Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

Tensordekomposition qualitativer Modelle zur Fehlererkennung

Anwendung in der Gebäudeautomation
 
: Müller-Eping, Thorsten
: Réhault, Nicolas; Wagner, Andreas; Lichtenberg, Gerwald; Hohmann, Sören

:
Volltext urn:nbn:de:0011-n-5968141 (6.4 MByte PDF)
MD5 Fingerprint: 9b6140f42f50e82a3d8f6358052bd506
Erstellt am: 5.8.2020


Stuttgart: Fraunhofer Verlag, 2020, X, 240 S.
Zugl.: Karlsruhe, Inst. für Technologie (KIT), Diss., 2019
Solare Energie- und Systemforschung
ISBN: 978-3-8396-1628-4
Deutsch
Dissertation, Elektronische Publikation
Fraunhofer ISE ()
energy efficiency; Qualitative Modelle; Qualitative Beobachtung und Fehlererkennung; Stochastische Automaten; Tensordekomposition; Modellreduktion; Ingenieure im Bereich der Automatisierungstechnik und der Fehlererkennung und Diagnose

Abstract
Diese Arbeit liefert einen Beitrag zur technischen Fehlererkennung auf Grundlage der Zustandsbeobachtung technischer Systeme durch qualitative Modelle. Als qualitatives Modell wird ein stochastischer Automat verwendet, mit dem das qualitative Verhalten eines Prozesses anhand diskreter Wahrscheinlichkeitsverteilungen beschrieben wird. Das Verhalten des Prozesses wird dabei nur näherungsweise abgebildet, wobei jedoch die grundlegende Systemdynamik erhalten bleibt. Stochastische Automaten und qualitative Modelle leiden dabei unter dem Problem, dass ihr Speicherbedarf mit einer steigenden Anzahl der abzubildenden Systemgrößen exponentiell ansteigt. Zur Lösung dieses Komplexitätsproblems wird ein neuer Ansatz verfolgt, bei dem die Übergangswahrscheinlichkeiten des stochastischen Automaten in Tensoren gespeichert werden. Dabei wird eine moderne Methode zur Modellreduktion vorgestellt, die auf der Dekomposition der multilinearen Tensorstruktur basiert. Die vorgestellten Algorithmen, welche auf der speicherreduzierten dekomponierten Tensorrepräsentation definiert sind, ermöglichen die effiziente Realisierung der qualitativen Fehlererkennung.

: http://publica.fraunhofer.de/dokumente/N-596814.html