Prognostics and Health Management

Worum geht's

Du lernst Methoden zur Vorhersage des Degradationsverhaltens technischer Systeme und zur Abschätzung ihrer Restlebensdauer kennen. Dazu gehören physikbasierte und datengetriebene Verfahren sowie Methoden zur Unsicherheitsabschätzung. Am Ende kannst du Modelle und Daten kombinieren, um verbleibende Nutzungsdauern zu schätzen und passende Wartungsentscheidungen vorzubereiten.

Was du danach kannst

• Restlebensdauer von Systemen abschätzen durch Kombination von Modellen und Daten
• Nichtlineare Kleinste-Quadrate-Verfahren zur Parameterschätzung anwenden
• Bayessche Parameterabschätzung mit MCMC-Methoden und Partikelfiltern durchführen
• Maschinelle Lernverfahren für datengetriebene Vorhersagen einsetzen
• Unsicherheiten bei ML-basierten Degradationsvorhersagen abschätzen
• Vor- und Nachteile physikbasierter vs. datengetriebener Ansätze beurteilen
• Prognoseverfahren in Matlab implementieren

Aus was das Modul besteht

• Vorlesung mit integrierten ÜbungenVermittlung der Theorie und Bearbeitung von Übungsaufgaben; Teile der Inhalte werden an der Tafel hergeleitet, andere per Folien grafisch dargestellt
• Tutorial-ÜbungenVertiefung und Anwendung der Methoden; Lösungen werden in Moodle bereitgestellt und teils im Kurs besprochen

Lehrmethode

• TafelvortragErmöglicht das schrittweise Herleiten theoretischer Konzepte und Formeln für ein tieferes Verständnis
• VortragsfolienGrafische Darstellung zur besseren Veranschaulichung komplexer Inhalte
• Übungsaufgaben mit MatlabPraktische Anwendung und Festigung der Methoden; MATLAB-Code-Beispiele unterstützen die Umsetzung