Projekt
sRMC – Safety related Remote Process Monitoring & Control
Einsatz von KI in akustikbasierten Sensorsystemen zur Gasleckagenerkennung
dashboard Zielsetzung
Im sRMC-Projekt sollen mithilfe von akustischen Sensorsystemen Gasleckagen mittels Deep Learning erkannt werden. An einer kleinen Versuchsanlage sollen Leckageszenarien simuliert werden. Außerdem sollen Mikrofone und Köperschallsensoren genutzt werden, um Akustikdaten aufzuzeichnen. Um den realen Anlagenfall zu simulieren, sollen vorerst Störgeräusche durch Maschinen und Pumpen simuliert werden. Nach der Simulation soll die Versuchsanlage auch in echten Industrieanlagen positioniert werden, um unter realen Umständen Leckageszenarien aufzuzeichnen. Mithilfe verschiedener Machine Learning Ansätze soll die eigenerzeugte Leckagedatenbank um künstliche Trainingsdaten erweitert werden um die Erkennungswahrscheinlichkeit zu erhöhen.
Gasleckagen könnten in Zukunft flächendeckend mithilfe von Sensorsystemen und künstlicher Intelligenz erkannt werden. Dafür forschen wir im Projekt sRMC.
Abbildung: Leckageüberwachung mit und ohne sRMC.
dashboard MILESTONES
Schwachstellenanalyse
Definition eines Früherkennungssystems
Entwicklung eines Früherkennungssystems
Validierung des Systems an einer Testanlage
dashboard Übersicht
Datenerhebung
Datentransformation
Machine Learning
dashboard Motivation
Die aktuelle geopolitische Lage und die daraus resultierende problematische Energieabhängigkeit einzelner Länder rücken die Minimierung von Energieverlusten weiter in den Fokus. Die wirtschaftliche Kostenreduzierung wird durch das Energiesparpaket der Bundesregierung weiter verschärft.
Zukünftig werden immer mehr Speichersysteme mit Wasserstoff betrieben, bzw. das Leitungsnetz mit Wasserstoff statt Erdgas genutzt. Der Technologiewandel weg von fossilen Brennstoffen hin zu erneuerbaren Energien macht die Energiespeicherung in Energieträgern wie Wasserstoff notwendig. Wasserstoff wird bei hohen Drücken von bis zu 800 bar transportiert und gespeichert. Neben der scheinbar unbedeutenden Kostenreduzierung aufgrund von Energieverlusten ist die Leckageerkennung bei Wasserstoff wegen der möglichen Gefährdung von Menschenleben von großer Bedeutung. Das Forschungsprojekt wird dazu beitragen, den Menschen im Prozess der Anlagenüberwachung zu unterstützen und zu verbessern und ihn in naher Zukunft zu ersetzen.
ashboard PUBLIKATIONEN
Publikationen in Vorbereitung.
PROJEKTLEITUNG:
MITARBEITER | KONTAKT:
person Deniz Quick, M.Sc.
email E-Mail senden
phone +49 721 6699 4780
FORSCHUNGSSCHWERPUNKTE:
Weitere Projekte
SmOP – Smart Overpressure Protection Device
Intelligente Absicherung chemischer Reaktoren mit adaptiven Sicherheitseinrichtungen.
RiIM – Risk-based Pipeline Integrity Management
Entwicklung eines KI-gestützten, risikobasierten Pipeline-Integritätsmanagementsystems
EuroValve – European Program on Evaluation of Safety Valve Stability
Entwicklung eines neuen Sicherheitskriteriums für Sicherheitsventile.
Quelle des Titelbilds "Tube Geometry", Projekt RiIM: Harald Hoyer from Schwerin, Germany, CC BY-SA 2.0, via Wikimedia Commons
.jpg){kind=link}
Quelle des Titelbilds "Winstainforth", Projekt SafeDDT, CC BY-SA 3.0, via Wikimedia Commons
