GENAU

Motivation 

An die Genauigkeit und Zuverlässigkeit bei der Messung von Prozessgasgemischen sowie bei der Überwachung der Umgebung auf Schadstoffe werden höchste Anforderungen gestellt. Für diese Anwendungen hat sich die direkte Laserabsorptionsspektroskopie (LAS) als besonders geeignetes Messverfahren etabliert. Allerdings führen verschiedenste Störfaktoren zu Verzerrungen der gemessenen Spektren, deren Erkennung und Korrektur aufgrund ihrer komplexen Überlagerung mit bisherigen Verfahren nicht ausreichend möglich ist.

Ziele und Vorgehen 

Es werden Machine-Learning (ML) Verfahren zur Entstörung von Spektren erforscht, um so eine genauere und zuverlässigere Messung der Gaskonzentration auf Basis LAS zu ermöglichen. Zudem wird ein KI-Agent entwickelt, der Spektren auf Plausibilität prüft, Gerätefehler erkennt und Anwender gezielt unterstützt. Zur Erprobung der Technologie beim Endanwender SKAN AG werden umfangreiche synthetische Datensätze erzeugt sowie Spektren unter verschiedenen Bedingungen aufgezeichnet, auf deren Basis die ML-Modelle trainiert, optimiert und validiert werden.

Innovation und Perspektiven

Die im Projekt entwickelten Ansätze zur Entstörung von LAS-Spektren sowie der Erkennung und Kommunikation von Fehlern mit dem Nutzer werden neue Anwendungsfelder für Messungen mit höchsten Anforderungen in verschiedenen Industriezweigen erschließen und damit den Technologievorsprung gegenüber der internationalen Konkurrenz sicherstellen. Grundsätzlich kann die Technologie auf weitere Gase und Messaufgaben übertragen und so breit industriell eingesetzt werden.