P36 - Eine Methode zur erklärbaren Merkmalsextraktion aus dem Zeit- und Frequenzbereich für Condition Monitoring
- Event
- 22. GMA/ITG-Fachtagung Sensoren und Messsysteme 2024
2024-06-11 - 2024-06-12
Nürnberg - Band
- Poster
- Chapter
- Poster
- Author(s)
- C. Fuchs, S. Klein, J. Schauer, A. Schütze, T. Schneider - Universität des Saarlandes,Saarbrücken
- Pages
- 556 - 562
- DOI
- 10.5162/sensoren2024/P36
- ISBN
- 978-3-910600-01-0
- Price
- free
Abstract
Zu neuronalen Netzen bieten klassische maschinelle Lernmethoden eine Alternative zur robusten Auswertung von industriellen Messdaten und deren Verständnis. Merkmalsextraktionsmethoden dienen dabei zum einen der Reduktion der Datenmenge, zum anderen können sie genutzt werden, um Zusammenhänge zwischen Merkmalen und physikalischen Größen zu plausibilisieren. Hier wird der Time Frequency Extractor (TFEx) vorgestellt, der Signale sowohl im Zeit- und Frequenzbereich analysiert, sowie sie in Bänder unterteilt, deren Strukturen a priori bekannt sind. Aus diesen Bändern werden Merkmale extrahiert und danach werden die besten Merkmale durch eine Rankingoder Selektionsmethode bestimmt. Mit Hilfe der bekannten Unterteilungsstruktur und des Merkmalrankings kann rückverfolgt werden, aus welchen Signalbereichen und welcher Domäne (Zeit oder Frequenz) die selektierten Merkmale stammen. Es ist dadurch zum Beispiel nachvollziehbar, aus welchem Zeitsegment und aus welchem Frequenzband das höchst selektierte Merkmal stammt und welche Art von Merkmal dort berechnet wurde. Hier wurden zwei Datenbeispiele herangezogen. Beim ersten Datensatz wurde ein trivialer Zusammenhang zwischen Merkmal und Vorhersage festgestellt und beim zweiten Datensatz wurde ein Korrelationsproblem in den Daten identifiziert.