@inproceedings{27652,
  abstract     = {{Aufgrund der Fortschritte der Digitalisierung finden Systeme zur Zustandsüberwachung vermehrt Einsatz in der Industrie, um durch eine zustandsbasierte oder eine prädiktive Instandhaltung Vorteile, wie eine verbesserte Zuverlässigkeit und geringere Kosten zu erzielen. Dabei beruhen Zustandsüberwachungssysteme auf den folgenden Bausteinen: Sensorik, Datenvorverarbeitung, Merkmalsextraktion und -auswahl, Diagnose bzw. Prognose sowie einer Entscheidungsfindung basierend auf den Ergebnissen. Jeder dieser Bausteine erfordert individuelle Einstellungen, um ein geeignetes Zustandsüberwachungssystem für die jeweilige Anwendung zu entwickeln. Eine offene Fragestellung im Bereich der Zustandsüberwachung ergibt sich aufgrund der Unsicherheit der Zukunft, die sich in den zukünftigen Betriebs- und Umgebungsbedingungen zeigt. Diese Unsicherheit gilt es in allen Bausteinen zu berücksichtigen.
Dieser Beitrag konzentriert sich auf den Baustein Merkmalsextraktion und -selektion, mit dem Ziel anhand geeigneter Merkmale eine Prognose der nutzbaren Restlebensdauer mit hoher Genauigkeit realisieren zu können. Daher werden geeignete Merkmale aus dem Zeitbereich und daraus abgeleitete Zustandsindikatoren für die Restlebensdauerprognose von technischen Systemen vorgestellt. Dabei sind Zustandsindikatoren Kenngrößen zur Beobachtung des Zustands der kritischen Systemkomponenten. Anhand dreier Anwendungsbeispiele wird ihre Eignung evaluiert. Dabei werden Daten aus Lebensdauerversuchen unter instationären Betriebs- und Umgebungsbedingungen ausgewertet. Die auftretenden Unsicherheiten der Zukunft werden somit berücksichtigt. Die Beispielsysteme beruhen auf Gummi-Metall-Elementen und Wälzlagern. Aus den generierten Ergebnissen lässt sich schließen, dass die Zustandsindikatoren aus der betrachteten Zeitreihen-Toolbox auch unter unbekannten Betriebs- und Umgebungsbedingungen robust sind.
}},
  author       = {{Aimiyekagbon, Osarenren Kennedy and Bender, Amelie and Sextro, Walter}},
  booktitle    = {{VDI-Berichte 2391}},
  isbn         = {{978-3-18-092391-8}},
  issn         = {{0083-5560 }},
  keywords     = {{run-to-failure, rubber-metal element, bearing prognostics, non-stationary operating conditions, varying operating conditions, feature extraction, feature selection}},
  location     = {{Würzburg}},
  pages        = {{197 -- 210}},
  publisher    = {{VDI Verlag GmbH}},
  title        = {{{Extraktion und Selektion geeigneter Merkmale für die Restlebensdauerprognose von technischen Systemen trotz aleatorischen Unsicherheiten }}},
  year         = {{2021}},
}

@inproceedings{22507,
  abstract     = {{Several methods, including order analysis, wavelet analysis and empirical mode decomposition have been proposed and successfully employed for the health state estimation of technical systems operating under varying conditions. However, where information such as the speed of rotating machinery, component specifications or other domain-specific information is unavailable, such methods are often infeasible. Thus, this paper investigates the application of classical time-domain features, features from the medical field and novel features from the highly comparative time-series analysis (HCTSA) package, for the health state estimation of rotating machinery operating under varying conditions. Furthermore, several feature selection methods are investigated to identify features as viable health indicators for the diagnostics and prognostics of technical systems. As a case study, the presented methods are evaluated on real-world and experimentally acquired vibration data of bearings operating under varying speed. The results show that the selected features can successfully be employed as health indicators for technical systems operating under varying conditions.}},
  author       = {{Aimiyekagbon, Osarenren Kennedy and Bender, Amelie and Sextro, Walter}},
  booktitle    = {{Proceedings of the Seventeenth International Conference on Condition Monitoring and Asset Management (CM 2021)}},
  keywords     = {{Wind turbine diagnostics, bearing diagnostics, non-stationary operating conditions, varying operating conditions, feature extraction, feature selection, fault detection, failure detection}},
  title        = {{{On the applicability of time series features as health indicators for technical systems operating under varying conditions}}},
  year         = {{2021}},
}