Signalklassifizierung

Die Klassifizierung von Sensorsignalen zur Beurteilung von Systemzuständen und die Steuerung der daraus abgeleiteten Aktionen ist genauso wie die Zeitreihenprognose einer der Grundbausteine für "Intelligente Systeme" aller Art.

Anwendungsbeispiele

Technische Systeme wie z.B.

  • Sicherheitssysteme bei Fahrzeugen und im automatisierten Fahren, welche die Umgebung beobachten und die Gefährlichkeit der aktuellen Fahrsituation beurteilen,
  • verschiedene Arten von Überwachungssystemen für Betriebsanlagen, welche gefährliche oder abnormale Betriebszustände erkennen und warnen oder autonom kontrollieren,
  • Überwachungssysteme für die Umwelt, welche vorausschauend warnen, um rechtzeitig Gegenmaßnahmen einleiten zu können,
  • jede Art von autonomen Roboter, welche Objekte erkennen und ihre Umgebung interpretieren müssen,
  • Verkehrsüberwachungs- und Regelungsanlagen, welche die Verkehrssituation klassifizieren und automatisch die jeweils beste Regelungsstrategie auswählen,
  • Klassifikation und Interpretation der Systemzustände für situationsadaptive Regelungssysteme,
  • verschiedenste Arten von Diagnosesystemen,
  • u.ä.m.

sind alle ausgestattet mit einer Reihe von Sensoren, welche den jeweiligen Systemzustand überwachen und in kritischen Situationen präventiv und gegebenenfalls autonom eingreifen können, um die kritischen Zustände schon vor Eintritt in einen Gefahrenbereich zu erkennen und diese nach Möglichkeit zu vermeiden.

Technologien und Vorteile

Machine-Learning-Verfahren sind deswegen prädestiniert für solche Aufgabenstellungen, weil sie

  • selbst bei hochkomplexen Aufgabenstellungen schnell entwickelt und implementiert werden können,
  • mit unscharfen und/oder unvollständigen Sensor-Daten und Informationen zurechtkommen können,
  • systematische Sensorfehler leicht ausgleichen können,
  • sehr robust in Entwicklung und Betrieb sind,
  • adaptionsfähig sind und sich schnell an neue Betriebsbedingungen anpassen können,
  • u.ä.m.

Werkzeuge