Entwurf eines Strukturüberwachungssystems für einen Ultraleichthubschrauber mittels Machine Learning

Kurzfassung

Im Rahmen dieser Arbeit wird untersucht, wie sich die Betriebssicherheit eines Ultraleichtkoaxialhubschraubers gegenüber Materialversagen steigern lässt. Hierzu wird mit Hilfe von Methoden des Maschinellen Lernens überprüft, wie diese Zielstellung erreicht werden kann. Im Speziellen erfolgt eine Untersuchung der Anwendbarkeit neuronaler Faltungsnetzwerke zur Erkennung von Anomalien in aufgezeichneten Flugdaten eines Ultraleichtkoaxialhubschraubers des Typs CoAX-2D. Dabei findet ebenfalls eine Überprüfung der Auswirkung von Lernen mit zusätzlichem Wissen statt. Mit Hilfe der gewählten Ansätze soll gezeigt werden, ob und wie gut sich neuronale Faltungsnetzwerke zur Anomaliedetektion im Rahmen einer Strukturüberwachung eignen. Abschlieÿend erfolgt eine kurze Überprüfung der potentiellen Umsetzbarkeit eines zukünftigen Health and Usage Monitoring Systems im Rahmen des LuFo - Projektes MIND.