CN115935248A - 鉴别齿轮的方法、设备、计算机程序和计算机可读的介质 - Google Patents

Abstract

一种用于鉴别在变速器中引起振动的齿轮(5)的计算机实施的方法，包括以下步骤：借助于一组基准齿轮(19)的训练数据集来训练通用的AI模型，其中为该组的每个基准齿轮(19)设置基准齿轮(19)的表面(21)的至少一个基准轮廓和齿轮类别，其中将齿轮类别的第一齿轮类别(23)与该组的在变速器中引起等于或大于振动阈值的振动的每个基准齿轮(19)相关联，并且将齿轮类别的第二齿轮类别(25)与在变速器中引起低于振动阈值的振动的每个基准齿轮(19)相关联，经训练的AI模型可以将齿轮类别的一齿轮类别与每个齿轮(5)相关联；检测齿轮(5)的表面(11)的轮廓；和根据检测到的轮廓通过经训练的AI模型将齿轮类别之一与齿轮(5)相关联。本发明还涉及相应的设备，以及相应的计算机程序和相应的计算机可读的介质。

Description

鉴别齿轮的方法、设备、计算机程序和计算机可读的介质

技术领域

本发明涉及一种用于鉴别在变速器中引起振动的齿轮的计算机实施的方法、设备、计算机程序和计算机可读的介质。

背景技术

从现有技术已知用于鉴别在变速器引起振动的齿轮的方法。通常将变速器、尤其齿轮变速器制成为，使得其由其齿轮和变速器的其它部件组成。制成的变速器于是通常在所谓的生产线末端检查步骤中检查。在所述检查步骤中，可以通过检查台来通过以下方式模拟变速器的运行：即将变速器置于对于运行典型的状态中。于是，在不同状态下可以测量和评估通过变速器部件引起的振动。

如果变速器的测量到的振动等于阈值或高于阈值，则所述变速器不能被投入使用，并且也可以称作为故障的变速器。

一般而言值得期望的是：最小化变速器的平均制造持续时间以及最小化用于变速器故障分析的时间耗费。

发明内容

因此，本发明的目的是：最小化变速器的平均制造持续时间并且最小化用于变速器故障分析的时间耗费。

根据本发明的第一方面，所述目的通过具有权利要求1所述的特征的计算机实施的方法来实现。该方法用于鉴别在变速器中引起振动的齿轮。该方法包括以下步骤：借助于一组基准齿轮的训练数据集来训练通用的AI模型。为该组的每个基准齿轮设置基准齿轮的表面的至少一个基准轮廓和齿轮类别。将齿轮类别的第一齿轮类别与该组的在变速器中引起等于或大于振动阈值的振动的每个基准齿轮相关联。将齿轮类别的第二齿轮类别与在变速器中引起低于振动阈值的振动的每个基准齿轮相关联。经训练的AI模型可以为每个齿轮分配齿轮类别的一齿轮类别。该方法还包括以下步骤：检测齿轮的表面的轮廓。该方法还包括以下步骤：根据检测到的轮廓通过训练过的AI模型为该齿轮分配齿轮类别之一。

该方法用于鉴别在变速器中引起振动的齿轮。特别地，该方法适合于：鉴别在变速器中引起等于或高于振动阈值的振动的齿轮。振动阈值优选地是以下阈值，自所述阈值起变速器不能被投入使用。特别地，该方法用于：从一组齿轮中鉴别在变速器中引起等于或大于振动阈值的振动的齿轮，所述齿轮设置用于所述变速器。该方法适合于：鉴别齿轮，所述齿轮可以是例如正齿轮或锥齿轮。该方法同样可用于其它类型的齿轮。

该方法包括：借助于一组基准齿轮的训练数据集训练通用的AI 模型。通用的AI模型也可以称为通用的人工智能模型。AI模型可以基于例如机器学习方法。例如，AI模型可以基于利用神经网络的深度学习方法。优选地，AI模型基于以下分类器之一：朴素贝叶斯分类器、基于逻辑回归的分类器、线性支持向量机(SVM)、非线性 SVM、基于神经网络的分类器、基于人工神经网络的分类器、基于决策树的分类器或基于随机森林的分类器。系列检查表明：AI模型当其在基于神经网络的分类器的基础上时可以尤其精确地预测：哪个齿轮在变速器中引起等于或高于振动阈值的振动。此外，所述系列检查表明：AI模型当其在基于随机森林的分类器的基础上时同样可以非常精确地预测：哪个齿轮在变速器中引起等于或高于振动阈值的振动。

为该组的每个基准齿轮设置基准齿轮表面的至少一个基准轮廓和齿轮类别。特别地，训练数据集对于该组的每个基准齿轮具有基准齿轮表面的至少一个基准轮廓和齿轮类别。例如，对于该组的每个基准齿轮设有基准齿轮表面的刚好一个基准轮廓。替代地，可以为每个基准齿轮设置基准齿轮表面的两个基准轮廓。如果为每个基准齿轮设置基准齿轮表面的两个基准轮廓，则优选的是：这两个基准轮廓是所述基准齿轮的一个齿的轮廓。例如，还可以为每个基准齿轮设置基准齿轮表面的四个、六个、八个或十个基准轮廓。在这些情况下，优选地提出：每两个基准轮廓分别是基准齿轮的一个齿的轮廓。对于设有八个基准轮廓的情况，优选地，两个基准轮廓是第一齿的轮廓，另外两个基准轮廓是第二齿的轮廓，再两个基准轮廓是第三齿的轮廓，并且最后两个基准轮廓是第四齿的轮廓

将齿轮类别中的第一齿轮类别与该组的在变速器中引起等于或大于振动阈值的振动的每个基准齿轮相关联。将齿轮类别中的第二齿轮类别与在变速器中引起低于振动阈值的振动的每个基准齿轮相关联。优选地，振动阈值是以下阈值，变速器自所述阈值起不能被投入使用。因此，为每个基准齿轮关联要么第一齿轮类别要么第二齿轮类别。借助于第一和第二齿轮类别将基准齿轮划分成两个类别。借助于第一和第二齿轮类别也可以将借助经训练的AI模型根据其轮廓进行评估的每个齿轮划分到两个类别之一中。与第一齿轮类别相关联的每个基准齿轮也可以称作为故障的基准齿轮。与第二齿轮类别相关联的每个基准齿轮也可以称作为无故障的基准齿轮。在变速器中引起低于振动阈值的振动的每个基准齿轮当该基准齿轮在变速器中没有引起振动时也与第二齿轮类别相关联。每个齿轮类别也可以称作为齿轮等级。

优选地，第一齿轮类别具有子类别。例如，第一齿轮类别具有第一子类别和第二子类别。子类别中的每个子类别都可以与基准齿轮的具体故障相关联。例如可以将第一子类别与粗糙度高于粗糙度阈值的每个基准齿轮相关联。例如可以将第二子类别与不平度高于不平度阈值的每个基准齿轮相关联。可以将其它的子类别与其表面具有特定缺陷的每个基准齿轮相关联。例如可以设有第三子类别，所述第三子类别与其表面由于砂轮破损而损坏的每个基准齿轮相关联。借助于子类别，可以将不同故障等级的至少一个故障等级与每个基准齿轮相关联，其中每个子类别对应于一故障等级。如果相应的基准齿轮与第一齿轮类别相关联，可以优选地为每个基准齿轮关联至少一个子类别。优选地，训练数据集对于每个基准齿轮具有至少一个基准轮廓、两个齿轮类别之一以及必要时一个或多个子类别。

经训练的AI模型可以为每个齿轮关联齿轮类别中的一齿轮类别。特别地，经训练的AI模型可以为不是基准齿轮的每个齿轮关联齿轮类别中的一齿轮类别。通过使经训练的AI模型可以为每个齿轮关联一齿轮类别的方式，经训练的AI模型可以将每个齿轮划分进两个类别之一。与第一齿轮类别相关联的每个齿轮也可以称为故障的齿轮。与第二齿轮类别相关联的每个齿轮也可以称为无故障的齿轮。齿轮的类型优选地对应于基准齿轮的类型。例如当齿轮是正齿轮时，基准齿轮是正齿轮。替代地优选的是：当齿轮是锥齿轮时，基准齿轮是锥齿轮。特别地优选的是：齿轮和基准齿轮是结构相同的。

该方法还包括以下步骤：检测齿轮表面的轮廓。可以通过测量齿轮表面的轮廓检测齿轮表面的轮廓。替代地可以通过读取表面轮廓来检测齿轮表面的轮廓。例如可以将轮廓以电子形式存储在数据存储器中并且可以通过处理器从数据存储器中读取。替代地，轮廓可以以打印在纸上的形式存在。打印的轮廓可以由扫描装置光学检测。光学检测的轮廓可以存储在数据存储器中，并且然后由处理器读取。特别地提出：检测齿轮表面的至少一个轮廓。例如，可以检测齿轮表面的两个或更多个轮廓。特别地，齿轮表面的被检测的轮廓的数量对应于每个基准齿轮的基准轮廓的数量。对于齿轮，一个或多个轮廓优选地类似于一个或多个基准轮廓来测量。如果检测齿轮表面的多个轮廓，则可以将所述轮廓与齿轮的不同齿相关联。例如，可以设置齿轮表面的两个、四个、六个、八个或十个轮廓。在这些情况下优选地提出：每两个轮廓分别是齿轮的同一齿的轮廓。例如对于设有齿轮表面的两个轮廓的情况优选的是：两个轮廓是齿轮的同一齿的轮廓。对于设有八个轮廓的示例性情况，优选地，两个轮廓是齿轮的第一齿的轮廓，另外两个轮廓是齿轮的第二齿的轮廓，再两个另外的轮廓是齿轮的第三齿的轮廓，并且最后两个轮廓是齿轮的第四齿的轮廓。

该方法还包括以下步骤：通过经训练的AI模型根据检测到的轮廓将齿轮类别之一与齿轮相关联。特别地提出：对于检测了齿轮的多个轮廓的情况，通过经训练的AI模型根据多个检测到的轮廓将齿轮类别之一与齿轮相关联。根据检测到的一个或多个轮廓，通过经训练的AI模型将齿轮类别中的一个齿轮类别与齿轮相关联。根据与齿轮相关联的齿轮类别，可以得出齿轮是否故障的结论。尤其当将第一齿轮类别与齿轮相关联时，则可以得出以下结论：当该齿轮装入变速器中时，该齿轮在变速器中将引起等于或高于振动阈值的振动。同样地，当将第二齿轮类别与齿轮相关联时可以得出以下结论：当该齿轮装入变速器中时，该齿轮在变速器中引起低于振动阈值的振动。

AI模型优选地将评估函数应用于齿轮的检测到的一个或多个轮廓，并将决策函数应用于评估函数的结果，以确定哪个齿轮类别对应于齿轮。例如齿轮的检测到的轮廓或每个检测到的轮廓具有480个测量点的插值。评估函数可以是480个测量点与480个测量点的平均值的偏差的度量，或者是沿插值的预设点处的插值与预设点处的插值的平均值的偏差的度量。度量可以是例如样本方差。决策函数可以定义临界值，其中根据临界值决定：当偏差的度量小于临界值时，齿轮的轮廓是适当的轮廓，并且根据临界值决定：当偏差的度量等于或大于临界值时，齿轮的轮廓是不合适的轮廓。如果偏差的度量等于临界值或大于临界值，则将第一齿轮类别与齿轮相关联。如果偏差的度量小于临界值，则将第二齿轮类别与齿轮相关联。在此，AI模型是基于对于样本方差存在理论上最优临界值的假设，使得如果偏差的度量小于理论最优临界值，则齿轮的轮廓是合适的轮廓，并且如果偏差的度量等于理论最优临界值或大于理论最优临界值，则齿轮的轮廓是不合适的轮廓。通过增加训练数据集的基准齿轮的数量，可以越来越精确地确定所述理论最优临界值，并通过临界值逼近。进一步优选地，可以设有用于考虑误差公差的误差参数。可以将偏差的度量和为负数的误差参数相加，并且可以决定：如果该总和小于临界值，则齿轮的轮廓是适合的轮廓，并且如果该总和等于临界值或大于临界值，则齿轮的轮廓是不适合的轮廓。随着基准齿轮的增加，可以改进AI模型的统计学可靠性，并且降低误差参数的绝对值。

由于通用的AI模型借助于包括基准轮廓和齿轮类别的训练数据集来训练并且经训练的AI模型根据检测到的齿轮轮廓将齿轮类别与齿轮相关联，所以本方法超过从现有技术中已知的、用于检查齿轮的检查方法，在所述现有技术中已知的方法中在例如几何方面测量齿轮并且将测量到的实际值与预设的目标值比较，并且当实际值在预设公差内与目标值一致时，才发现齿轮没有故障，并且当实际值与目标值的偏差明显大于预设公差时，则才发现齿轮是有故障的。具有经训练的AI模型的系列实验产生令人惊讶的结果，即借助于通过经训练的 AI模型将齿轮类别与齿轮的相关联可以得出与这借助于现有技术中已知的齿轮检查方法的情况相比显著更加可靠的关于齿轮的状态的预测。特别地，借助于经训练的AI模型，在变速器中引起等于或大于振动阈值的振动的齿轮，可以在该齿轮装入变速器中之前可靠地被鉴别。这种齿轮的可靠鉴别降低了变速器的平均制造持续时间，因为通过齿轮引起等于或大于振动阈值的振动的概率可以显著减小，因为鉴别为有故障的齿轮不会装入变速器中进而可以提高在具有固定数量变速器的组中的不因有故障的齿轮而本身有故障的变速器的数量。此外，可靠鉴别有故障的齿轮通过以下方式确保了：可以避免由于有故障的齿轮引起的变速器故障分析，或者至少可以显著减小其发生的频率。

换言之，可以借助根据本发明的方法，将每个齿轮划分为第一等级或第二等级，并且由于所述分类可以得出以下结论：如果齿轮划分成第一等级，则齿轮是有故障的，或者如果齿轮划分成第二等级，则齿轮是无故障的。所述结论通过AI模型得出，并且实现鉴别齿轮，所述齿轮由于其检测到的轮廓而可能在变速器中引起变速器故障。因此，如此鉴别到的所述齿轮可以在其装入变速器中之前进行被分拣出。这引起变速器的平均生产时间减少，并且引起所需的变速器故障分析的数量减小。此外，该方法还引起变速器故障分析的加速，因为故障分析可以专注于不是由齿轮引起的故障。

综上所述，因此可以确定：变速器的平均制造时间和变速器的故障分析的时间耗费都被最小化。

在一种实施方式中，该方法包括以下步骤：产生训练数据集，其中为每个基准齿轮产生训练数据集包括以下步骤：检测基准齿轮的表面的基准轮廓；和确定齿轮类别。优选地，通过测量基准轮廓为每个基准齿轮检测基准齿轮表面的基准轮廓。替代地，可以为每个基准齿轮检测、特别是测量不同数量的基准轮廓。例如，为每个基准齿轮可以检测、特别是测量两个、四个、六个或八个基准轮廓，其中对于基准齿轮的四个齿中的每个齿分别检测、特别是测量其中两个基准轮廓。作为测量每个基准齿轮的基准轮廓的替代方案，可以以不同的方式检测每个基准齿轮的基准轮廓。例如可以为每个基准齿轮读取基准轮廓。基准轮廓优选地以电子形式存储在数据存储器中并且通过处理器从所述数据存储器读取。此外，基准轮廓可以以打印在纸上的形式存在。打印的基准轮廓可以由扫描装置光学检测。光学检测的基准轮廓可以以电子形式存储在数据存储器中。优选地，通过使每个基准齿轮装入为该基准齿轮所设的变速器中并且尤其以传感方式检测通过基准齿轮引起的振动并且将振动与振动阈值比较的方式，确定每个基准齿轮的齿轮类别。如果检测到的通过基准齿轮引起的振动等于或大于振动阈值，则将第一齿轮列表与基准齿轮相关联。如果检测到的通过基准齿轮引起的振动低于振动阈值，则将第二齿轮类别与基准齿轮相关联。

在一种实施方式中，检测齿轮的表面的轮廓包括：沿齿轮的齿的齿廓检测齿轮的表面的轮廓。优选地，当沿着齿轮的齿的齿廓检测齿轮表面的轮廓时，训练数据集对于每个基准齿轮包括基准齿轮表面的沿着基准齿轮的齿的齿廓检测的基准轮廓。系列检查得出：AI模型由此可以尤其精确地预测：哪个齿轮在变速器中引起等于或高于振动阈值的振动。

在一种实施方式中，检测齿轮的表面的轮廓包括：沿基本上垂直于齿轮的转动轴线延伸的轨道检测齿轮的表面的轮廓。优选地，当齿轮表面的轮廓沿着基本上垂直于齿轮的转动轴线延伸的轨道延伸时，训练数据集对于每个基准齿轮包括基准齿轮表面的沿着基本上垂直于基准齿轮的转动轴线延伸的轨道检测的基准轮廓。系列检查得出： AI模型由此可以尤其精确地预测：哪个齿轮在变速器中引起等于或高于振动阈值的振动。

在一种实施方式中，检测齿轮的表面的轮廓包括：沿基本上平行于齿轮的转动轴线延伸的轨道检测齿轮的表面的轮廓。优选地，当齿轮表面的轮廓沿着基本上平行于齿轮的转动轴线延伸的轨道延伸时，训练数据集对于每个基准齿轮包括基准齿轮表面的沿着基本上平行于基准齿轮的转动轴线延伸的轨道检测的基准轮廓。系列检查得出： AI模型由此可以尤其精确地预测：哪个齿轮在变速器中引起等于或高于振动阈值的振动。

尽管以特定顺序描述了方法步骤，但本发明不限于所述顺序。而是，各个方法步骤可以以任何有意义的顺序执行，尤其是至少部分地在时间上彼此并行地执行。

根据本发明的第二方面，开头提到的目的通过具有权利要求6所述的特征的设备来实现。该设备设置用于鉴别在变速器中引起振动的齿轮，所述设备具有如下机构，所述机构适配成执行根据本发明的第一方面所述的方法的步骤。该设备优选地具有用于齿轮的持控装置，所述持控装置接合到齿轮中并且所述齿轮可以围绕其转动轴线运动。持控装置优选地构造成依次接合到每个基准齿轮中，并且使所述基准齿轮围绕其转动轴线运动。该设备具有例如带有探头的触控装置。触控装置优选设定成，使得探头以其自由端部可以与齿轮表面或与基准齿轮表面形成接触。优选地，当探头的自由端部与表面接触时，自由端部可以沿着轨道在齿轮或基准齿轮的表面上运动。通过使自由端部可以与表面形成接触并可以沿着轨道在表面上运动，可以借助于自由端部测量齿轮或基准齿轮的表面的轮廓。

该设备优选地具有处理器、数据存储器和扫描装置。该设备用于鉴别在变速器中引起振动的齿轮。持控装置、触控装置、探头、处理器、数据存储器和扫描装置也可以称为该设备的机构。所述机构被适配用于执行根据本发明的计算机实施方法的实施方式的步骤。

结合根据本发明的第一方面所述的方法描述的特征、技术效果和 /或优点也至少以类似的方式适用于根据本发明的第二方面所述的设备，从而在此不再相应地重复。

根据本发明的第三方面，开头提到的目的通过具有权利要求7所述的特征的计算机程序来实现。该计算机程序包括指令，所述指令引起：根据本发明第二方面所述的设备执行根据本发明第一方面所述的方法的步骤。计算机程序可以存储在根据第二方面所述的设备的数据存储器上。数据存储器形成计算机可读的介质的示例。计算机程序的指令可以通过处理器执行。

结合根据本发明的第一方面所述的方法和结合根据本发明的第二方面所述的设备描述的特征、技术效果和/或优点也至少以类似的方式适用于根据本发明的第三方面所述的计算机程序，从而在此不再进行相应的重复。

根据本发明的第四方面，开头提到的目的通过具有权利要求8所述的特征的计算机可读的介质来实现。根据本发明第三方面所述的计算机程序存储在计算机可读的介质上。计算机可读的介质可以具有数据存储器，特别是根据本发明第二方面所述的设备的数据存储器。

结合根据本发明第一方面所述的方法、结合根据本发明第二方面所述的设备以及结合根据第三方面所述的计算机程序描述的特征、技术效果和/或优点也至少以类似的方式适用于根据本发明的第四方面所述的计算机可读的介质，从而在此不再进行相应的重复。

附图说明

本发明的其它特征、优点和应用可能性从下面对实施例的描述和附图中得出。在此，所描述和/或图示的所有特征也独立于它们在各个权利要求中或其引用的组合而单独地和以任意组合形成本发明的对象。此外在附图中相同的附图标记代表相同或相似的对象。

图1示出根据本发明的设备的一种实施方式的示意图。

图2示出一组基准齿轮的示意图。

图3示出八个基准轮廓的示意图。

图4示出一个基准齿轮的示意图。

具体实施方式

图1示出根据本发明的设备1的一种实施方式的示意图。设备1 具有用于齿轮5的持控装置3，所述持控装置接合到齿轮5中并且所述齿轮可以围绕其转动轴线运动。转动轴线显示为“X”。设备1具有带有探头9的触控装置7。可以将触控装置7设定成，使得探头9 可以以其自由端部与齿轮5的表面11形成接触。当探头9的自由端部与表面11接触时，自由端部可以沿着轨道在表面11上运动。通过使自由端部接触并在表面上沿轨道运动的方式，可以测量齿轮5的表面11的轮廓。

设备1还具有处理器13、数据存储器15和扫描装置17。设备1 用于鉴别在变速器中引起振动的齿轮5。持控装置3、触控装置7、探头9、处理器13、数据存储器15和扫描装置17也可以称为该设备1 的机构。这些机构被适配用于执行根据本发明的计算机实施的方法的实施方式的步骤。包括引起设备1执行所述方法的所述步骤的指令的计算机程序存储在数据存储器15上。数据存储器15形成计算机可读的介质的示例。计算机程序的指令可以通过处理器13执行。

图2示出示例性的一组基准齿轮19的示意图。每个基准齿轮19 具有表面21。对于每个基准齿轮19设有第一齿轮类别23或第二齿轮类别25。齿轮类别中的第一齿轮类别23与该组的在变速器中引起等于或高于振动阈值的振动的每个基准齿轮19相关联。齿轮类别中的第二齿轮类别25与在变速器中引起小于振动阈值的振动的每个基准齿轮19相关联。

图3示出图2中的基准齿轮19的组的四个基准齿轮19的表面21 的八个基准轮廓的示意图。八个基准轮廓具有第一基准轮廓27、第二基准轮廓29、第三基准轮廓31、第四基准轮廓33、第五基准轮廓35、第六基准轮廓37、第七基准轮廓39和第八基准轮廓41。第一基准轮廓27和第五基准轮廓35与该组的基准齿轮19中的第一基准齿轮19 相关联，第二基准轮廓29和第六基准轮廓37与该组的基准齿轮19 中的第二基准齿轮19相关联，第三基准轮廓31和第七基准轮廓39 与该组的基准齿轮19中的第三基准齿轮19相关联，并且第四基准轮廓33和第八基准轮廓41与该组的基准齿轮19的第四基准齿轮相关联。八个基准轮廓仅被示例性地示出，并且为该组的基准齿轮19中的每个基准齿轮19设置对应的基准齿轮19的表面21的两个基准轮廓。替代地，也可以为该组的基准齿轮19中的每个基准齿轮19设置对应的基准齿轮19的表面21的八个基准轮廓。

图4示出第一基准齿轮19的示意图，从所述第一基准齿轮的表面21测量图3所示的第一基准轮廓27和同样图3所示的第五基准轮廓35。此外，图4示出所述表面21的部段43。表面21的部段43通过第一基准齿轮19的齿45的表面形成。齿45的表面从限定第一基准齿轮19的齿根圆直径47的第一齿根线49经由限定该基准齿轮19 的齿顶圆直径51的齿顶线53朝限定基准齿轮19的齿根圆直径47的第二齿根线55延伸。第一齿根线49、齿顶线53和第二齿根线55平行于第一基准齿轮19的转动轴线57延伸。部段43在图4中的下部作为沿着图4上部作为箭头示出的观察方向59的俯视图示出。在齿顶线53的区域中，部段43具有图4上部未示出的齿顶面61，所述齿顶面沿转动轴线57的方向连同齿顶线53一起平行于转动轴线57并且在环周方向U上沿着齿顶圆直径51延伸。齿顶面61沿环周方向从在齿顶线53旁边左侧示出的虚线的第一线63延伸至在齿顶线53旁边右侧示出的虚线的第二线65。齿顶面61将部段43划分成齿45的第一齿廓的第一表面67和该齿的第二齿廓的第二表面69。第一表面 67从第一齿根线49朝第一线63延伸，并且第二表面69从第二线65 朝第二齿根线55延伸。图4下部示出的部段43针对图4上部示出的齿45示例性地示出。第一基准齿轮19的每个齿具有对应的部段。

如已经描述的那样，第一基准轮廓27和第五基准轮廓35从第一基准齿轮19的表面21测量。为此，触控装置7已设定成，使得探头 9以其自由端部与第一基准齿轮19的表面21的部段43形成接触，并且当探头9的自由端部与部段43接触期间，该自由端部沿着图4下部示出的轨道在部段43上移动。

探头9的自由端部在齿45的部段43上沿第一轨道71运动以测量第一基准轮廓27。第一轨道71在基准齿轮19的第一齿廓的第一表面67、齿顶面61和第二齿廓的第二表面69上延伸。第一轨道71至少局部地沿着第一齿廓的第一表面67从第一齿根线49延伸至第一线63并且沿着第二齿廓的第二表面69从第二线65延伸至第二齿根线 55。第一轨道71的所述延伸确保：第一基准轮廓27至少局部地在轮廓方向P上被测量。第一轨道71的所述延伸可以被称为基本上垂直于转动轴线伸展的延伸。第一轨道71基本上垂直于基准齿轮19的转动轴线延伸。

此外，按键9的自由端部沿着第二轨道73运动以测量第五基准轮廓35。第二轨道73在第一基准齿轮19的第一齿廓的第一表面67 和第二齿廓的第二表面69上延伸。第二轨道73局部地从第一基准齿轮19的第一侧75基本上平行于转动轴线57延伸至第一基准齿轮19的与第一侧相对置的第二侧77。第二轨道73的所述延伸确保：第五基准轮廓35至少局部地在齿面方向F上测量。第二轨道73的所述延伸可以称作为基本上平行于第一基准齿轮19的转动轴线伸展的延伸。第五轨道79基本上平行于第一基准齿轮19的转动轴线延伸。

结合图4所示的第一基准齿轮19所描述的特征、技术效果和/或优点至少以类似的方式也适用于该组的基准齿轮19的所有其它的基准齿轮19，即例如适用于第二基准齿轮19、第三基准齿轮19和第四基准齿轮19。特别地，对于第二基准齿轮19、第三基准齿轮19和第四基准齿轮19类似于第一基准轮廓27测量第二基准轮廓29、第三基准轮廓31和第四基准轮廓33，并且类似于第五基准轮廓35测量第六基准轮廓37、第七基准轮廓39和第八基准轮廓41。

计算机实施的方法提出：首先产生训练数据集。训练数据集的产生对于每个基准齿轮19包括测量基准齿轮19的表面21的两个基准轮廓。为每个基准齿轮19测量两个基准轮廓是纯示例性的，并且同样可以为每个基准齿轮19测量不同数量的基准轮廓。例如，可以为每个基准齿轮19测量八个基准轮廓，其中对于基准齿轮的四个齿中的每个齿分别测量基准轮廓中的两个基准轮廓。作为为每个基准齿轮 19测量两个基准轮廓的替代方案，可以以不同的方式为每个基准齿轮 19检测两个基准轮廓。例如可以读取每个基准齿轮19的基准轮廓。优选地，基准轮廓以电子形式存储在数据存储器15中并且从所述数据存储器通过处理器13读入。此外，基准轮廓可以以打印在纸上的形式存在。打印的基准轮廓可以由扫描装置17光学检测，并且光学检测的基准轮廓可以以电子形式存储在数据存储器15中。

同样地，计算机实施的方法还提出：为每个基准齿轮19确定齿轮类别。如已经描述的那样，为每个基准齿轮19设置要么第一齿轮类别23要么第二齿轮类别25。将齿轮类别中的第一齿轮类别23与该组中的在变速器中引起等于或大于振动阈值的振动的每个基准齿轮 19相关联。将齿轮类别中的第二齿轮类别25与在变速器中引起小于振动阈值的振动的每个基准齿轮19相关联。该组的基准齿轮19的训练数据集对于该组的每个基准齿轮19具有基准齿轮19的表面21的至少一个基准轮廓和齿轮类别。

如已经描述的那样，设有第一齿轮类别23和第二齿轮类别25。如果将第一齿轮类别23与基准齿轮19相关联，则所述基准齿轮19 在变速器中引起等于或大于振动阈值的振动。所述基准齿轮19也可以称为故障的基准齿轮19。第一齿轮类别23优选地具有另外的子类别，即例如第一子类别和第二子类别。可以将另外的子类别的每个子类别与基准齿轮的具体故障相关联。例如，可以将第一子类别与每个粗糙度高于粗糙度阈值的基准齿轮19相关联。例如可以将第二子类别与每个不平度高于不平度阈值的基准齿轮19相关联。可以将其它子类别与每个其表面21具有特定缺陷的基准齿轮19相关联。例如，可以设有第三子类别，所述第三子类别与每个其表面21由于砂轮破损而损坏的基准齿轮19相关联。借助于子类别，可以将不同的故障等级与每个基准齿轮19相关联，其中每个子类别对应一个故障等级。如果相应的基准齿轮19与第一齿轮类别相关联，优选地可为每个基准齿轮19关联至少一个子类别。如果将第二齿轮类别25与基准齿轮 19相关联，则所述基准齿轮19在变速器中引起低于振动阈值的振动。所述基准齿轮19也可以称为无故障的基准齿轮19。

此外，计算机实施的方法还提出：借助于该组的基准齿轮19的训练数据集来训练通用的AI模型。如已经描述的那样，训练数据集对于每个基准齿轮19包括至少一个基准轮廓和两个齿轮类别之一以及必要时一个或多个子类别。因此，每个基准齿轮19在至少一个对应的基准轮廓和对应的齿轮类别之间建立连接。通用的AI模型根据基准齿轮19的所述连接来训练，使得经训练的AI模型将齿轮类别中的一齿轮类别与不是基准齿轮19的每个齿轮5相关联。

此外，计算机实施的方法还提出：检测齿轮5的表面11的第一轮廓和第二轮廓，其中齿轮5是如下齿轮5，应对所述齿轮检查齿轮 5是否有可能在变速器中引起振动，其中所述齿轮为所述变速器所设。特别地提出：检测齿轮5的表面11的至少一个轮廓。优选地，齿轮5 的类型对应于基准齿轮19的类型。如果齿轮5是正齿轮，则基准齿轮19优选地是正齿轮。如果齿轮5是锥齿轮，则基准齿轮19优选地是锥齿轮。特别地，优选的是：齿轮5和基准齿轮19是结构相同的。结合图4所示的第一基准齿轮19描述的特征、技术效果和/或优点至少以类似的方式也适用于齿轮5。特别地，对于齿轮5，第一轮廓类似于第一基准轮廓27并且第二轮廓类似于第五基准轮廓35来测量。第一轮廓的检测和第二轮廓的检测包括沿齿轮5的齿的第一齿廓和沿齿轮5的齿的第二齿廓检测齿轮5的表面11的轮廓。即第一轮廓沿着基本上垂直于齿轮5的转动轴线延伸的轨道检测，所述轨道在齿轮5的齿上类似于图4所示的第一轨道71伸展。第二轮廓沿着基本上平行于齿轮5的转动轴线延伸的轨道检测，所述轨道在齿轮5的齿上类似于图4所示的第二轨道73伸展。

根据检测到的第一轮廓和根据检测到的第二轮廓，通过经训练的 AI模型将齿轮类别中的一齿轮类别与齿轮5相关联。根据与齿轮5 相关联的齿轮类别可以得出齿轮5是否无故障的结论。特别地，如果将第一齿轮类别23与齿轮5相对应，则可以得出以下结论：当该齿轮装入变速器中时，齿轮5在变速器中引起等于或高于振动阈值的振动。同样地，如果将第二齿轮类别25与齿轮5相对应，则可以得出以下结论：当该齿轮装入变速器中时，齿轮5在变速器中引起低于振动阈值的振动。

由于通用的AI模型借助于包括基准轮廓和齿轮类别的训练数据集训练并且经训练的AI模型根据检测的轮廓将齿轮类别与齿轮5相对应，所以当前的方法超越现有技术中已知的用于检查齿轮的检查方法，在所述现有技术中已知的方法中在例如几何方面测量齿轮并且将测量到的实际值与预设的目标值比较，并且当实际值在预设公差内对应于目标值时，才发现齿轮没有故障，并且当实际值与目标值的偏离大于预设的公差时，则才发现齿轮是有故障的。具有经训练的AI模型的系列实验产生令人惊讶的结果，即借助于通过经训练的AI模型将齿轮类别与齿轮5的相关联得出比这借助于现有技术中已知的齿轮检查方法的情况相比显著更加可靠的、关于齿轮5的状态的预测。特别地，借助于经训练的AI模型对在变速器中引起等于或大于振动阈值的振动的齿轮在该齿轮装入变速器中之前就可以进行可靠地鉴别。这种齿轮的可靠的鉴别降低了变速器的平均制造持续时间，因为通过齿轮引起等于或大于振动阈值的振动的概率可以显著减小，因为鉴别为有故障的齿轮不会装入变速器中进而可以提高在具有固定数量变速器的组中的不会因有故障的齿轮而使其本身有故障的变速器的数量。此外，可靠鉴别有故障的齿轮确保了：可以避免通过有故障的齿轮引起的变速器故障分析，或者至少可以显著减小其发生的频率。

补充地需要指出的是：“具有”不排除其它元件或步骤，“一个”或“一”不排除多个。此外，需要指出：已经参考上述实施例之一描述的特征也可以与上述其它实施例的其它特征组合地使用。权利要求中的附图标记不可视作为是限制性的。

附图标记列表

1     设备

3     持控装置

5     齿轮

7     触控装置

9     探头

11    齿轮的表面

13    处理器

15    数据存储器

17    扫描装置

19    基准齿轮

21    基准齿轮的表面

23    第一齿轮类别

25    第二齿轮类别

27    第一基准轮廓

29    第二基准轮廓

31    第三基准轮廓

33    第四基准轮廓

35    第五基准轮廓

37    第六基准轮廓

39    第七基准轮廓

41    第八基准轮廓

43    基准齿轮的表面的部段

45    基准齿轮的齿

47    齿根圆直径

49    第一齿根线

51    齿顶圆直径

53    齿顶线

55    第二齿根线

57    基准齿轮的转动轴线

59    观察方向

61    齿顶面

63    第一线

65    第二线

67    第一齿廓的第一表面

69    第二齿廓的第二表面

71    第一轨道

73    第二轨道

75    基准齿轮的第一侧

77    基准齿轮的第二侧

Claims (8)

1.一种用于鉴别在变速器中引起振动的齿轮(5)的计算机实施的方法，其中所述方法包括以下步骤：

借助于一组基准齿轮(19)的训练数据集来训练通用的AI模型，其中为所述组的每个基准齿轮(19)设置所述基准齿轮(19)的表面(21)的至少一个基准轮廓和齿轮类别，其中将所述齿轮类别的第一齿轮类别(23)与所述组的在所述变速器中引起等于或大于振动阈值的振动的每个基准齿轮(19)相关联，并且将所述齿轮类别的第二齿轮类别(25)与在所述变速器中引起低于振动阈值的振动的每个基准齿轮(19)相关联，其中经训练的AI模型能够为每个齿轮(5)关联所述齿轮类别的一齿轮类别；

检测齿轮(5)的表面(11)的轮廓；和

根据检测到的轮廓通过经训练的AI模型为所述齿轮(5)关联齿轮类别之一。

2.根据权利要求1所述的方法，其中所述方法包括以下步骤：产生所述训练数据集，其中为每个基准齿轮(19)产生所述训练数据集包括以下步骤：检测所述基准齿轮(19)的所述表面(21)的至少一个基准轮廓；和确定所述齿轮类别。

3.根据前述权利要求中任一项所述的方法，其中检测所述齿轮(5)的所述表面(11)的轮廓包括：沿所述齿轮(5)的一个齿的齿廓检测所述齿轮(5)的所述表面(11)的轮廓。

4.根据前述权利要求中任一项所述的方法，其中检测所述齿轮(5)的所述表面(11)的轮廓包括：沿基本上垂直于所述齿轮(5)的转动轴线延伸的轨道检测所述齿轮(5)的所述表面(11)的轮廓。

5.根据前述权利要求中任一项所述的方法，其中检测所述齿轮(5)的所述表面(11)的轮廓包括：沿基本上平行于所述齿轮(5)的转动轴线延伸的轨道检测所述齿轮(5)的所述表面(11)的轮廓。

6.一种用于鉴别在变速器中引起振动的齿轮(5)的设备，所述设备具有机构，所述机构适用于执行根据前述权利要求中任一项所述的方法的步骤。

7.一种计算机程序，包括指令，所述指令引起根据权利要求6所述的设备执行权利要求1至5中任一项所述的方法的步骤。

8.一种计算机可读的介质，在所述介质上存储根据权利要求7所述的计算机程序。

Images