AFN
Arbeitsgemeinschaft für
Fuzzy-Logik und Soft Computing in
Norddeutschland
|
AFN |
|
|
 |
Adressen |
|
Der Arbeitskreis "Klassifizierungssysteme" |
|
Realisierte Lösungen zur Fuzzy-Klassifikation |
TU Clausthal
Institut für Technische Mechanik
Graupenstr. 3
D-38678 Clausthal-Zellerfeld
Leiter: Dr.-Ing J. Strackeljan
Tel: (05323) 72-2614
Fax: (05323) 72-2337
E-Mail: jens.strackeljan@tu-clausthal.de
Im Arbeitskreis Klassifizierungssysteme sollen Problemstellungen aus dem Bereich der unscharfen Klassifikation bzw. Mustererkennung, der Fuzzy-Clusteranalyse und daran angrenzender Fragen aus dem Bereich der Datenanalyse behandelt werden.
Clusterungs- und Klassifikationsaufgaben bilden in der Regel die Grundlage für die automatische Überwachung von Zuständen, Prozessen und Qualitäten, ohne das die breite Anwendungspalette auf bestimmte technische, betriebswirtschaftliche oder z.B. medizinische Bereiche beschränkt ist. Ebenso lassen sich Analysen großer Datenmengen und die automatische Diagnoseerstellung auf der Basis beliebiger Meßdaten nur mittels leistungsfähiger Klassikatoren durchführen.
Die Grundaufgabe des Klassifikators, ein durch einen Merkmalsvektor charakterisiertes Muster einer Entscheidungsklassen zuzuordnen, ist dabei für die Verwendung klassischer, d.h. scharfer Klassifikatoren und für unscharfe Mustererkennungsmethoden weitgehend identisch. Während bei scharfen Mustererkennungsverfahren allerdings eine Zuordnung zu exakt einer Klasse vorgenommen wird, erlauben unscharfe Methoden über die Berechnung der Klassenzugehörigkeiten die Zuordnung zu mehreren Zuständen. So sind z.B. bei komplexen Diagnoseaufgaben mit starkem Störpegel und bei Mehrfachschädigungen scharfe Klassifikationssysteme häufig mit erheblichen Fehlklassifikationen verbunden. Ebenso muß bei Verschleißvorgängen ohne klare Trennung zwischen den verschiedenen Fehlerklassen ein scharf klassifizierendes System zu einem Informationsverlust im Übergangsbereich führen. Derartige Mängel können durch Verwendung eines unscharfen Klassifikationsalgorithmus deutlich verbessert werden.
Da zum Einsatz von klassifizierenden Mustererkennungsverfahren zur automatischen Beurteilung eines technischen Objektes derzeit keine konkurrenzfähige Alternative verfügbar ist, werden derartige Methoden durch die Darstellung von drei realisierten Lösungen kurz erläutert. Die Beschreibung dieser Beispiele soll die Breite der Einsatzmöglichkeiten von Fuzzy-Klassifikationssystemen demonstrieren.
Der Arbeitskreis will Anwendern und Entwicklern, die mit derartigen Systemen schon bisher gearbeitet haben die Basis für einen regen Informationsaustausch bieten. Es sollen aber auch besonders Mitglieder der AFN, die bisher noch nicht mit derartigen Methoden gearbeitet haben angeregt werden, über die Einsatzmöglichkeiten von Fuzzy-Systemen zur Nutzung von Einsparpotentialen, Steigerung der Produktqualität und Entwicklung neuer Produkte nachzudenken.
Maschinenüberwachungssysteme
Produktions- und Qualitätssicherung
Ein Dentalgerät zur automatischen Erkennung von Zahnoberflächen
Maschinenüberwachungssysteme
Die vor einigen Jahren in der Abteilung Schwingungsmechanik des Institutes für Technische Mechanik der TU Clausthal begonnen Untersuchungen über die Zuordnung von an Maschinen gemessenen Schwingungssignalen zu deren Schwingungszuständen führte zu der Aufgabe einen Klassikationsalgorithmus zu schaffen, der es erlaubte, mit hoher Sicherheit einen Schaden an einem Maschinenteil (z.B. Wälzlager, Gleitlager, Getriebe, Wellenrisse usw.) automatisch zu erkennen. Dabei sollte die überwachende Autorität also nicht ein menschlicher Experte sein, sondern es mußte die Schadensklasse (z.B. Normalzustand, Warnzustand, Schlechtzustand) ausschließlich von einem Rechnerprogramm, in das die Schwingungsdaten einfließen, auf einem PC oder Mikrorechner erkannt werden.
Bei diesen Problemstellungen steht von vorneherein fest, daß für derart komplexe Verbindungen von vielen Maschinenteilen ein modellhafter- und somit mathematisch beschreibbarer Zusammenhang zwischen Schadensursache und Schwingungssignal nur in seltenen Fällen erstellt werden kann. Eine Verbesserung gegenüber bestehenden Diagnosesystemen durch die Einführung der Fuzzy-Mustererkennung erscheint notwendig, da bisher vor allem unter Berücksichtigung starker Störeinflüsse folgende Mängel anzuführen sind:
Derartige Fuzzy-Klassifikationsysteme sind schon im industriellen Einsatz und konnten z.B. in der chemischen Grundstoffindustrie verschiedene Schäden an rotierenden Maschinen frühzeitig detektieren.
Produktions- und Qualitätssicherung
Nach den stürmischen Entwicklungen auf dem Gebiet der Produktautomatisierung rückt nun zunehmend auch die Sicherung der Produktqualität in den Blickpunkt industrieller und wissenschaftlicher Forschungsaktivitäten. Schwerpunktmäßig wird in diesen Projekten an der Analyse und Dokumentation des Produktionsprozesses gearbeitet, um qualitätsmindernde Einflußfaktoren zu erkennen und den Produktionsprozeß dann so umzugestalten, daß diese Faktoren weitgehend eliminiert werden.
Daneben müssennatürlich in einen Produktionsprozeß auch automatisierte Prüfverfahren zur Qualitätsüberwachung integriert werden. Besonders wenn die Beurteilung der Produktqualität nicht alleine durch die Kontrolle von Maßhaltigkeiten oder eine visuelle Inspektion mittels digitaler Bildverarbeitung möglich ist, werden neue leistungsfähige Methoden zur computergestützten Qualitätskontrolle gefordert. Zu diesem Problemkreis gehören z.B. die Erkennung von Bindungsqualitäten von Mehrkörperverbindungen wie Klebungen, Vulkanisationen, Beschichtungen aber auch die Detektion von Delaminationen bei Faserverbundstrukturen.
Die Aufgabe der zerstörungsfreien Qualitätsprüfung besteht darin, geeignete Signale zu benutzen, um aus deren Veränderungen auf Qualitätsänderungen des Prüfobjektes zu schließen, wobei die eingesetzte Mustererkennung den mehr oder weniger unscharfen Aussagen zum mechanischen Schaden Rechnung tragen muß. Die Anwendung auf die Detektion von Fehlern oder Veränderungen in Mehrkörperverbindungen ist nur ein Beispiel aus einer Vielzahl möglicher Anwendungsfälle. Das System wurde ohne die Notwendigkeit einer Modifikation schon zur Diagnose von Kfz- Reifenventilen und zur Bestimmung von Form-und Gefügeabweichungen der Nadelspitzen für zahnärztliche Instrumente erfolgreich eingesetzt.
Ein Dentalgerät zur automatischen Erkennung von Zahnoberflächen
Der Übergang von Zahnschmelz zum Zahnzement stellt in der Parodontologie für den behandelnden Arzt bei der Diagnose des sogenannten Attachmentverlustes eine wichtige Größe in der Therapie dar. Ein Meßgerät, das diese Grenze selbständig erkennt, würde also einen wesentlichen Beitrag zur Objektivierung der Therapie bedeuten. Von großer Bedeutung ist auch die automatische Erkennung von Zahnsteinablagerungen, die eine schonende Entfernung ohne Schädigung der Zahnoberflächen erlauben würde.
Zu diesem Zweck wurde am Institut für Technische Mechanik der TU Clausthal von Prof. Dr. D. Behr und Dr. J. Strackeljan ein Verfahren entwickelt, das die Oberfläche eines Prüfkörpers aufgrund seines Schwingungsverhaltens charakterisiert. Zum Einsatz kommt auch hier ein Fuzzy-Klassifikator, der den Schwankungen des natürlichen Meßobjektes Zahn durch den unscharfen Ansatz Rechnung trägt.