Projektbeschreibung
Neue Möglichkeiten zur Erkennung von Ausfällen kritischer Infrastrukturen
Kritische Infrastrukturen sind das Fundament von Gesellschaften. Durch sie werden unverzichtbare Güter und Dienstleistungen bereitgestellt. Ein Ausfall von kritischen Infrastrukturen – durch Defekte oder Störungen – kann erhebliche wirtschaftliche Verluste zur Folge haben. Aus diesem Grund ist eine rasche Erkennung von höchster Bedeutung. Das EU-finanzierte Projekt FAULT-LEARNING gestaltet und entwickelt ein E-Learning-System zur Störungsdiagnose, mit der Daten von kritischen Infrastruktureinrichtungen in Echtzeit überwacht und ausgewertet werden sollen. Dabei werden die Möglichkeiten des E-Learning genutzt. Das Projekt geht auch die Unausgewogenheit der Kategorien an, was für lernfähige Systeme eine erhebliche Herausforderung darstellt, da Störungen Ereignisse niedriger Wahrscheinlichkeit sind. Das Projekt bietet außerdem einen Prototyp für die Sensorenstörungsdiagnose, der in einer Testumgebung mit „intelligenten Gebäuden“ getestet wird, um eine effiziente Erprobung unter realistischen Bedingungen zu ermöglichen.
Ziel
The aim of the project is to design and develop an online learning-based fault diagnosis engine with adaptation capabilities. This engine will monitor and analyse data arriving in real time from critical infrastructure (CI) systems, to accurately detect a potential fault and effectively isolate and identify its exact location. Modern society relies heavily on the availability and smooth operation of CI systems, such as electrical power systems, water distribution systems and telecommunication networks. In such large-scale, complex engineering systems when a failure occurs due to faults, it can have severe societal, health and economic consequences. The sequential arrival of data in CI systems calls for a fault diagnosis engine with adaptive behaviour to achieve and maintain optimal performance. However, the vast majority of existing work falls short on this requirement. This project will incorporate online learning capabilities to achieve adaptability and will also address class imbalance, a major challenge for learning systems, arising from the fact that faults are low probability events. Online class imbalance learning (OCIL) is an emerging research topic focusing on the combined challenges of online learning and class imbalance. We will shed light on supervised OCIL as very few methods currently deal with this problem and address for the first time the unsupervised and semi-supervised OCIL problems. The proposed algorithms will be evaluated in realistic fault diagnosis datasets from industrial partners and in an advanced Smart Buildings simulator allowing us to run sensor fault scenarios in large-scale multi-zone buildings. Furthermore, a prototype on sensor fault diagnosis will be delivered that will be evaluated on a physical Smart Buildings testbed to enable its efficient testing under realistic conditions. Overall, this novel and interdisciplinary project will provide invaluable insights on incorporating learning capabilities in CI systems fault diagnosis.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Wir bitten um Entschuldigung ... während der Ausführung ist ein unerwarteter Fehler aufgetreten.
Sie müssen sich authentifizieren. Ihre Sitzung ist möglicherweise abgelaufen.
Vielen Dank für Ihr Feedback. Sie erhalten in Kürze eine E-Mail zur Übermittlungsbestätigung. Wenn Sie sich für eine Benachrichtigung über den Berichtsstatus entschieden haben, werden Sie auch im Falle einer Änderung des Berichtsstatus benachrichtigt.
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
(öffnet in neuem Fenster) H2020-WF-2018-2020
Andere Projekte für diesen Aufruf anzeigenUnterauftrag
H2020-WF-01-2018
Finanzierungsplan
MSCA-IF-EF-ST -Koordinator
1678 Nicosia
Zypern