Maschinendiagnose mit Spektren höherer Ordnung

Die Diagnose von Wälzlagern im laufenden Betrieb wird auf der Basis von Schwingungssignalen durchgeführt, die über Sensoren erfasst werden. In der Praxis erfassen diese Sensoren jedoch nicht nur Schwingungssignale, die durch Lagerschäden verursacht werden, sondern meist auch umfangreiche weitere Signalanteile. So werden zwangsläufig vielfältige, störende Schwingungssignale mitgemessen, die die eigentlich interessierenden Schadenssignale überdecken. Eine wesentliche Herausforderung besteht in der Erkennung der Signalanteile, die auf einen Lagerschaden hindeuten. Das Forschungsprojekt entwickelt innovative, hochgenaue Methoden zur Signalanalyse, die im Vergleich zu bestehenden Verfahren eine höhere Analysegüte haben und auch eine bessere Automatisierbarkeit der Auswertung ermöglichen.

Damit gewonnene Daten über den Zustand von Wälzlagern erlauben es, deren Lebensdauer gezielt auszuschöpfen und die Wartung bedarfsgerecht durchzuführen. Bisher übliche, feste Wartungsintervalle werden damit dem tatsächlichen Bedarf angepasst. Zusammen mit der fortschreitenden Entwicklung und Integration kostengünstiger Sensorik und der entsprechenden Internet-basierten Signalverarbeitung (IoT, Industrie 4.0) können in diesem Bereich entscheidende Fortschritte erzielt werden. So kann die Verfügbarkeit von Maschinen erhöht und unnötiger Wartungsaufwand vermieden werden.