DD289130A5

DD289130A5 - Verfahren zur automatischen detektion an lagern von maschinen oder rotierenden teilen

Info

Publication number: DD289130A5
Application number: DD33448289A
Authority: DD
Inventors: Roland Frenzel; Alexander Heescher; Lothar Helm; Hans-Peter Schade; Heinz-Ullrich Seidel
Original assignee: Veb Elektromotorenwerk,De
Priority date: 1989-11-13
Filing date: 1989-11-13
Publication date: 1991-04-18

Abstract

Die Erfindung betrifft ein Verfahren zur automatischen Detektion von Realschaeden an Lagern von Maschinen oder rotierenden Teilen innerhalb der serienmaeszigen Qualitaetskontrolle von Kleinmaschinen. Das Verfahren ist gekennzeichnet durch ein Geraeuschmodell und einen geeigneten Klassifikator. Es dient zur Auswahl der optimalen Kennwertkombination bezueglich der Schadenserkennung, sowie zur Bestimmung des optimalen Betriebszustandes und eines guenstigen Aufnahmeortes hinsichtlich der Schadensaeuszerung.{vibroakustische Analyse; Realschaden an Lagern; serienmaeszige Qualitaetskontrolle; Geraeuschmodell; automatische Klassifikation; optimale Kennwertkombination; Pruefprozesz; stochastischer Schadprozesz; periodischer Stoerprozesz}

Description

Die Erfindung betrifft ein Verfahren zur automatischen Detektion von Realschäden an Lagern von Maschinen oder rotierenden Teilen auf der Grundlage vibroakustischer Analyse, insbesondere bei der Qualitätskontrolle in der Serienfertigung von Kleinmaschinen zu deren 100%igen automatisierten Prüfung.

Charakteristik der bekannten technischen Lösungen

Zur Erkennung von Realschäden an den Lagern bei der Qualitätskontrolle in der Serienproduktion hergestellter Maschinen oder rotierender Teile sind folgende Verfahren bekannt:

1. Verfahren, die den spektralen Bereich auswerten, wie z. 8. die FFT und ARMA-Spektren.

Aus ihnen werden Kennwerte gewonnen und diese mit üblichen Mustererkennungs-Verfahren zur Klassentrennung verwendet oder das gesamte Spektrum (oft nur Teilbereiche) werden mit Masken ausgewertet. Diese Verfahren weisen den Nachteil auf, daß sie nur bei periodischen Fehlersignalen ansprechen, gewöhnlich eine breitbandige Aufnahmetechnik und eine hohe Rechenleistung (bzw. hohen gerätetechnischen Aufwand) erfordern.

2. Verfahren, die den Zeitbereich direkt auswerten, wie z.B. das Kurtosisverfahren, das Hüllkurvenverfahren und drehzahlsynchrone Mittelung.

Die Klassifikation erfolgt ebenfalls mit Methoden der Mustererkennung, die Kennwerte werden entweder direkt aus der Zeitfunktion oder aus der Amplitudenverteilungsdichte bzw. der Hüllkurve ermittelt.

Die bisher bekannten Verfahren (siehe Patentschrift DD 248654, DD 248036, DE 3515061) sind für eine Reihe von praktischen Anwendungen wenig oder nicht geeignet, da ihre Wirksamkeit für bestimmte Betriebszustände und Schadensklassen nicht ausreichend gegeben ist, insbesondere betrifft das die Klasse stochastisch auftretender Fehlergeräusche.

So erfordert z. B. das Kurtosisverfahren die Auswertung von fünf Frequenzbändern bei einer oberen Grenzfrequenz von 8OkHz.

Ziel der Erfindung

Das Ziel der Erfindung besteht in der Objektivierung und Automatisierung von Prüfprozessen in der Serienfertigung direkt am Fließband.

Darlegung des Wesens der Erfindung

Aufgabe der Erfindung ist es, auf der Grundlage einer vibroakurtischen Analyse den Fehlerzustand von Realschäden bei Maschinen oder rotierenden Teilen mit hoher Sicherheit zu erkennen.

Erfindungsgemäß wird die Aufgabe dadurch gelöst, daß die Detektion von Realschäden im oben genannten Sinne unte.' Zugrundelegung eines spezifischen Geräuschmodells und eines geeigneten Klassifikators erfolgt. Aus der mit Hilfe vibroakustischer Verfahren gewonnenen Amplitudenverteilungsdichte werden Pegel- und Formkennwerte erstellt, von denen mindestens je ein Form- und Pegelkennwert zur Klassifikation verwendet wird.

Dabei basiert das Geräuschmodel' auf der Auswertung der Amplitudenverteilungsdichte und ist durch eine multiplikative Verknüpfung des Schadprozesses sowie einer additiven Verknüpfung des Störprozesses mit einem normalverteilten Grundprozeß charakterisiert.

Grundlage der Klassifikation bildet eine auditiv erstellte Lernstichprobe. Sie ist notwendig, aber wegen der unvermeidlichen

Unscharfe der subjektiven Beurteilung nicht hinreichend für eine optimale Klassifizierung. Deshalb wird die Erstellung der Lernstichprobe durch Erkenntnisse, die auf der Aussage des Geräuschmodells beruhen, unterstützt.

Mit Hilfe ausgewählter statistischer Verfahren (z. B. Fuzzy-Diskriminanzanalyse im Klassifikationszyklus) können

- der optimale Betriebszustand für die Qualitätskontrolle,

- der optimale Aufnahmeort und

- die optimale Kennwertkombination bezüglich einer hohen Erkennungssicherheit

bestimmt werden.

Das Verfahren benutzt zur vibroakustischen Analyse ausschließlich den niederfrequenten Anteil des Körper- oder Luftschalles. Das theoretisch begründete und praktisch bestätigte Geräuschmodell (siehe folgende Abbildung) klärt typische Einflüsse, insbesondere bei stochastischen Schadprozessen und durch Schwingungen charakterisierte Störprozesse auf einen normalverteilten Grundprozeß.

fiktive Hodellvorstellung

Giumdgeräusch N<e,o)-verteUt	Hultiplikative	I	resultierendes
	Verknüpfung	I ' I I J	"₊ Gerausoh an Küi-persohall- aufnehner
Sß)>adyefäuso\|i
Störffträmoh

Als Kennfunktion dient die Amplitudenverteilungsdichte (AVD). Charakteristisch ist:

1. Im Gegensatz zu traditionellen Hüllkurvenverfahren haben Schad- und Störprozeß entscheidend verschiedene Wirkungen auf die Kennfunktion.

2. Bei Anwesenheit nicht unterdrückbarer Schwingungen treten im Clusterbild die im Diagramm dargestellten prinzipiellen Effekte auf.

Damit führen Schwingungen bei Abwesenheit des Realschadens nicht zur Fehlklassifizierung.

Z. HoHint

4 ·

3 o.

2 ·

add

NC8,i>

KxzeP

3.5

3. Auf dem Prinzip des Geräuschmodells basierende Verfahren zur Detektion von Realschäden erlauben es, schmalbandige Anordnungen zur Körperschallaufnahme zu verwenden.

Derartige Anordnungen sind durch einen Taststift zur Aufnahme des Körperschalls charakterisiert. Eine starre Ankopplung des Körperschallaufnehmers am Prüfobjekt ist nicht notwendig. Es ist damit möglich, eine 100%ige Prüfung bei Taktzeiten von einigen Sekunden mit relativ einfachen Mitteln zu realisieren.

4. Das Verfahren verwendet als Kennwert für den Pegel den Effektivwert und weiterhin sogenannte Formkennwerte folgenden Typs: Wenn man den Quotienten

1 IXf ¹W(X) Jx'

-4 ι

(wobei w(x) die Amplitudenverteilungsdichte ist) betrachtet, folgt für entsprechende ρ und q ein Satz verstrrkungsabhängiger Formkennwerte.

Diese sind:

ρ = 2, q = 1 :shape-Faktor (Formfaktor)

ρ -♦ oo, q = 2:crest-Faktor (Kammfaktor)

ρ —> oo, q = 1 !Impulsfaktor

ρ -♦ oc, q »</>:claaranco-Faktor (Relnholtsfaktor)

Als weitere Formkennwerte werden die Kurtosis:

ft ,, ,1

d. h. der Quotient aus dem 4. zentralen Moment und dem Quadrat des 2. zentralen Momentes und der H_n-Faktor vorgesehen. Der H_n-Faktor ist der Quotient aus dem Mittelwert der η größten Amplituden und dem Gleichrichtwert nach:

tu

X₁₁- f IxI h(x) dx

Die Auswahl des jeweils günstigsten Formkennwertes erfolgt, gestützt auf die Auswertung von Lernstichproben, unter Verwendung trennungsstatistischer Verfahren. Zur theoretischen Begründung des Geräuschmodells eignet sich speziell der Kurtosisfaktor. Der Η-Faktor lieferte jedoch bei optimaler Betriebsart und günstigen Aufnahmebedingungen die besseren trennungsstatistischen Ergebnisse.'

Ausführungsbeispiel

Die Erfindung soll anhand des Ausführungsbeispieles näher erläutert werden. Dazu sind in den Figuren entsprechende Analyseschemata dargestellt. Es zeigen

Fig. 1: das Schema des Analysesystems Teil I, Fig. 2: das Schema des Analysesystems Teil II.

Zur Abnahme des vibroakustischen Signals wurde ein Tastkopf unter Verwendung eines industriell gefertigten Beschleunigungsaufnehmers aufgebaut. Er ist so konstruiert, daß eine möglichst hohe Grenzfrequenz erreicht wird, wobei Werte von 5-1OkHz gegenwärtig die Grenze der Realisierbarkeit darstellen.

Die Ermittlung der Kennfunktionen und Kennwerte aus den von 60 Motor-Gebläse-Einheiten (MGE) - als Lernstichprobe je 30 Objekte „gut" und „Lagerschaden" - gewonnenen Signal-Zeit-Funktionen erfolgte unter Laborbedingungen entsprechend dem Schema des Analysesystems Teil I, (Fig. 1).

Die statistische Auswertung erfolgt entsprechend dem Schema des Analysesystems Teil Il (Fig. 2).

Von Bedeutung ist, daß im Analysesystem speziell für die Auswertung auditiv bewerteter Lernstichproben geeignete Verfahren implementiert sind. Dabei handelt es sich um die Fuzzy-Diskriminanzanalyse im Klassifikationszyklus, wodurch es über das Trennungsmaß hinaus möglich wird, ein Umbelehrungsmaß anzugeben. Letzteres ist wichtig, um die Wirkung ies aufgebauten Klassifikators auf die Lernstichprobe einzuschätzen. Dadurch wird die Optimierung von Aufnahmeort und Betriebsart entscheidend unterstützt.

Es wurden folgende trennungsstatistische Ergebnisse erreicht:

	•in"¹	größter E	igenNert	2.758	Uibeleh-	Signifikanz	Ho	α	Anteil der Fon-
	•in-«	vor	nach	2,085	rungsiafl	niveau	O.		kennxerte ai
	•in-'	Clusteranalyse	2.290		für	O	Ol	Trennebenenvektor
	0.426	2.164	2.332	<	O.	< 0.2	0.136
	0.195	1.890	0.K	O.	002	0.347
	0.847	1.444	<	001	0.774
Vollast	1.43	0.714	<	0.824
7200
3600
1000

Bemerkenswert ist der steigende Anteil des Formkenn wertes mit fallender Drehzahl. Letzteres bestätigt das Geräuschmodell und ist auf den zurückgehenden Anteil der Störschwingungen zurückzuführen.

Als bester Formkennwert bei 1000min"' ist der Η-Faktor nachgewiesen. Ein Vergleich der Trennungsmaße mit dem traditionellen Hüllkurvenverfahren liefert in der Gegenüberstellung mit der Auswertung von Getriebeschäden folgendes Ergebnis:

Kennnerte	HGE	Getriebe
EffektivHert/riodulationsiaP	0.68	1.63
Effektivwert/H-Fäktor	1.46	1.42

Das zeigt die Überlegenheit des Geräuschmodells für den Fall der untersuchten MGE.

Claims

1. Verfahren zur Detektion von Realschäden an Lagern von Maschinen oder rotierenden Teilen auf der Grundlage vibroakustischer Analyse, gekennzeichnet durch die Zugrundelegung eines spezifischen Geräuscnmodells und eines geeigneten Klassifikators, wobei mindestens je ein Pegel- und ein Formkennwert zur Klassifikation verwendet werden und zur Auswahl der optimalen Betriebsart, des optimalen Aufnahmeortes und der optimalen Kennwertkombination ein geeigneter Algorithmus (z.B. Fuzzy-Diskriminanzanalyseim Klassifikationszyklus)dient.

2. Verfahren zur Detektion von Realschäden nach Anspruch 1, gekennzeichnet dadurch, daß das Geräuschmodell auf der Auswertung der Amplitudenverteilungsdichte basiert und durch eine multiplikative Verknüpfung des Schadprozesses sowie einer additiven Verknüpfung des Störprozesses mit einem normalverte'lten Grundprozeß charakterisiert ist.

3. Verfahren zur Detektion von Realschäden nach Anspruch 1 und 2, dadurch gekennzeichnet, daß zur Belehrung des Klassifikators auditiv bewertete Lernstichproben verwendet werden.

4. Verfahren zur Detektion von Realschäden nach Anspruch 1 bis 3, dadurch gekennzeichnet, daß zur vibroakustischen Analyse ausschließlich der niederfrequente Anteil des Körper- oder Luftschalles benutzt wird.

Hierzu 1 Seite Zeichnungen
Anwendungsgebiet der Erfindung