GfM Online CMS

Inbetriebnahme des Peakanalyzers, des Online-CMS der GfM, an einer Windenergie-Anlage.

GfM Online CMS

Inbetriebnahme des Peakanalyzers, des Online-CMS der GfM, an einer Windenergie-Anlage.

Doch wie funktioniert Maschinendiagnose überhaupt? Stellen wir uns vor, die Laufbahn eines Wälzlageraußenrings enthält einen Fehler, etwa einen Pittingschaden. Alle Wälzkörper passieren diese Schadstelle und überrollen sie. Weil aber die Schadstelle ganz sicher irgendwo eine Kante hat, erzeugt jeder einzelne Wälzkörper, der vorbeikommt, einen Stoß. Das ist so, wie wenn jemand mit einem Hammer auf den Wälzlageraußenring schlagen würde. Mit welcher Frequenz, also wie oft pro Sekunde, die Stöße erzeugt werden, lässt sich anhand der Wälzlagergeometrie einfach ausrechnen. Diese Werte könen auch bei den Wälzlagerherstellern abfgefragt werden.

Jeder Stoß bringt nun mehr oder weniger die ganze umgebende Maschinenstruktur zum Schwingen. Diese Schwingungen werden im Material gut weitergeleitet und sind auch in einiger Entfernung zuverlässig messbar. Wir sind heute in der Lage, Schwingungen sehr fein-gliedrig zu analysieren. So ist das Hüllkurvenspektrum ein Werkzeug, das uns die im Signal enthaltenen Stoßfolgen und deren Frequenzen zuverlässig anzeigt. Der Vergleich der gemessenen mit den berechneten Schadensfrequenzen verrät dann, welches Bauteil in welchem Wälzlager geschädigt ist.

An Industriegetrieben gehört die Zahneingriffsschwingung zu den als normal akzeptierten Erscheinungen. Ist jedoch ein Zahn geschädigt, so verändert sich das Schwingungsbild. Die Zahneingriffsschwingung wird mit der Drehschwingung des geschädigten Zahnrads amplitudenmoduliert. Im Spektrum des Signals entstehen Seitenbänder. Und anhand der Frequenz lässt sich genau identifizieren, welches Zahnrad betroffen ist.

Frequenzselektive Maschinendiagnostik

Alle mechanischen Erreger in Antrieben, ganz gleich ob diese auf den normalen Betrieb ober auf Unregelmäßigkeiten zurückzuführen sind, haben eine bestimmte Frequenz. Diese ist in der Regel berechenbar und somit bekannt. Es kommt zwar vor, dass zwei verschiedene Phänomene dieselbe Frequenz besitzen und damit nicht unterschieden werden können – allerdings ist das eher selten der Fall. Selbst dann lässt sich aber oft noch durch den Vergleich der Schwingungsamplituden an verschiedenen Messorten eine grobe Eingrenzung vornehmen.

Außerdem wissen wir, dass wir nach sinusförmigen Schwingungen im Spektrum und nach stoßimpulsförmigen im Hüllkurvenspektrum suchen müssen. Folglich sucht man Unwucht, Ausrichtfehler und Unregelmäßigkeiten an Verzahnungen im Spektrum, beginnende Wälzlagerschäden, Lagersitzprobleme und Wellenschäden dagegen im Hüllkurvenspektrum. Das gilt zumindest für Antriebe, die wenigstens in der reinen Messzeit drehzahlkonstant betrieben werden können.

Weiterbildung

GfM Seminare zum Condition Monitoring

Auch wenn Maschinendiagnostik heute nichts Mystisches mehr ist, besteht dennoch Bedarf nach Wissen auf diesem Gebiet. Dem wird die GfM durch das Seminar Condition Monitoring an Getrieben und Wälzlagern gerecht.
Den konkreten Umgang mit dem Online-Condition-Monitoring-System Peakanalyzer lernt man im Seminar Peakanalyzer. Hier wird in sechs Stunden alles vermittelt, was ein Anwender zur Installation, Konfiguration sowie zur Datenanalyse und Visualisierung bei der Arbeit mit diesem System benötigt.

Seminartermine in Berlin

  • Condition Monitoring an Getrieben und Wälzlagern am 9.-10. Juni 2015 und 29.-30. September 2015
  • Seminar Peakanalyzer am 11. Juni 2015 und 1. Oktober 2015

www.maschinendiagnose.de/seminare.html

Für drehzahlvariable oder drehzahlwellige Antriebe – das dürfte heutzutage die überwiegende Mehrzahl sein – ist alternativ die Ordnungsanalyse das Mittel der Wahl. Dabei wird ein zeitsynchron gemessenes Schwingungssignal mit Hilfe eines ebenfalls zeitsynchron gemessenen Drehzahlsignals auf den überstrichenen Drehwinkel interpoliert. Das Ergebnis sind ein Ordnungsspektrum und ein Hüllkurvenordnungsspektrum, auf deren Abszisse die Ordnung, also die Vielfachen einer zuvor festgelegten Referenzwellendrehzahl, aufgetragen ist.

Doch viel komplexer als die Bildung von Spektren für die Maschinendiagnostik ist deren Bewertung. Bei Temperaturen, Drücken, Kräften oder Drehmomenten ist es üblich, Grenzwerte zu definieren, die sich aus Materialeigenschaften oder geometrischen Parametern berechnen lassen und leicht nachprüfbar sind. Im Rahmen der Maschinendiagnose Grenzwerte für Schwingungsamplituden festzulegen, ist viel komplizierter oder gar unmöglich. Es ist absolut illusorisch, einen allgemeingültigen Zusammenhang zwischen der Höhe eines Peaks im Spektrum oder Hüllkurvenspektrum zu einer mechanisch bestimmbaren Schadensgröße herzustellen. So etwas gelingt nur in Einzelfällen an Antrieben, für die es belastbare Erfahrungswerte gibt.

Automatisierungslösungen

Also wird seit nunmehr mehreren Jahrzehnten nach Lösungen gesucht, die eine Automatisierung der Maschinendiagnose ohne fest definierbare Grenzwerte ermöglichen. Als die Künstliche Intelligenz in den achtziger Jahren in den Medien

GfM Beschleunigungsensoren

Beschleunigungssensoren zur Offline-Schwingungsdiagnose (mit Magneten befestigt), hier am Antrieb einer Zementmühle in Abu Dhabi.

als Schlüsseltechnologie gefeiert wurde, gab es auch für die Maschinendiagnose die Erwartung einer nahen allgemeingültigen Lösung, die allerdings nicht erfüllt wurde.

Für die frequenzselektive Maschinendiagnostik sind heute verschiedene Ansätze zur Automatisierung üblich. Sehr verbreitet ist die Überwachung von Spektren auf Amplitudengrenzwerte, welche zuvor definiert wurde. Diese Grenzwertdefinition kann manuell durch entsprechende Experten oder durch Lernalgorithmen auf der Basis von Referenzdaten erfolgen. Weiterhin können Grenzwerte mit gemessenen Prozessdaten wie Drehzahl oder Leistung verknüpft und damit diesen Parametern im Sinne einer besseren Diagnosezuverlässigkeit nachgeführt werden.

Die GfM hat mit einem anderen Ansatz sehr gute Erfahrungen. Alle gebildeten Spektren – soweit möglich werden vorzugsweise Ordnungsspektren genutzt – werden einer Signifikanzanalyse unterzogen, bei der auffällige Spektrallinien vollautomatisch extrahiert werden. Anschließend wird für diese auffälligen Spektrallinien lediglich überprüft, ob deren Frequenzen mit kinematischen Schadensmustern übereinstimmen. Dieses Verfahren ist von Hause aus weitgehend unabhängig von der Belastung des Antriebs, funktioniert also unter Volllast ebenso wie im Teillastbetrieb. Die Ergebnisse sind so zuverlässig, dass auf manuelle Analysen zunächst verzichtet werden kann. Lediglich für die finale Instandhaltungsentscheidung – Weiterbetrieb oder Reparatur – wird eine Gegenprüfung durch einen Diagnostiker empfohlen. Diese Form der sehr weitreichenden Automatisierung führt zu einem minimalen Betreuungsaufwand der Systeme.

Kennwerte für die Zustandsüberwachung

Auch wenn die frequenzselektive Maschinendiagnose wesentlich mehr und genauere Informationen zu Unregelmäßigkeiten liefert, wird die Kennwertüberwachung in vielen Diagnosesystemen weiterhin genutzt. Warum ist das so?

GfM Ordnungsspektrum

Ordnungsspektrum und Hüllkurvenordnungsspektrum Wälzlager-Innenringschaden.

Menschen lieben technische Systeme, die ihnen Entscheidungen abnehmen. Man braucht über bestimmte Dinge nicht zu entscheiden, also auch nicht nachzudenken und gewinnt freie Kapazitäten für andere Dinge, mit denen wir unser Gehirn so jeden Tag belasten. Obendrein befreien uns diese Systeme scheinbar von der Verantwortung eigener Entscheidungen. Es erscheint uns nämlich viel einfacher, vor anderen die vermeintlich unumstößliche Entschei-dung eines technischen Systems zu verantworten als eine eigene, selbst wenn letztere gerade im Bereich der Zustandsüberwachung eigentlich wesentlich kompetenter sein sollte. Darüber hinaus ist die Bildung von Kennwerten weniger aufwändig als die Bildung und Bewertung von Spektren. Kennwerte stehen also schneller zur Verfügung. Damit können sie effizient zur Steuerung von Maschinen, zumindest für die Notabschaltung bei Erreichen eines ano­malen Zustands eingesetzt werden.

Kennwerte sind jedoch nicht für die differenzierte Analyse von Antrieben geeignet, weil unter Umständen Einflüsse aus Schäden nicht unterscheidbar sind von Einflüssen aus dem Produktionsprozess oder sich ändernden Umgebungsbedingungen. damit sind Fehldiagnosen und somit auch Fehlabschaltungen programmiert. Inwieweit dies vertretbar oder gewollt ist, hängt ab von der Art der überwachten Maschine und ihrem Fehlerfolgenpotenzial.
Dr. Rainer Wirth

Kontakt: GfM Gesellschaft für Maschinendiagnose mbH
Tel.: 030 65762565
E-Mail: mailbox@maschinendiagnose.de
www.maschinendiagnose.de