englischen: „cumulative<br />
distribution function (CDF)“). Diese ist für Variablen x mit<br />
Fx ( ) = PX ( ≤ x)<br />
(3.12)<br />
definiert. Diese Gleichung repräsentiert die Wahrscheinlichkeit P, mit der eine Variable X den<br />
Wert kleiner oder gleich x annimmt. Zu den Eigenschaften von F(x) zählt, dass sie monoton<br />
steigend ist. In der vorliegenden Anwendung besteht x aus positiven und diskreten Werten<br />
von Ξij. Für die Definition der Schwellwerte ist allerdings die inverse kumulative<br />
-1<br />
Verteilungsfunktion F ( x ) notwendig. Nimmt man eine 99%-Wahrscheinlichkeit an, welche<br />
oftmals auch als Quantil bezeichnet wird, dann folgt daraus der Schwellwert γ ij . Das 99%-<br />
Quantil sagt aus, dass einer von insgesamt 100 Werten den Schwellwert überschreiten darf. In<br />
der Praxis ist das statistische Überschreiten dieses Schwellwerts bei der intakten Struktur<br />
ungewünscht. Stellt man sich z.B. eine Offshore-Windenergieanlage oder ein<br />
Passagierflugzeug vor, dann muss man unbedingt vermeiden, dass ein Alarm durch einen<br />
statistischen Ausreißer ausgelöst wird, weil dadurch zum einen hohe Kosten entstehen und<br />
zum anderen das Vertrauen in die Technik abnimmt. Aus diesem Grund erfolgt innerhalb der<br />
Monitoringphase eine Gewichtung der Schadensindikatoren durch einen gleitenden<br />
Mittelwert (englisch: „Moving Average (MA)“ ). Jeder Datenpunkt wird um den Faktor 1/nM<br />
gewichtet, wobei nM die Anzahl der Daten für den gleitenden Mittelwert darstellt. Der<br />
gleitende Mittelwert nach k Messungen ist definiert als<br />
k<br />
1<br />
xk ( ) = ∑ xl ( ) mit k≥ nM.<br />
(3.13)<br />
n M l= k− nM+<br />
1<br />
Alle Daten mit xk ( ≤ n ) werden für die Schadensdiagnose verworfen. Durch diese<br />
M<br />
Vorgehensweise nimmt die Varianz der Datenverteilung ab. Diese Eigenschaft wird<br />
beispielsweise im Aktienhandel für eine Trendanalyse eingesetzt und unterstützt damit die<br />
Entscheidungsfindung der Handelsteilnehmer [GUNASEKARAGEA und POWER 2001]. Hier<br />
stellt die Wahl von nM einen Kompromiss dar zwischen der Sensitivität, einen Schaden zu