Sen­sor­da­ten­fu­si­ons­an­sät­ze in der Ther­mo­gra­fie zur Ver­bes­se­rung der Mess­er­geb­nis­se

Be­ar­bei­ter

Zeit­raum

April 2010 - August 2014

Jedes farbliche Gebiet enspricht einer Fahrsituation. Dieses Ergebnis demonstriert die Anwendbarkeit von Klassifiktionsmethoden zur Situationserkennung.

 

Veröffentlichungen

Gerland, P. Einführung in die statistische Mustererkennung. Forschungsbericht 1/2009, MRT, Universität Kassel.

Gerland, P.; Schulte, H.; Kroll, A.  Wahrscheinlichkeitsbasierte globale Situationserkennung bei komplexen Systemen. In Mikut, R.; Reischl, M., editors, 18. Workshop Computational Intelligence, Vol. 24 of Schriftenreihe des Instituts für Angewandte Informatik / Automatisierungstechnik, pp. 174-188, Dortmund, Dezember 2008.

Gerland, P.; Schulte, H.; Kroll, A.  Probability-based global state detection of complex technical systems and application to mobile working machines. In ECC, Budapest, Hungary, August 23-26, 2009, pp. 1269-1274.

Schulte, H.; Gerland, P.  Observer Design using T-S Fuzzy Systems for pressure estimation in hydrostatic transmissions. In International Conference on Intelligent Systems Design and Applications (ISDA), Pisa, Italy, November 30 - December 2 2009.

Gerland, P.; Schulte, H.; Kroll, A.  Vergleichende Untersuchung nichtlinearer Beobachterkonzepte zur Fehlerdiagnose am Beispiel hydrostatischer Fahrantriebe. In Mikut, R.; Reischl, M., editors, 19. Workshop Computational Intelligence, Schriftenreihe des Instituts für Angewandte Informatik / Automatisierungstechnik, Dortmund, Dezember 2009, pp. 61-74.

Gerland, P.; Gross, D.; Schulte, H.; Kroll, A.  Robust Adaptive Fault Detection Using Global State Information and Application to Mobile Working Machines. Conference on Control and Fault-Tolerant Systems (SysTol), Nice, France, October 6-8, 2010.

Gerland, P.; Gross, D.; Schulte, H.; Kroll, A.  Design of Sliding Mode Observers for TS Fuzzy Systems with Application to Disturbance and Actuator Fault Estimation. 49th IEEE Conference on Decision and Control (CDC), Atlanta, USA, December 15-17, 2010.

Gerland, P.  Zur Robustheitssteigerung eines klassifikationsgestützten adaptiven Fehlerdiagnoseansatzes. 20. Workshop Computational Intelligence, Schriftenreihe des Instituts für Angewandte Informatik / Automatisierungstechnik, Dortmund, Dezember 2010.

Gerland, P. Klassifikationsgestützte on-line Adaption eines robusten beobachterbasierten Fehlerdiagnoseansatzes für nichtlineare Systeme, Dissertation, 2011, Kassel

 

 

För­de­rung

Kurz­be­schrei­bung

Thermografie hat sich als wichtiges Hilfsmittel für die Inspektion, Prüfung und Überwachung etabliert. Bei vielen Anwendungen ist eine einzelne Messung allein oft nicht aussagekräftig, z. B. weil Strukturen nicht deutlich genug wahrgenommen werden können, das Messobjekt größer als das Blickfeld der Optik ist oder sich Kenngrößen erst aus dem zeitlichen Verlauf von Messungen ergeben. Zudem erfasst der Bediener der Kamera mit seinen Sinnen und seiner Erfahrung noch viele weitere Einflussgrößen, die bei der Entscheidungsfindung berücksichtigt werden. Eine Automatisierung von Inspektionsaufgaben in unbekannten Umgebungen ist also sehr komplex.

In dieser Arbeit werden daher verschiedene Sensordatenfusionsansätze untersucht, die in der Thermografie eingesetzt werden können. Das Ziel bei der Fusion ist dabei die Verbesserung der Qualität der Messung und die Vergrößerung der Menge an nutzbaren Informationen über ein Messobjekt. Die betrachteten Ansätze können entweder nur mit Messungen der Thermografiekamera durchgeführt werden, 

  • zur Rauschunterdrückung durch zeitliche Mittelwertbildung,
  • zur Vergrößerung der Schärfentiefe durch Kombination von Aufnahmen mit unterschiedlichem Fokus,
  • zur Vergrößerung der Dynamik (also des Temperaturmessbereichs) durch Kombination von Messungen mit unterschiedlichen Messbereichen und
  • durch Veränderung von Filtereinstellungen zur Unterdrückung von Störungen und zum Ableiten von geometrischen Informationen und Oberflächeneigenschaften.

 Weiterhin kann durch Veränderung der Kameraausrichtung 

  • das Blickfeld vergrößert und
  • die geometrische Auflösung verbessert werden. 

Die Datenfusion von Thermogrammen kann aber auch mit Daten von anderen bildgebenden Messgeräten durchgeführt werden. Betrachtet wird die Kombination mit 

  • normalen Kameras im sichtbaren Spektralbereich,
  • Thermografiekameras in anderen Wellenlängenbereichen und
  • Tiefenkameras/Entfernungsmessgeräten (3D Scanner, Laserscanner). 

Dadurch lassen sich für einen Messpunkt mehr Informationen gewinnen und die Messdaten können geometrisch als 3D Modelle interpretiert und analysiert werden. Die Vielzahl an Informationen soll eine solide Dokumentation und gute (automatische) Analyse ermöglichen.

Anhand von der mobilen Inspektion (vgl. Projekt RoboGasInspector) soll die Machbarkeit der automatisierten robotischen Inspektionsdurchführung und die Kombination und praktische Anwendung der verschiedenen Sensordatenfusionsansätze gezeigt werden.