This paper investigates the use of neural networks to predict characteristic parameters of the grease application process pressure curve. A combination of two feed-forward neural networks was used to estimate both the value and the standard deviation of selected features. Several neuron configurations were tested and evaluated in their capability to make a probabilistic estimation of the lubricant’s parameters. The value network was trained with a dataset containing the full set of features and with a dataset containing its average values. As expected, the full network was able to predict noisy features well, while the average network made smoother predictions. This is also represented by the networks’ R2 values which are 0.781 for the full network and 0.737 for the mean network. Several further neuron configurations were tested to find the smallest possible configuration. The analysis showed that three or more neurons deliver the best fit over all features, while one or two neurons are not sufficient for prediction. The results showed that the grease application process pressure curve via pressure valves can be estimated by using neural networks.
17 September 2025 in e+i Elektrotechnik und Informationstechnik
Zusammenfassung: Um für einen etwaigen Ernstfall gewappnet zu sein, ist es notwendig, dass von Rettungskräften regelmäßig Katastrophenschutzübungen durchgeführt werden. Eine einheitliche Bewertung des Verhaltens der Rettungskräfte ist wichtig, um die Abläufe zu kontrollieren und etwaige Verbesserungsmöglichkeiten zu identifizieren. Diese Übungen werden heutzutage jedoch noch größtenteils von Evaluator:innen mittels Papier und Checklisten bewertet. Um die Teilnehmer:innen jedoch neutral und gleichbleibend zu bewerten, ist ein neuer Ansatz bei der Evaluierung nötig. In diesem Artikel wird ein Sensormodul vorgestellt, mit dem die automatisierte Erfassung ausgewählter Parameter während einer Katastrophenschutzübung ermöglicht wird. Die gewählte Datenerfassungsarchitektur inklusive Sensorik, dem Messmodul und der Datenübertragung wird vorgestellt, analysiert und diskutiert. Das als Demonstrator realisierte Multisensormodul besteht aus einem ESP32-WROVER-Mikrocontroller und einem integrierten Sensorbündel (IMU, UWB, GNSS, Audio und NFC) und kann von den Übungsteilnehmer:innen außen auf der Weste getragen werden. Im Rahmen von Feldtests wurden bei mehreren Einsatzübungen das Sensormodul getestet und die erfassten Sensordaten Position, Orientierung sowie gesprochene Kommandos an die Leitstelle zur weiteren Auswertung und Evaluierung übermittelt.