Technische DiagnoseModulbeschreibung #40735 / Version 5
- 6 LP
- Schriftliche Prüfung
- Benotet
- Sommersemester
- Deutsch
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27).
Zur aktuellen Version (v6)
| Modul / Version | #40735 / #5 |
|---|---|
| Gültigkeit | WS 2019/20 – WiSe 2020/21 |
| Verfügbare Sprache(n) | Deutsch |
| Leistungspunkte | 6 |
| Modulverantwortliche*r | Gühmann, Clemens |
| Benotung | Benotet |
| Prüfungsform | Schriftliche Prüfung |
| Lehrsprache(n) | Deutsch |
Zugehörigkeit
| Fakultät | Fakultät IV |
|---|---|
| Institut | Institut für Energie und Automatisierungstechnik |
| Fachgebiet | 34311600 FG Elektronische Mess- und Diagnosetechnik |
Kontakt
| Sekretariat | EN 13 |
|---|---|
| Ansprechpartner*in | Beyer, Christine |
| E-Mail-Adresse | clemens.guehmann@tu-berlin.de |
| Webseite | http://www.mdt.tu-berlin.de |
Lernergebnisse
Die Studierenden haben nach dem Besuch der Lehrveranstaltungen vertiefte Kenntnisse zum Aufbau und zur Wirkungsweise eines Mustererkennungssystems zur Diagnose mechatronischer Systeme erworben und sind in der Lage, diese selbständig, praxisrelevant anzuwenden sowie wissenschaftlich fundiert weiterzuentwickeln. Darüber hinaus haben sie den Überblick erworben, mit welchen Software-Werkzeugen (Python) ein Diagnosesystem/Mustererkennungssystem realisiert werden kann.
Lehrinhalte
Diagnosesysteme haben die Aufgabe, die bei der Fertigung oder dem Betrieb elektrischer, mechanischer oder mechatronischer Systeme (Prozesse) auftretenden Fehler schnell und möglichst genau nach Art, Ort und Ursache zu bestimmen.
Die Vorlesung gibt eine Einführung in die Verfahren der Fehlerdiagnose für automatisierungstechnische Prozesse und mechatronischer Komponenten und Geräte. Neben den klassischen signalgestützten Diagnoseverfahren werden moderne, forschungsnahe modellgestützte Methoden dargestellt. Eine Vertiefung erfolgt darüber hinaus auf dem Gebiet der Mustererkennung, mit dem Ziel, diese für Diagnosezwecke einzusetzen.
Das Praktikum Mustererkennung und Technische Diagnose enthält die Inhalte der Vorlesung, wobei praktische Probleme mit Python gelöst werden. Hierzu wird an einem Prüfstand eine Klassifikation von Elektromotoren durchgeführt.
Die Vorlesung gibt eine Einführung in die Verfahren der Fehlerdiagnose für automatisierungstechnische Prozesse und mechatronischer Komponenten und Geräte. Neben den klassischen signalgestützten Diagnoseverfahren werden moderne, forschungsnahe modellgestützte Methoden dargestellt. Eine Vertiefung erfolgt darüber hinaus auf dem Gebiet der Mustererkennung, mit dem Ziel, diese für Diagnosezwecke einzusetzen.
Das Praktikum Mustererkennung und Technische Diagnose enthält die Inhalte der Vorlesung, wobei praktische Probleme mit Python gelöst werden. Hierzu wird an einem Prüfstand eine Klassifikation von Elektromotoren durchgeführt.
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
Arbeitsaufwand und Leistungspunkte
Mustererkennung und Technische Diagnose (Vorlesung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 4 h | 60 h |
| 90 h | |||
Mustererkennung und Technische Diagnose (Praktikum)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 8 | 2 h | 16 h |
| Protokolle | 8 | 2 h | 16 h |
| Vor- und Nachbereitung der Versuche | 1 | 58 h | 58 h |
| 90 h | |||
Der Aufwand des Moduls summiert sich zu 180 Stunden. Damit umfasst das Modul 6 Leistungspunkte.
Beschreibung der Lehr- und Lernformen
The course contents are taught through a lecture and through a lab.
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
Kenntnisse in der Programmiersprache Python.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Die Prüfungsvoraussetzungen konnten nicht abgerufen werden.
Abschluss des Moduls
| Benotung | Benotet |
|---|---|
| Prüfungsform | Schriftliche Prüfung |
| Sprache | Deutsch |
| Dauer/Umfang | 90 min |
Dauer des Moduls
Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.
Dieses Modul kann in folgenden Semestern begonnen werden: Sommersemester.
Maximale teilnehmende Personen
Die maximale Teilnehmerzahl beträgt 32.
Anmeldeformalitäten
Die Anmeldung für das Praktikum erfolgt über den entsprechenden ISIS-Kurs. Weitere Details werde im Anschluss an die erste Vorlesung bekannt gegeben (siehe Fachgebietsseite).
Literaturhinweise, Skripte
Skript in Papierform
nicht verfügbar
Skript in elektronischer Form
nicht verfügbar
Empfohlene Literatur
- Duda, R. O.; Hart, P. E: Pattern Classification. (2000)
- Isermann, R.; Münchhoff, M.: Identification of Dynamic Systems: An Introduction with Applications. Springer (2011)
- Isermann, R.: Fault-Diagnosis Systems. An Introduction from Fault Detection to Fault Tolerance. Springer Verlag (2006)
- Janczak, A.: Identification of Nonlinear Systems Using Neural Networks and Polynomial Models. Springer Berlin (2005)
- Korbicz, J.; Koscielny, J.M.; Kowalczuk, Z.; C holewa, W. (Eds.): Fault Diagnosis. Models, Artificial Intelligence, Application. Springer (2004)
- Ljung, L.: System Identification: Theory for the User P T R Prentice Hall, Englewood Cliffs (1999)
- Niemann, H.:Klassifikation von Mustern. Springer-Verlag, Berlin. (1983)
- Schölkopf, B.; Smola, Alexander J : Learning with kernels: Support vector machines, regularization, optimization, and beyond. MIT Press (2002)
Zugeordnete Studiengänge
Diese Modulversion wird in folgenden Studiengängen verwendet:
| Studiengang / StuPO | Semester | Studiengangsbereich |
|---|---|---|
| Wirtschaftsingenieurwesen StuPO 2015 | SoSe 2020 | Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Informations- und Kommunikationssysteme/Information and Communication Systems (IKS) › Informations- und Kommunikationssysteme/Information and Communication Systems (Wahlpflicht/Compulsory-Elective) › Cognitive Systems |
| WiSe 2020/21 | Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Informations- und Kommunikationssysteme/Information and Communication Systems (IKS) › Informations- und Kommunikationssysteme/Information and Communication Systems (Wahlpflicht/Compulsory-Elective) › Cognitive Systems |
Sonstiges
Das Projekt und das Praktikum kann nur bei ausreichender Ausstattung (wissenschaftliche Mitarbeiter) angeboten werden.
Achtung! Das Modul kann nicht mit dem Modul "Simulation und Technische Diagnose" kombiniert werden. Insbesondere ist eine Belegung nicht möglich, wenn in dem Master-Studiengang Elektrotechnik das Studiengebiet "Automatisierungstechnik" gewählt werden soll.
Achtung! Das Modul kann nicht mit dem Modul "Simulation und Technische Diagnose" kombiniert werden. Insbesondere ist eine Belegung nicht möglich, wenn in dem Master-Studiengang Elektrotechnik das Studiengebiet "Automatisierungstechnik" gewählt werden soll.