Online-Fehlerfrüherkennung bei Prüfständen
Ziel dieses vom BMBF geförderten Projekts war die Entwicklung von Datenanalyseverfahren, um die Qualität der Messungen an Getriebeprüfständen laufend vor Ort überwachen zu können – ohne das eigentliche Messprogramm zu stören. Das Steinbeis Transferzentrum führte das Projekt gemeinsam mit der ZF Friedrichshafen AG durch.
Industrielle Prüfstände dienen der Erfassung von Daten über einen „Prüfling” – im konkreten Fall handelt es sich um ein Getriebe – mittels verschiedener Sensoren. Bei bekannter Charakteristik des Prüfstandes kann so aus den Messwerten ein eindeutiger Rückschluss auf die Funktion des Prüflings gezogen werden. Im industriellen Umfeld ist es aber oft nicht mehr möglich, die Integrität des Prüfstandes einer laufenden Kontrolle zu unterziehen. Subtile Störungen im Prüfstand können daher lange Zeit unerkannt bleiben und so zu verfälschten Ergebnissen führen.
In unserem Projekt haben wir Verfahren zur Detektion solcher Störungen aus den vorhandenen Messdaten entwickelt. Hierfür werden die Messdaten z. B. mit Verfahren der nichtlinearen Dynamik analysiert und aus ihnen geeignete Kennwerte extrahiert. Diese dienen dann als Eingangsgrößen für ein neuronales Netz, das eine Klassifizierung durchführt.
Das Verfahren erlaubt vielseitige Anwendungen in der Qualitätsüberwachung von Prüfständen, und kann Störungen im laufenden Betrieb – ohne zusätzliche Sensoren – erkennen.
Info >> Online-Fehlerfrüherkennung bei Prüfständen (Download Imagebroschüre, pdf 207 KB)