Virtuelle Sensoren

Virtuelle Sensoren dienen zur Messung von Werten, welche mit herkömmlichen Sensoren nur sehr schwer, sehr teuer oder überhaupt nicht messbar sind. Dabei werden mathematische Modelle und Softwarefunktionen dazu verwendet, dass die gesuchten Werte aus einfacheren bzw. günstiger verfügbaren Sensorsignalen abgeleitet werden.

Technologie

• Machine-Learning-Verfahren sind zur Entwicklung und Kalibrierung von virtuellen Sensoren bestens geeignet, weil man diesen die gewünschte Funktionalität einfach und effizient antrainieren kann.
• Die entsprechenden DataMining-Verfahren eignen sich zur weitgehend automatisierten und effizienten Identifikation der bestmöglichen Basis-Sensoren und Informationen für die virtuelle Sensorik.
• Stochastische Simulation dient u.A. zur Generierung der Auslegungsdaten für eine effektive Entwicklung und Absicherung der virtueller Sensoren.

Anwendungsbeispiele & Referenzen

Typische Beispiele für virtuelle Sensoren sind etwa

• die Schätzung bzw. Prognose von Kollisionswahrscheinlichkeiten, Gefahren und Kritikalität der Situation in Fahrzeugsicherheitssystemen,
• die Bestimmung von Kapazitätsreserven und Schätzung des Stau-Risikos im Verkehrswesen abhängig von der aktuellen Verkehrssituation,
• die Schätzung von Schädigung oder Ausfallswahrscheinlichkeiten und Bauteilversagen für vorausschauende Wartung und Versagensprognose,
• ...