KontextSimulierter Motor, eingebrachte Fehler
AnsatzStatorstrom, 12 Detektoren
ErgebnisSimulierte AUC 0,994
Kontext
Projekt im Master 2 MESI, noch laufend. In Simulink baue ich einen digitalen Zwilling eines Asynchronmotors, erst fehlerfrei, dann mit Fehlern, um zu sehen, was der Statorstrom darüber verrät. Die letzte Auswertung (6. Oktober 2026) betrifft einen Getriebefehler.
Was ich gemacht habe
- Modellvarianten mit Fehlern (gebrochene Stäbe, Exzentrizität, Lager, Statorunsymmetrie, Getriebe, Drehmomentstöße, Verkabelung).
- Parallele Simulationen, Analyse des Stroms per FFT und Spektrogramm.
- Physikalische, statistische und EMD-Merkmale pro Fenster von 1 s.
- 12 One-Class-Detektoren, nur mit fehlerfreiem Betrieb trainiert, konformer Schwellwert bei 5 %.
Was mir aufgefallen ist und was ich gelernt habe
- Die physikalischen Merkmale gewinnen bei allen Modellen. Generische Statistiken erkennen nichts.
- Mit 72 Trainingsfenstern schneidet ein Autoencoder schlechter ab als eine Mahalanobis-Distanz.
Meine Fehler
- Ich habe die beste Konfiguration auf dem Testdatensatz gewählt, die Werte sind also leicht optimistisch.
- Bei 1 % Rauschen schlägt kein Modell ein einzelnes, gut gewähltes Merkmal (AUC 0,92).
- Alles stammt aus der Simulation, realer Prüfstand folgt.
Ergebnisse
- Laufendes Projekt, 230 Experimente (12 Modelle, 5 Merkmalssätze, 2 Rauschpegel), 0 Fehlschläge.
- Bestes Modell ECOD, ohne Hyperparameter, mittlere AUC 0,994 bei 0,2 % Rauschen und 0,815 bei 1 %.
- Fehler zu 90 % erkannt ab einer Amplitude von 0,01 p.u. bei 0,2 % Rauschen.
Tech-Stack
MATLAB
Simulink
Simscape
Simulation parallèle (parsim)
FFT et spectrogramme
EMD
ECOD
One-Class SVM
Isolation Forest
Auto-encodeur