Datenbasierte Zustandsüberwachung von Wälzlagerschäden in elektromechanischen Antriebssystemen

Zustandsabhängige Wartungsstrategien werden eingesetzt, um bei hoher Anlagenverfügbarkeit geringe Wartungskosten und Ressourcenverbräuche zu erreichen. Kritische Komponenten in elektromechanischen Antriebssystemen sind häufig die Wälzlagerungen. Für die Zustandsüberwachung von Wälzlagern ist die Körperschallanalyse ein etabliertes Verfahren. Als kostengünstige Alternative wird die Zustandsüberwachung auf Basis der Stromsignale des antreibenden Elektromotors erforscht. Außerdem werden datenbasierte Diagnoseverfahren des maschinellen Lernens auf Basis des Körperschalls und der Stromsignale erprobt. Dazu werden Klassifikatoren angewandt, welche Schadenszustände anhand von Trainingsdaten lernen. In dieser Arbeit werden datenbasierte Diagnoseverfahren auf Basis beider Signale untersucht und die notwendige Datenbasis erforscht. Dazu werden Messdaten von Wälzlagerschäden experimentell erzeugt und die Schadenseigenschaften charakterisiert. Eine vergleichende Untersuchung zur Schadensdetektion mit dem etablierten Verfahren der Hüllkurvenanalyse sowie zwei datenbasierten Klassifikatoren weist die prinzipielle Eignung der datenbasierten Zustandsüberwachung nach. In Abhängigkeit von den systematisch kategorisierten Eigenschaften der Wälzlagerschäden werden Schwächen aufgezeigt und daraus Handlungsempfehlungen für eine Anwendung der Verfahren abgeleitet. Die Trainingsdaten werden für weitere Forschungs- und Entwicklungsprojekte im Internet zur Verfügung gestellt.