Bronze
Refine
Document Type
- Doctoral Thesis (4) (remove)
Has Fulltext
- no (4)
Is part of the Bibliography
- yes (4)
Keywords
- Aluminiumgusslegierung (1)
- Aluminiumlegierung (1)
- Finite-Elemente-Methode (1)
- Implantat (1)
- Induktive Schnittstelle (1)
- Industrie 4.0 (1)
- Kugellager (1)
- Lebensdauermodellierung (1)
- Maschinelles Lernen (1)
- Materialermüdung (1)
Institute
Open Access
- Bronze (4)
- Open Access (4)
The last decades have seen the evolution of industrial production into more sophisticated processes. The development of specialized, high-end machines has increased the importance of predictive maintenance of mechanical systems to produce high-quality goods and avoid machine breakdowns. Predictive maintenance has two main objectives: to classify the current status of a machine component and to predict the maintenance interval by estimating its remaining useful life (RUL). Nowadays, both objectives are covered by machine learning and deep learning approaches and require large training datasets that are often not available. One possible solution may be transfer learning, where the knowledge of a larger dataset is transferred to a smaller one. This thesis is primarily concerned with transfer learning for predictive maintenance for fault classification and RUL estimation. The first part presents the state-of-the-art machine learning techniques with a focus on techniques applicable to predictive maintenance tasks (Chapter 2). This is followed by a presentation of the machine tool background and current research that applies the previously explained machine learning techniques to predictive maintenance tasks (Chapter 3). One novelty of this thesis is that it introduces a new intermediate domain that represents data by focusing on the relevant information to allow the data to be used on different domains without losing relevant information (Chapter 4). The proposed solution is optimized for rotating elements. Therefore, the presented intermediate domain creates different layers by focusing on the fault frequencies of the rotating elements. Another novelty of this thesis is its semi and unsupervised transfer learning-based fault classification approach for different component types under different process conditions (Chapter 5). It is based on the intermediate domain utilized by a convolutional neural network (CNN). In addition, a novel unsupervised transfer learning loss function is presented based on the maximum mean discrepancy (MMD), one of the state-of-the-art algorithms. It extends the MMD by considering the intermediate domain layers; therefore, it is called layered maximum mean discrepancy (LMMD). Another novelty is an RUL estimation transfer learning approach for different component types based on the data of accelerometers with low sampling rates (Chapter 6). It applies the feature extraction concepts of the classification approach: the presented intermediate domain and the convolutional layers. The features are then used as input for a long short-term memory (LSTM) network. The transfer learning is based on fixed feature extraction, where the trained convolutional layers are taken over. Only the LSTM network has to be trained again. The intermediate domain supports this transfer learning type, as it should be similar for different component types. In addition, it enables the practical usage of accelerometers with low sampling rates during transfer learning, which is an absolute novelty. All presented novelties are validated in detailed case studies using the example of bearings (Chapter 7). In doing so, their superiority over state-of-the-art approaches is demonstrated.
This thesis deals with the redesign of manufacturing systems by simulation and optimization. Material flow simulation is a common tool for solving problems in system design. Limitations are the high requirements in time and knowledge to execute simulation studies, evaluate results and solve design problems. New chances arrives with the technologies of industry 4.0 and the digital shadow, providing data for simulation. However, the methods to use production data for the redesign of production systems are not available yet. Purpose of this work is providing the methods to automate simulation from digital shadow, use simulation to optimize and solve problems in system design. Two case studies are used to support the action research approach of this work. The result of this work is a framework for the application of the digital shadow in optimization and problem-solving.
Metallische Gehäuse stellen eine große Herausforderung für die Schnittstelle von aktiven medizinischen Implantaten dar. Ihre elektrische Leitfähigkeit und die sich dadurch ergebenden Wirbelströme verhindern das Eindringen von hochfrequenten elektromagnetischen Wellen und Feldern. Aus diesem Grund werden die Antennen außerhalb des Gehäuses platziert. Niederfrequentere magnetische Felder dringen jedoch durch das metallische Gehäuse, wenn auch abgeschwächt. Damit kann eine induktive Kommunikation realisiert und so elektrische Durchführungen durch das ansonsten hermetisch dichte Gehäuse vermieden werden.
In dieser Arbeit wird die induktive Datenübertragung durch ein metallisches Gehäuse untersucht. Ein Modell wird entwickelt, das die Effekte des metallischen Gehäuses auf die Übertragung berücksichtigt. Hierzu werden in einem neuen Ansatz anhand von FEM Simulationen Korrekturfaktoren ermittelt. Diese Korrekturfaktoren können visualisiert und direkt auf die Auslegung der Antennenspulen angewendet werden. Im Gegensatz zu anderen Modellierungen werden nur frei zugängliche Software-Lösungen verwendet. Zudem werden die Feldverteilungen durch die im metallischen Gehäuse entstehenden Wirbelströme untersucht. Die unterschiedlichen Gehäuse- und Spulenparameter werden im Hinblick auf deren Einfluss auf das Übertragungsverhalten diskutiert, was in dieser Form bisher noch nicht veröffentlicht wurde. Das resultierende Modell kann auf unterschiedliche Ausführungen der metallischen Kapselung angepasst werden um damit die Grenzen und Einschränkungen unterschiedlicher metallischer Gehäuse-Materialien zu untersuchen.
Mit der Weiterentwicklung eines Transceivers, der mit 10 kBit/s bei 125 kHz Trägerfrequenz arbeitet, wird ein Übertragungsbaustein entwickelt, der mit herkömmlichen Mikrocontrollern verwendet werden kann. Der Transceiver wird in einem ASIC mit 32 Pin QFN-Gehäuse implementiert. Anschließend werden die Funktionalität überprüft und die elektrischen Eigenschaften im Hinblick auf Temperatur-, Spannungs- und Frequenz-Verhalten charakterisiert. Durch die geringe Stromaufnahme und die hohe Datenrate bei niedriger Trägerfrequenz eignet sich dieser Transceiver für Langzeitanwendungen in medizinischen Implantaten. Das Neue an dem Transceiver ist seine Einsatzfähigkeit für metallische Gehäuse, die wegen der schmalen Bandbreite mit \approx\unit[4]{kHz} eine effiziente Datenübertragung trotz hoher Dämpfung ermöglicht und darüber hinaus die frequenzabhängige Verzerrung der Impedanz- und Übertragungsparameter minimiert.
Anhand einer konkreten Anwendung für eine implantierbare steuerbare Infusionspumpe werden die gesamte Elektronik des Implantats sowie eines kleinen und ein großen Bediengerätes konzipiert, entwickelt, programmiert und erfolgreich in Betrieb genommen. Darin werden sowohl das induktive Übertragungsmodell als auch der Transceiver verwendet und somit deren Funktionalität und Einsatzfähigkeit demonstriert. Mithilfe dieser Entwicklung ist es möglich, über einen Abstand von 65 mm, die Dosierung eines Medikaments einzustellen und an den Tagesrhythmus der Patient*innen anzupassen sowie die Funktionalität des Implantats zu überprüfen. Aktuell gibt es auf dem Markt ein weiteres ähnliches Produkt, zu dem jedoch keine wissenschaftlichen Veröffentlichungen vorliegen. Diese Arbeit liefert damit einen wissenschaftlichen Beitrag für die Entwicklung langlebiger metallisch gekapselter Implantate mit induktiver Schnittstelle.
Die vorliegende Arbeit beschäftigt sich mit dem Ermüdungs- und Schädigungsverhalten der in Verbrennungsmotoren eingesetzten Aluminiumgusslegierungen AlSi7Cu0,5Mg-T7 und AlSi12Cu3Ni2Mg-T7. Im Vergleich zur niederzyklischen sowie thermomechanischen Ermüdungsbeanspruchung führt die zusätzliche Überlagerung hochzyklischer Belastungen zu einer signifikanten Lebensdauerreduktion, die mit der Replika-Technik beobachteten Beschleunigung des Kurzrisswachstums erklärt werden kann. Frakto- und metallographische Untersuchungen zeigen, dass Rissinitiierung und Lebensdauerverhalten durch Gussdefekte sowie von belastungs- und temperaturabhängigen Schädigungsmechanismen bestimmt werden. Die Lebensdauern werden mit einem mechanismenbasierten Risswachstumsmodell vorhergesagt. Dazu wird der Schädigungsparameter DTMF,brittle entwickelt, der die charakteristischen Schädigungsmechanismen berücksichtigt. Die Legierung AlSi12Cu3Ni2Mg-T7 wird abschließend mit der Finite-Elemente-Methode und mikrostrukturbasierten Zellmodellen untersucht. Mit den Simulationsergebnissen können die experimentell beobachteten Schädigungsmechanismen fundiert gestützt werden.