Neuer Digital‑Twin‑Prototyp ermöglicht Fehlersuche mit wenigen Daten

Intelligente Fehlerdiagnose (IFD) ist heute ein entscheidendes Werkzeug, um die Sicherheit und Zuverlässigkeit industrieller Anlagen zu gewährleisten. Traditionelle IFD‑Methoden benötigen jedoch große Mengen gelabelter Daten – ein Aufwand, der in der Praxis oft nicht realisierbar ist. Der neue Ansatz nutzt einen digitalen Zwilling (DT), um Simulationsdaten zu generieren, und bietet damit eine vielversprechende Alternative.

Der innovative Prototyp arbeitet bidirektional: Während die Meta‑Training‑Phase im virtuellen DT‑Raum stattfindet, erfolgt die Test‑Zeit‑Anpassung im physischen Raum. Durch eine Prototyp‑Anker‑Strategie, die die Kovarianz zur Datenaugmentation nutzt, wird die Robustheit der Prototyp‑Schätzung deutlich erhöht. Zusätzlich lernt ein Multi‑Periodicity‑Modul die intrinsischen periodischen Merkmale von Stromsignalen, was die Diagnoseleistung weiter verbessert.

Ein DT eines asynchronen Motors wurde mittels Finite‑Element‑Methoden erstellt und in mehreren Few‑Shot‑Szenarien sowie drei Betriebsbedingungen getestet. Vergleichende und Ablationsstudien zeigen, dass der bi‑directionale Ansatz die Genauigkeit der Fehlerdiagnose signifikant steigert, selbst bei extrem begrenzten Datenmengen.