Konzept zur selektiven Modelladaption durch Clustering von Prozessdaten

Abstract

Die indirekte Bestimmung von Maschinen- und Komponentenzuständen erfordert eine signalquellenabhängige Modellparametrierung. Eine zentrale Herausforderung ist hierbei die Adaption bestehender Modelle für neue Randbedingungen. In diesem Beitrag wird ein Konzept zum datengetriebenen Clustering von geschlossenen Prozessabschnitten vorgestellt, mit dessen Hilfe eine gezielte Modellanpassung und -wiederverwendung ermöglicht werden. Eine Anwendung wird anhand zweier Anwendungsmöglichkeiten konzeptionell illustriert.