Erweiterung und Optimierung eines expertenbasierten Systems zur Fehlerdetektion in raumlufttechnischen Anlagen: ein ontologiebasierter Ansatz

Liebhold, Max; Blechmann, Sebastian; Wassermann, Christian; Müller, Dirk; Müller, Matthias S.; Terboven, Christian

doi:10.18154/RWTH-2026-05560

Erweiterung und Optimierung eines expertenbasierten Systems zur Fehlerdetektion in raumlufttechnischen Anlagen: ein ontologiebasierter Ansatz = Extension and optimization of an expert-based system for fault detection in air handling units: An ontology-based approach

Liebhold, Max^RWTH*

2026

VerantwortlichkeitsangabeMax Liebhold

ImpressumAachen : RWTH Aachen University 2026

Umfang1 Online-Ressource : Illustrationen

Bachelorarbeit, RWTH Aachen University, 2025

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University

Genehmigende Fakultät
Fak01

Hauptberichter/Gutachter
Müller, Matthias S. (Thesis advisor)^RWTH* ; Müller, Dirk (Thesis advisor)^RWTH* ; Terboven, Christian (Consultant)^RWTH* ; Wassermann, Christian (Consultant)^RWTH* ; Blechmann, Sebastian (Consultant)^RWTH*

Tag der mündlichen Prüfung/Habilitation
2025-03-19

Online
DOI: 10.18154/RWTH-2026-05560
URL: https://publications.rwth-aachen.de/record/1036532/files/1036532.pdf

Einrichtungen

Inhaltliche Beschreibung (Schlagwörter)
APAR (frei) ; PyPy (frei) ; Python (frei) ; air handling units (AHU) (frei) ; fault detection and diagnosis (FDD) (frei) ; ontology (frei) ; performance analysis (frei) ; performance optimisation (frei)

Thematische Einordnung (Klassifikation)
DDC: 004

Kurzfassung
In einer vorausgegangenen Arbeit wurde ein regelbasiertes Fehlerdetektions und -diagnose (FDD)-System für raumlufttechnische (RLT)-Anlagen unter der Verwendung von Ontologien entwickelt. Das Ziel war es, ein generalisiertes und übertragbares FDD-System zu entwickeln, welches für Anlagen verschiedenster Hersteller mit verringertem Arbeitsaufwand anwendbar ist. Für das auf Expertenwissen beruhende FDD-System wurde das AHU Performance Assessment Rules (APAR)-Regelset verwendet und eine Implementierung in Python angefertigt. Dieses Programm wies jedoch sehr hohe Laufzeiten bis zu 26 Minuten auf, was einen Live-Betrieb in Anlagen erschweren könnte. Im Rahmen dieser Arbeit wird dieses Programm bezüglich Struktur und Laufzeit analysiert und infolgedessen erweitert und bezüglich der Laufzeit, der Wartbarkeit und Erweiterbarkeit optimiert. Mit Simulationsdaten werden verschiedene, entwickelte Ansätze zur Laufzeitverbesserung getestet, wie beispielsweise das Management von Datenbankverbindungen und die Verwendung lokaler Daten. Eine Erweiterung um neue Regeln und die Entwicklung von Funktionen zur Verbesserung der Robustheit des Programms werden vorgestellt. Die Laufzeit wird insgesamt um einen durchschnittlichen Faktor von 28,52 oder bis zu 59,61 beschleunigt und das Programm wird durch neue Funktionen und Module einfacher wartbar und erweiterbar. Das optimierte und erweiterte Programm ermöglicht es, Sensordaten von RLT-Anlagen mit einer deutlich geringeren Laufzeit auf Fehler zu prüfen. Damit wird das Testen und Weiterentwickeln des Programms insgesamt vereinfacht. Die Erweiterungen bieten darüber hinaus eine ausgedehnte Funktionalität und verbessern die Generalisierung des Ansatzes.

In a previous work, a rule-based fault detection and diagnosis (FDD) system for air handling units (AHU) was developed using ontologies. The aim was to develop a generalized and transferable FDD system that can be applied to systems from a wide range of manufacturers with reduced workload. For the FDD system based on expert knowledge, the APAR rule set was used and an implementation was created in Python. However, this program had very high runtimes of up to 26 minutes, which could make live operation in plants difficult. In this thesis, the program is analyzed in terms of structure and runtime and subsequently extended and optimized in terms of runtime, maintainability and expandability. Simulation data is used to test various approaches developed to improve runtime, such as the management of database connections and the use of local data. An extension with new rules and the development of functions to improve the robustness of the program are presented. Overall, the runtime is accelerated by an average speed-up of 28.52 or up to 59.61 and the program is made easier to maintain and expand thanks to new functions and modules. The optimized and expanded program makes it possible to check sensor data from air handling units for faults with a significantly shorter runtime. This simplifies the testing and further development of the program as a whole. The extensions also offer extended functionality and improve the generalization of the approach.

OpenAccess:
PDF
(additional files)