Eine Plattform für die Wissenschaft: Bauingenieurwesen, Architektur und Urbanistik
Eine Plattform für die Wissenschaft: Bauingenieurwesen, Architektur und Urbanistik
Tensordekomposition qualitativer Modelle zur Fehlererkennung: Anwendung in der Gebäudeautomation
Diese Arbeit liefert einen Beitrag zur technischen Fehlererkennung auf Grundlage der Zustandsbeobachtung technischer Systeme durch qualitative Modelle. Als qualitatives Modell wird ein stochastischer Automat verwendet, mit dem das qualitative Verhalten eines Prozesses anhand diskreter Wahrscheinlichkeitsverteilungen beschrieben wird. Das Verhalten des Prozesses wird dabei nur näherungsweise abgebildet, wobei jedoch die grundlegende Systemdynamik erhalten bleibt. Stochastische Automaten und qualitative Modelle leiden dabei unter dem Problem, dass ihr Speicherbedarf mit einer steigenden Anzahl der abzubildenden Systemgrößen exponentiell ansteigt. Zur Lösung dieses Komplexitätsproblems wird ein neuer Ansatz verfolgt, bei dem die Übergangswahrscheinlichkeiten des stochastischen Automaten in Tensoren gespeichert werden. Dabei wird eine moderne Methode zur Modellreduktion vorgestellt, die auf der Dekomposition der multilinearen Tensorstruktur basiert. Die vorgestellten Algorithmen, welche auf der speicherreduzierten dekomponierten Tensorrepräsentation definiert sind, ermöglichen die effiziente Realisierung der qualitativen Fehlererkennung.
Tensordekomposition qualitativer Modelle zur Fehlererkennung: Anwendung in der Gebäudeautomation
Diese Arbeit liefert einen Beitrag zur technischen Fehlererkennung auf Grundlage der Zustandsbeobachtung technischer Systeme durch qualitative Modelle. Als qualitatives Modell wird ein stochastischer Automat verwendet, mit dem das qualitative Verhalten eines Prozesses anhand diskreter Wahrscheinlichkeitsverteilungen beschrieben wird. Das Verhalten des Prozesses wird dabei nur näherungsweise abgebildet, wobei jedoch die grundlegende Systemdynamik erhalten bleibt. Stochastische Automaten und qualitative Modelle leiden dabei unter dem Problem, dass ihr Speicherbedarf mit einer steigenden Anzahl der abzubildenden Systemgrößen exponentiell ansteigt. Zur Lösung dieses Komplexitätsproblems wird ein neuer Ansatz verfolgt, bei dem die Übergangswahrscheinlichkeiten des stochastischen Automaten in Tensoren gespeichert werden. Dabei wird eine moderne Methode zur Modellreduktion vorgestellt, die auf der Dekomposition der multilinearen Tensorstruktur basiert. Die vorgestellten Algorithmen, welche auf der speicherreduzierten dekomponierten Tensorrepräsentation definiert sind, ermöglichen die effiziente Realisierung der qualitativen Fehlererkennung.
Tensordekomposition qualitativer Modelle zur Fehlererkennung: Anwendung in der Gebäudeautomation
Müller-Eping, Thorsten (Autor:in)
2020
Hochschulschrift
Elektronische Ressource
Unbekannt
Gebäudeautomation - Integrierte Gebäudeautomation
| Online Contents | 2000
Gebäudeautomation - Gewerkeübergreifende Gebäudeautomation
| Online Contents | 2000
Gebäudeautomation - Überspannungsschutz und Gebäudeautomation
| Online Contents | 2005
Gebäudeautomation - Weltnorm für Gebäudeautomation
| Online Contents | 2001