DE102019125873A1

DE102019125873A1 - PROCEDURE AND SENSOR AND EVALUATION DEVICE FOR DECENTRALIZED DETERMINATION OF DIAGNOSTIC INFORMATION ABOUT ELECTRICAL CONSUMERS OF A MACHINE SYSTEM

Info

Publication number: DE102019125873A1
Application number: DE102019125873.1A
Authority: DE
Inventors: Andreas Ermer; Thomas Küfner
Original assignee: Maxsyma & Co KG GmbH; Maxsyma & CoKg GmbH; Fraunhofer Gesellschaft zur Forderung der Angewandten Forschung eV
Current assignee: Maxsyma & Co KG GmbH; Maxsyma & CoKg GmbH; Fraunhofer Gesellschaft zur Forderung der Angewandten Forschung eV
Priority date: 2019-09-25
Filing date: 2019-09-25
Publication date: 2021-03-25
Anticipated expiration: 2039-09-26
Also published as: DE102019125873B4

Abstract

Die Erfindung betrifft ein Verfahren sowie eine Sensor- und Auswerteinrichtung zur Ermittlung von Diagnoseinformationen über elektrische Verbraucher einer Maschinenanlage mit verschleißbaren, insbesondere gegeneinander beweglichen, Komponenten. Das erfindungsgemäße Verfahren ist dadurch gekennzeichnet, dass mittels einer Sensor- und Auswerteeinrichtung ein Gesamtstromprofil und/oder ein Gesamtspannungsprofil in einer Zuleitung der Maschinenanlage gemessen wird, wobei die Zuleitung einen Gesamtstrom und/oder eine Gesamtspannung für mehrere oder alle elektrische Verbraucher der Maschinenanlage führt, wobei ein dem Gesamtstromprofil und/oder dem Gesamtspannungsprofil entsprechendes Messsignal mittels Abtastung und Erzeugung von Abtastwerten digitalisiert wird, und wobei die Sensor- und Auswerteeinrichtung Merkmale des Gesamtstromprofils und/oder des Gesamtspannungsprofils identifiziert und einem Lernalgorithmus zuführt, wobei der Lernalgorithmus die Merkmale einer Diagnoseinformation über einen Störzustand einzelner Verbraucher zuordnet.The invention relates to a method and a sensor and evaluation device for determining diagnostic information about electrical consumers of a machine system with components that are subject to wear, in particular components that can move relative to one another. The method according to the invention is characterized in that a total current profile and / or a total voltage profile is measured in a feed line of the machine system by means of a sensor and evaluation device, the feed line carrying a total current and / or a total voltage for several or all electrical loads of the machine system, whereby a measurement signal corresponding to the overall current profile and / or the overall voltage profile is digitized by means of sampling and generation of sampled values, and the sensor and evaluation device identifies features of the overall current profile and / or the overall voltage profile and supplies them to a learning algorithm, the learning algorithm using the features of diagnostic information about a fault condition assigned to individual consumers.

Description

HINTERGRUND DER ERFINDUNGBACKGROUND OF THE INVENTION

GEBIET DER ERFINDUNGFIELD OF THE INVENTION

Die Erfindung betrifft ein Verfahren sowie eine Sensor- und Auswerteeinrichtung zur dezentralen Ermittlung von Diagnoseinformationen über elektrische Verbraucher einer Maschinenanlage mit verschleißbaren Komponenten.The invention relates to a method and a sensor and evaluation device for the decentralized determination of diagnostic information about electrical consumers of a machine system with components that can be worn.

STAND DER TECHNIKSTATE OF THE ART

Aus dem Stand der Technik ist die Ermittlung des Betriebszustandes eines Elektromotors mittels multipler Sensoren und der Auswertung ihrer Messsignale bekannt. Beispielsweise ist in der Patentanmeldungsveröffentlichung DE 10 049 506 A1 eine Elektromotorüberwachung bekannt, bei der mit in den Elektromotor integrierten Vibrations-, Fluss-, Spannungs- und Temperatursensoren in regelmäßigen zeitlichen Abständen Messwerte genommen werden, um Kurz- und Langzeitbetriebstendenzen über die Zeit zu bestimmen. Bei der Auswertung der Messwerte durch einen Prozessor kann ein Lernmodus Anwendung finden.The determination of the operating state of an electric motor by means of multiple sensors and the evaluation of their measurement signals is known from the prior art. For example, is in patent application publication DE 10 049 506 A1 an electric motor monitoring system is known in which, with vibration, flow, voltage and temperature sensors integrated in the electric motor, measured values are taken at regular time intervals in order to determine short-term and long-term operating trends over time. A learning mode can be used when the measured values are evaluated by a processor.

Aus der Patentschrift KR 101862111 B1 ist ein Verfahren bekannt, bei dem die Blockierung eines Motors nur anhand des Stromprofils festgestellt wird, indem aktuelle Messwerte mit aufgezeichneten Messwerten verglichen werden.From the patent specification KR 101862111 B1 a method is known in which the blocking of a motor is determined only on the basis of the current profile, in that current measured values are compared with recorded measured values.

In der Patentanmeldungsveröffentlichung US 2016/0072415 A1 ist beschrieben, das Stromprofil eines Elektromotors einer Pumpe aufzuzeichnen, aus den Daten einen Mittelwert zu berechnen und diesen mit einem Referenzwert zu vergleichen, um auf den von der Pumpe erzeugten Druck zu schließen, sodass es eines separaten Drucksensors zur Motorsteuerung nicht bedarf.In patent application publication US 2016/0072415 A1 describes how to record the current profile of an electric motor of a pump, to calculate an average value from the data and to compare this with a reference value in order to infer the pressure generated by the pump, so that a separate pressure sensor for motor control is not required.

Aus dem Stand der Technik ist ferner die Ermittlung des Betriebszustandes eines elektrischen Verbrauchers mittels Sensoren und der Auswertung ihrer Messsignale mittels maschinellen Lernens bekannt. Beispielsweise ist in der Patentanmeldungsveröffentlichung WO 2017/153880 A1 ein System zum Bestimmen eines aktuellen Verbraucher-Betriebszustandes bekannt, welches mit zwei Datensätzen arbeitet. Der erste Datensatz beinhaltet historische Daten des Verbrauchers, die periodisch gemessen werden. Der zweite Datensatz beinhaltet aktuelle Messwerte. Ein Training des Systems bestimmt eine Vielzahl von unterschiedlichen Betriebszuständen des aktuellen Verbrauchers basierend auf den historischen Daten. Das Training umfasst die Auswahl eines Modells und bestimmt dann Zustandsparameter basierend auf dem Modell. Nach dem Training des Modells, klassifiziert das System mit seinem Klassifizierungsmodul aktuelle Messsignale. Die Trainingsphase kann regelmäßig wiederholt werden, indem neuere Daten zu den historischen Daten hinzugefügt werden. Die Sensoren und das Trainings- bzw. Klassifizierungsmodul sind über ein Netzwerk verbunden. Training und Klassifizierung erfolgen zentral.The prior art also discloses the determination of the operating state of an electrical consumer by means of sensors and the evaluation of their measurement signals by means of machine learning. For example, is in patent application publication WO 2017/153880 A1 a system for determining a current consumer operating state is known, which works with two data sets. The first data set contains historical data of the consumer, which is measured periodically. The second data record contains current measured values. Training the system determines a large number of different operating states of the current consumer based on the historical data. Training includes selecting a model and then determining state parameters based on the model. After training the model, the system uses its classification module to classify current measurement signals. The training phase can be repeated regularly by adding newer data to the historical data. The sensors and the training or classification module are connected via a network. Training and classification take place centrally.

In der Patentanmeldungsveröffentlichung US 2007/0067678 A1 ist ein System zur Zustandsüberwachung und Fehlerdiagnose beschrieben. Dieses umfasst eine Datenerfassungsfunktion für Zeitverläufe, eine Vorverarbeitungsfunktion, die bestimmte Merkmale der Zeitverläufe ermittelt, eine Analysefunktion zur Auswertung der Merkmale zur Erzeugung eines oder mehrerer Hypothesen über den Zustand einer oder mehrerer Komponenten sowie eine Logikfunktion zum Bestimmen des Zustands der Komponente.In patent application publication US 2007/0067678 A1 describes a system for condition monitoring and fault diagnosis. This includes a data acquisition function for time courses, a preprocessing function that determines certain features of the time courses, an analysis function for evaluating the features to generate one or more hypotheses about the state of one or more components, and a logic function for determining the state of the component.

Nachteilig an diesen Konzepten ist jedoch, dass Messwerte bezüglich der einzelnen Stromverbraucher genommen und ausgewertet werden, weswegen bei komplexen Maschinenanlagen mit zahlreichen Verbrauchern entsprechend viele Sensoren vorhanden sein müssen, um Diagnoseinformationen über alle Stromverbraucher zu ermitteln. Dies führt zu hohen Gesamtkosten nicht nur wegen der großen Zahl von Sensoren, sondern auch wegen der entsprechend umfangreichen bzw. komplexen Auswerteausrüstung, der Installation des Diagnosesystems sowie dessen Wartung.A disadvantage of these concepts, however, is that measured values relating to the individual electricity consumers are taken and evaluated, which is why in complex machine systems with numerous consumers a corresponding number of sensors must be available in order to determine diagnostic information about all electricity consumers. This leads to high overall costs not only because of the large number of sensors, but also because of the correspondingly extensive or complex evaluation equipment, the installation of the diagnostic system and its maintenance.

Ferner adressieren die Konzepte nicht die dezentrale Erkenntnisextraktion und Auswertung sehr schnell anfallender Datenmengen an der Messstelle. Durch eine Übertragung der Messdaten z. B. über ein Netzwerk (vgl. WO 2017/153880 A1 ) werden Echtzeitfähigkeit und auszuwertende Datenmenge limitiert. Relevante Informationen in den Messwerten, die nur bei hohen Abtastraten sichtbar sind, werden bei den bekannten Konzepten nicht betrachtet. Diese Lücke wird durch die Erfindung geschlossen.Furthermore, the concepts do not address the decentralized extraction of knowledge and the evaluation of very quickly accumulating data volumes at the measuring point. By transmitting the measurement data z. B. via a network (cf. WO 2017/153880 A1 ) Real-time capability and the amount of data to be evaluated are limited. Relevant information in the measured values, which is only visible at high sampling rates, is not considered in the known concepts. This gap is closed by the invention.

OFFENBARUNG DER ERFINDUNGDISCLOSURE OF THE INVENTION

AUFGABE DER ERFINDUNGOBJECT OF THE INVENTION

Der Erfindung liegt die Aufgabe zugrunde, ein Verfahren sowie eine Sensor- und Auswerteinrichtung zur dezentralen Überwachung einer Maschinenanlage bereitzustellen, mit dem Diagnoseinformationen über einzelne elektrische Verbraucher der Maschinenanlage mit weniger umfangreicher Mess- und Auswertelektronik ermittelt werden können.The invention is based on the object of providing a method and a sensor and evaluation device for decentralized monitoring of a machine system, with which diagnostic information about individual electrical loads of the machine system can be determined with less extensive measurement and evaluation electronics.

TECHNISCHE LÖSUNGTECHNICAL SOLUTION

Zur Lösung der Aufgabe ist ein Verfahren mit den Merkmalen des Anspruches 1 und eine Sensor- und Auswerteeinrichtung mit den Merkmalen des Anspruchs 11 vorgesehen. Weitere Ausgestaltungen der Erfindung sind Gegenstand der abhängigen Ansprüche.To achieve the object is a method with the features of claim 1 and a Sensor and evaluation device with the features of claim 11 is provided. Further refinements of the invention are the subject of the dependent claims.

Erfindungsgemäß ist zur Lösung der genannten Aufgabe vorgesehen, dass mittels einer Sensor- und Auswerteeinrichtung ein Gesamtstromprofil und/oder ein Gesamtspannungsprofil in einer Zuleitung der Maschinenanlage gemessen wird, wobei die Zuleitung einen Gesamtstrom und/oder eine Gesamtspannung für mehrere oder alle elektrische Verbraucher der Maschinenanlage führt. Die Sensor- und Auswerteeinrichtung setzt sich zusammen aus einem Sensormodul, einem Vorverarbeitungsmodul und einem Hauptverarbeitungsmodul. Ein dem Gesamtstromprofil und/oder dem Gesamtspanungsprofil entsprechendes Messsignal wird mittels Abtastung und Erzeugung von Abtastwerten digitalisiert (Sensormodul). Die Sensor- und Auswerteeinrichtung identifiziert Merkmale des Gesamtstromprofils und/oder Gesamtspannungsprofils (Vorverarbeitungsmodul) und führt sie einem Lernalgorithmus (Hauptverarbeitungsmodul) zu, der die Merkmale einer Diagnoseinformation über einen Störzustand einzelner Verbraucher zuordnet. Wenn sowohl das Gesamtstromprofil als auch das Gesamtspannungsprofil gemessen werden, kann die erfindungsgemäß vorgesehene Analyse in mehreren Dimensionen durchgeführt werden, wobei auch Merkmale des sich aus Strom- und Spannungsmesswerten ergebenden Leistungsfaktors identifiziert werden können. Mit der Erfindung kann somit nicht nur erkannt werden, dass ein Störzustand in einer Maschinenanlage vorliegt, sondern auch welcher elektrische Verbraucher davon betroffen ist.According to the invention, to achieve the stated object, a total current profile and / or a total voltage profile is measured in a feed line of the machine system by means of a sensor and evaluation device, the feed line carrying a total current and / or a total voltage for several or all electrical loads of the machine system . The sensor and evaluation device is composed of a sensor module, a preprocessing module and a main processing module. A measurement signal corresponding to the overall current profile and / or the overall voltage profile is digitized by means of sampling and generation of sampling values (sensor module). The sensor and evaluation device identifies features of the overall current profile and / or overall voltage profile (preprocessing module) and feeds them to a learning algorithm (main processing module) which assigns the features of diagnostic information about a fault condition of individual consumers. If both the total current profile and the total voltage profile are measured, the analysis provided according to the invention can be carried out in several dimensions, it also being possible to identify features of the power factor resulting from current and voltage measured values. With the invention it can thus not only be recognized that a fault condition is present in a machine installation, but also which electrical consumer is affected by it.

Die Erfindung beruht auf der Erkenntnis, dass sich neben den Betriebszuständen auch Störzustände aller elektrischen Verbraucher mit verschleißbaren Komponenten ausreichend deutlich und individualisiert in dem Gesamtstromprofil oder Gesamtspanungsprofil der Maschinenanlage niederschlagen, wenn die Analyse in geeigneter Weise erfolgt. Darum wird auf einzelnen Verbrauchern zugeordnete Sensoren verzichtet, sondern es wird lediglich das Stromprofil des der Maschinenanlage zugeführten Gesamtstromes (sowie gegebenenfalls die Gesamtspannung) gemessen, wozu nur ein einziger Stromsensor, etwa in Form eines Stromwandlers (bei dem die durch den Primärstrom erzeugte Magnetfelderregung durch eine Induktionsschlaufe gemessen wird), erforderlich ist. Insbesondere müssen nicht weitere Sensoren wie Temperatur- oder Vibrationssensoren installiert werden. Dementsprechend weist ein das erfindungsgemäße Verfahren anwendendes Diagnosesystem eine deutlich geringere Komplexität auf, weil die Installation und Verkabelung einer Vielzahl von Sensoren nicht notwendig ist. Ferner ist ein solches Diagnosesystem auch weniger fehleranfällig, da bei auffälligen Messwerten ein Defekt in einem Sensor oder in seiner Verkabelung als Fehlerquelle häufig nicht ausgeschlossen werden kann. Schließlich erzeugt jeder Sensor einen Datensatz der zur Ermittlung einer Diagnoseinformation aufgezeichnet, mit den von anderen Sensoren erzeugten Datensätzen zeitlich synchronisiert und ausgewertet werden muss. Die zeitliche Synchronisation ist erforderlich, um einen Messwert eines Sensors mit den Messwerten anderer Sensoren in Bezug setzen zu können, was bei hochaufgelösten Signalen nur schwer zu verwirklichen ist, weil dabei auch die Signallaufzeiten berücksichtigt werden müssen. Für die Aufzeichnung und Auswertung der Datensätze ist eine entsprechend große Speicherkapazität und Rechenleistung erforderlich, wohingegen die erfindungsgemäß zu verwendende Sensor- und Auswertevorrichtung nur einen Stromsensor aufweist oder mit diesem verbunden ist, sodass das erfindungsgemäße Verfahren auch insoweit vorteilhaft gegenüber dem Stand der Technik ist.The invention is based on the knowledge that, in addition to the operating states, disturbance states of all electrical loads with wearable components are reflected in the overall current profile or overall voltage profile of the machine system in a sufficiently clear and individualized manner if the analysis is carried out in a suitable manner. For this reason, sensors assigned to individual consumers are dispensed with, instead only the current profile of the total current supplied to the machine system (and, if applicable, the total voltage) is measured, for which only a single current sensor, for example in the form of a current transformer (in which the magnetic field excitation generated by the primary current is Induction loop is measured) is required. In particular, there is no need to install additional sensors such as temperature or vibration sensors. Accordingly, a diagnostic system using the method according to the invention has a significantly lower complexity because the installation and wiring of a large number of sensors is not necessary. Furthermore, such a diagnostic system is also less prone to errors, since a defect in a sensor or in its cabling can often not be excluded as a source of error in the case of conspicuous measured values. Finally, each sensor generates a data record that has to be recorded in order to determine diagnostic information, synchronized with the data records generated by other sensors and evaluated. Time synchronization is necessary in order to be able to relate a measured value from one sensor to the measured values from other sensors, which is difficult to achieve with high-resolution signals because the signal propagation times must also be taken into account. A correspondingly large storage capacity and computing power is required for the recording and evaluation of the data sets, whereas the sensor and evaluation device to be used according to the invention has only one current sensor or is connected to it, so that the method according to the invention is also advantageous compared to the prior art.

Ein weiterer erfindungswesentlicher Aspekt besteht darin, dass das erfindungsgemä-ße Verfahren dezentral durchgeführt wird, d.h. die Sensor- und Auswerteinrichtung nicht nur Messwerte aufnimmt und digitalisiert, sondern auch bis zur Ermittlung von Diagnoseinformationen über Störzustände einzelner Verbraucher auswertet. Daher ist ein zentrales Rechenzentrum mit großer Rechenleistung und Speicherkapazität, das etwa die von mehreren Maschinenanlagen übermittelten Messwerte auswertet, um Diagnoseinformationen zu erhalten, nicht erforderlich. Die erfindungsgemäße Sensor- und Auswerteeinrichtung kann zudem innerhalb weniger Minuten an einer Maschinenanlage während des Betriebs installiert werden.Another aspect that is essential to the invention is that the method according to the invention is carried out in a decentralized manner, i.e. the sensor and evaluation device not only records and digitizes measured values, but also evaluates them up to the determination of diagnostic information about disturbance states of individual consumers. Therefore, a central data center with high computing power and storage capacity, which evaluates the measured values transmitted by several machine systems in order to obtain diagnostic information, is not required. The sensor and evaluation device according to the invention can also be installed on a machine system during operation within a few minutes.

Das dem Gesamtstromprofil entsprechende Messsignal, welches beispielsweise mit einem Stromwandler erhalten wird, sowie gegebenenfalls das Gesamtspannungsprofil, werden von der Sensor- und Auswertevorrichtung digitalisiert, indem diese abgetastet werden und dabei Abtastwerte zur weiteren Auswertung erzeugt werden.The measurement signal corresponding to the overall current profile, which is obtained, for example, with a current transformer, and possibly the overall voltage profile, are digitized by the sensor and evaluation device by scanning them and generating scanning values for further evaluation.

Zur Ermittlung von Diagnoseinformationen werden Merkmale aus dem durch die Abtastwerte abgebildeten Gesamtstromprofil sowie gegebenenfalls aus dem Gesamtspannungsprofil extrahiert und einem Lernalgorithmus zugeführt. Der Lernalgorithmus kann zuvor mit entsprechenden Trainingsdaten trainiert worden sein, sodass unmittelbar nach der Installation der Sensor- und Auswerteeinrichtung zuverlässige Diagnoseinformationen erhalten werden können. Die Trainingsdaten können an einer Versuchsanlage gesammelt werden, welche baugleichen oder eines ähnlichen Typs wie die Maschinenanlage ist, bei der das erfindungsgemäße Diagnoseverfahren später zum Einsatz kommen soll. Dabei können einzelne elektrische Verbraucher oder eine Gruppe bestimmter elektrischer Verbraucher gezielt angesteuert werden, während andere elektrische Verbraucher deaktiviert sind. Auf diese Weise können Charakteristika in den Spektren einzelner elektrischer Verbraucher identifiziert werden, die auch das Gesamtstromprofil bzw. Gesamtspannungsprofil signifikant beeinflussen und sodann aus diesem extrahiert werden können, auch wenn andere elektrische Verbraucher aktiviert sind.To determine diagnostic information, features are extracted from the total current profile mapped by the sampled values and, if necessary, from the total voltage profile and fed to a learning algorithm. The learning algorithm can have been trained beforehand with corresponding training data, so that reliable diagnostic information can be obtained immediately after the installation of the sensor and evaluation device. The training data can be collected on a test installation which is structurally identical or of a similar type to the machine installation in which the diagnostic method according to the invention is to be used later. Here you can individual electrical consumers or a group of specific electrical consumers are controlled in a targeted manner, while other electrical consumers are deactivated. In this way, characteristics can be identified in the spectra of individual electrical consumers, which also significantly influence the overall current profile or overall voltage profile and can then be extracted from it, even if other electrical consumers are activated.

Der Lernalgorithmus wird in der Sensor- und Auswerteeinrichtung durchgeführt, sodass eine Datenübertragung an ein zentrales Serversystem, auf dem die Daten gespeichert und ausgewertet werden, entfällt. Dies ist von besonderer Bedeutung bei der Überwachung mehrerer Maschinenanlagen oder einer ganzen Fertigungsstraße mit zahlreichen verschiedenen Maschinenanlagen, weil in diesem Fall zur Speicherung und Auswertung all der Messdaten erhebliche Speicherkapazitäten und, zur Auswahl und Auswertung der gespeicherten Daten, große Rechenleistungen erforderlich sind, insbesondere dann, wenn die Maschinenanlagen jeweils, wie es nach dem Stand der Technik der Fall ist, mit mehreren Sensoren zur Detektion von Störzuständen ausgestattet sind. Dabei kann es im Übrigen auch zu Verzögerungen kommen bis die Diagnoseinformationen ermittelt wurden, sodass ein rechtzeitiges Eingreifen bei einem kritischen Störzustand nicht mehr möglich ist. Dagegen wird bei dem erfindungsgemäßen Verfahren eine Sensor- und Auswerteeinrichtung zur Anwendung gebracht, der nur die relevanten Daten zugeführt werden und die den Lernalgorithmus dezentral ausführt, sodass die erforderliche Hardware reduziert ist und die Diagnoseinformationen schneller erhalten werden.The learning algorithm is carried out in the sensor and evaluation device, so that data transmission to a central server system, on which the data is stored and evaluated, is not necessary. This is of particular importance when monitoring several machine systems or an entire production line with numerous different machine systems, because in this case considerable storage capacities are required for the storage and evaluation of all the measurement data and large computing power is required for the selection and evaluation of the stored data, in particular if the machine systems are each equipped with several sensors for the detection of disturbance states, as is the case according to the state of the art. Moreover, there may be delays until the diagnostic information has been determined, so that timely intervention in the event of a critical malfunction is no longer possible. In contrast, the method according to the invention uses a sensor and evaluation device to which only the relevant data is supplied and which executes the learning algorithm in a decentralized manner, so that the required hardware is reduced and the diagnostic information is obtained more quickly.

Die Diagnoseinformationen umfassen Informationen über einen Störzustand eines oder mehrerer elektrischer Verbraucher der Anlage. Bei dem Störzustand handelt es sich insbesondere um eine einem Verschleißzustand geschuldete Abweichung von einem idealen Betrieb. Unter dem Verschleißzustand wird eine sich im Laufe der Betriebszeit einstellende Abweichung von dem ursprünglichen Zustand eines elektrischen Verbrauchers verstanden, die sich insbesondere aus dem Grad der Abnutzung oder der Korrosion seiner Komponenten sowie dem Auftreten von Rissen und Brüchen ergibt. Bei dem Störzustand kann es sich aber auch beispielsweise um eine Unwucht, einen Fluchtfehler, einen Zentrierfehler, eine Wellendeformationen, ein Verzahnungsschaden, etc. handeln. Mit Hilfe der Diagnoseinformationen können sich aufgrund von Störzuständen ergebende Funktionsstörungen einzelner elektrischer Verbraucher einer Anlage und damit der gesamten Anlage insgesamt bereits erkannt werden, während diese sich anbahnen.The diagnostic information includes information about a fault condition of one or more electrical loads in the system. The fault condition is in particular a deviation from ideal operation due to a wear condition. The state of wear is understood to mean a deviation from the original state of an electrical consumer that occurs over the course of the operating time, which results in particular from the degree of wear or corrosion of its components and the occurrence of cracks and breaks. However, the disturbance state can also be, for example, an imbalance, a misalignment, a centering error, a shaft deformation, a tooth damage, etc. With the aid of the diagnostic information, malfunctions of individual electrical loads in a system and thus for the entire system as a whole can already be recognized while they are on the way.

Die Merkmale, welche dem Lernalgorithmus zugeführt werden, um eine Diagnoseinformation zu erhalten, können sehr zahlreich sein. Je mehr Merkmale extrahiert werden, desto differenzierter können die Diagnoseinformationen sein, die aus der Auswertung der Merkmale erhalten werden. Beispielsweise kann die Zahl der extrahierten Merkmale größer 100, größer 150 oder sogar größer 200 sein. Darunter können unter anderem folgende Merkmale sein: Vorhandensein von Peaks; Höhe, Breite, Lage oder Form von Peaks; Anfangspunkt, Endpunkt, Breite, Steigung oder Form von Flanken; Anfangspunkt, Endpunkt, Breite, Höhe oder Form von Plateaus; Abfolge von Peaks, Flanken oder Plateaus; Periodizitäten. Die Periodizitäten können auch die Phasenlagen der Signale zueinander umfassen, wenn die Messung mehrphasig erfolgt.The features which are fed to the learning algorithm in order to obtain diagnostic information can be very numerous. The more features are extracted, the more differentiated the diagnostic information that can be obtained from the evaluation of the features. For example, the number of extracted features can be greater than 100, greater than 150 or even greater than 200. These can include the following features: presence of peaks; Height, width, location or shape of peaks; Starting point, end point, width, slope or shape of flanks; Start point, end point, width, height or shape of plateaus; Sequence of peaks, flanks or plateaus; Periodicities. The periodicities can also include the phase positions of the signals with respect to one another if the measurement is carried out in multiple phases.

Da das Gesamtstromprofil sowie gegebenenfalls aus dem Gesamtspannungsprofil mit den Abtastwerten abgebildet wird und möglichst viele Details bei der Extraktion von relevanten Merkmalen berücksichtigt werden sollen, müssen die Abtastwerte eine hohe Auflösung haben. Die Auflösung beträgt darum vorzugsweise mindestens 10 Bit oder mindestens 12 Bit.Since the total current profile and, if necessary, from the total voltage profile is mapped with the sampled values and as many details as possible should be taken into account when extracting relevant features, the sampled values must have a high resolution. The resolution is therefore preferably at least 10 bits or at least 12 bits.

Das Gesamtstromprofil sowie gegebenenfalls das Gesamtspannungsprofil werden durch die Sensor- und Auswerteeinrichtung abgetastet und dadurch digitalisiert, d.h. durch einen Satz digitaler Daten abgebildet. Natürlich müssen die Strukturdetails des Gesamtstromprofils bzw. des Gesamtspannungsprofils dabei erfasst werden, weswegen die Abtastrate erfindungsgemäß im kHz-Bereich liegt. Andererseits muss die Abtastrate nur so hoch sein, wie erforderlich ist, um die Strukturdetails des Gesamtstromprofils bzw. des Gesamtspannungsprofils ausreichend zu erfassen, sodass die zu wählende Abtastrate von der Zahl und Art der verschleißbaren elektrischen Verbraucher in der jeweiligen Maschinenanlage abhängt. Denn eine zu hohe Abtastrate bringt nach dem Nyquist-Shannon-Theorem keinen weiteren Informationsgewinn, führt aber zu einer erheblichen Beanspruchung von Rechenressourcen. Darum wird das Gesamtstromprofil sowie gegebenenfalls das Gesamtspannungsprofil der Maschinenanlage von der Sensor- und Auswerteeinrichtung mit einer Abtastrate von mindestens 1 kHz, vorzugsweise von mehr als 3 kHz, mehr als 5 kHz, mehr als 7 kHz oder mehr als 9 kHz und besonders bevorzugt von mindestens 10 kHz abgetastet.The total current profile and, if applicable, the total voltage profile are scanned by the sensor and evaluation device and thereby digitized, i.e. mapped using a set of digital data. Of course, the structural details of the overall current profile or the overall voltage profile must be recorded, which is why the sampling rate according to the invention is in the kHz range. On the other hand, the sampling rate only needs to be as high as is necessary to sufficiently capture the structural details of the overall current profile or the overall voltage profile, so that the sampling rate to be selected depends on the number and type of wearable electrical loads in the respective machine system. Because, according to the Nyquist-Shannon theorem, a sampling rate that is too high does not result in any additional information gain, but leads to a considerable use of computing resources. Therefore, the overall current profile and, if applicable, the overall voltage profile of the machine system from the sensor and evaluation device with a sampling rate of at least 1 kHz, preferably more than 3 kHz, more than 5 kHz, more than 7 kHz or more than 9 kHz and particularly preferably at least 10 kHz sampled.

Die Identifikation von Merkmalen des Gesamtstromprofils und/oder des Gesamtspannungsprofils (Vorverarbeitung) kann mittels Analysen im Zeitbereich, insbesondere durch Filtern, Glätten, Ermitteln von Standardabweichung, Extremwerten, des quadratischen Mittels und/oder der Autokorrelationsfunktion erfolgen. Alternativ oder ergänzend können Analysen im Frequenzbereich, insbesondere durch Durchführung einer diskreten Fouriertransformation und/oder einer diskreten Wavelet-Transformation, durchgeführt werden, wobei bevorzugt die Kurzzeit-Fourier-Transformation (STFT - Short Time Fourier Transformation) Anwendung findet. Zu den Merkmalen im Zeitbereich gehören bevorzugt: Root Mean Square, Crest Factor, Shape Factor, Skewness, Kurtosis, Mean, Maximum, Minimum, Standardabweichung, Varianz, Mean Absolute Deviation sowie die Signalenergie. Für die Analyse im Zeitbereich wird vorzugsweise die Fast-Fourier-Transformation angewendet und die damit erhaltenen Merkmale im Frequenzbereich sind bevorzugt: Frequency Center, RMS Frequency Center.The identification of features of the overall current profile and / or the overall voltage profile (preprocessing) can take place by means of analyzes in the time domain, in particular by filtering, smoothing, determining standard deviation, extreme values, the root mean square and / or the autocorrelation function. Alternatively or in addition, analyzes in the frequency domain, in particular by performing a discrete Fourier transformation and / or a discrete wavelet transformation, the short-time Fourier transformation (STFT - Short Time Fourier Transformation) preferably being used. The characteristics in the time domain preferably include: Root Mean Square, Crest Factor, Shape Factor, Skewness, Kurtosis, Mean, Maximum, Minimum, Standard Deviation, Variance, Mean Absolute Deviation and the signal energy. The Fast Fourier Transformation is preferably used for the analysis in the time domain and the characteristics obtained with it in the frequency domain are preferred: Frequency Center, RMS Frequency Center.

Die Hauptverarbeitung kann auf einer unüberwachten Lerntechnik in Form eines sogenannten Clustering oder einer überwachten Lerntechnik in Form einer Klassifikation oder Regression basieren. Spezielle Lernalgorithmen, welche im Rahmen der Erfindung zu Anwendung kommen können, sind etwa ein Entscheidungsbaum, eine logistische Regression, einen Regressionsbaum oder ein, insbesondere tiefes, neuronales Netz. Der Lernalgorithmus führt z.B. bei einer Zustandsdetektion eine Klassifikation der aus dem Gesamtstromprofil und/oder dem Gesamtspannungsprofil extrahierten Merkmale durch, d.h. er ordnet einzelne Merkmale oder eine Gruppe von Merkmalen einer bestimmten Diagnoseinformation über einen elektrischen Verbraucher zu. Das entscheidende an einem Lernalgorithmus ist dabei, dass das Zuordnungsschema nicht fest durch die Programmierung vorgegeben ist, sondern sich während der Trainingsphase dynamisch anpasst, sodass der Lernalgorithmus ohne feste Vorgabe ein Merkmal oder eine Merkmalskombination einer bestimmten Diagnoseinformation zuordnet. In der Trainingsphase werden dazu bei bekanntem Zustand (regulärer Betriebszustand, Verschleißerscheinungen, andere Defekte, etc.) einzelner elektrischer Verbraucher, einer Gruppe von elektrischen Verbrauchern oder der gesamten Maschinenanlage die aus dem Gesamtstromprofil und/oder dem Gesamtspannungsprofil extrahierten Merkmale dem Lernalgorithmus solange zugeführt, bis dieser zu einem korrekten Ergebnis gelangt, wobei die dazu erforderlichen Anpassungen des Lernalgorithmus von diesem selbst vorgenommen werden.The main processing can be based on an unsupervised learning technique in the form of so-called clustering or a supervised learning technique in the form of a classification or regression. Special learning algorithms which can be used within the scope of the invention are, for example, a decision tree, a logistic regression, a regression tree or a particularly deep, neural network. The learning algorithm carries out a classification of the features extracted from the overall current profile and / or the overall voltage profile, i.e. it assigns individual features or a group of features to certain diagnostic information about an electrical consumer, for example in the case of a status detection. The decisive factor in a learning algorithm is that the assignment scheme is not fixed by the programming, but adapts dynamically during the training phase, so that the learning algorithm assigns a feature or a combination of features to certain diagnostic information without a fixed specification. In the training phase, if the state (regular operating state, signs of wear, other defects, etc.) of individual electrical consumers, a group of electrical consumers or the entire machine system is known, the features extracted from the overall current profile and / or the overall voltage profile are fed to the learning algorithm until this arrives at a correct result, with the necessary adaptations of the learning algorithm being carried out by the latter itself.

Es kann vorgesehen sein, dass in der Sensor- und Auswerteeinrichtung mehrere Vorverarbeitungsverfahren und Lernalgorithmen implementiert sind und eine voll- oder teilautomatische Auswahl derjenigen Vorverarbeitungsverfahren und Lernalgorithmen erfolgt, die für die jeweils vorliegenden Daten am geeignetsten sind, um korrekte Diagnoseinformationen zu ermitteln. Die Auswahl unter den Vorverarbeitungsverfahren und Lernalgorithmen kann davon abhängig gemacht werden, welche Merkmale am relevantesten sind, wie gut trainiert diese sind, wieviel Rechenkapazität sie erfordern, wie schnell diese eine Diagnoseinformation ermitteln können oder welcher Art das zu analysierende Messsignal ist.Provision can be made for several preprocessing methods and learning algorithms to be implemented in the sensor and evaluation device, and for those preprocessing methods and learning algorithms to be selected that are most suitable for the respective data in order to determine correct diagnostic information. The selection among the preprocessing methods and learning algorithms can be made dependent on which features are most relevant, how well trained they are, how much computing capacity they require, how quickly they can determine diagnostic information or what type of measurement signal to be analyzed is.

In bevorzugter Ausgestaltung umfasst die Sensor- und Auswerteeinrichtung einen Einplatinenrechner, auf dem der Lernalgorithmus zur Ermittlung der Diagnoseinformationen ausgeführt wird (Hauptverarbeitung). Ein Einplatinenrechner weist eine einfache Architektur auf und kann die Hauptanalyse des Messsignals, d.h. die Ermittlung von Diagnoseinformationen aus den extrahierten Merkmalen, ausreichend schnell durchführen.In a preferred embodiment, the sensor and evaluation device comprises a single-board computer on which the learning algorithm for determining the diagnostic information is executed (main processing). A single-board computer has a simple architecture and can perform the main analysis of the measurement signal, i.e. the determination of diagnostic information from the extracted features, sufficiently quickly.

Die Sensor- und Auswerteeinrichtung kann ferner umfassen:

- einen Mikrocontroller,
- einen RAM-Speicher und / oder einen ROM-Speicher,
- zumindest einen Ausgangsanschluss und
- zumindest einen Eingangsanschluss.

The sensor and evaluation device can also include:

- a microcontroller,
- a RAM memory and / or a ROM memory,
- at least one output connector and
- at least one input port.

Mit dem Mikrocontroller wird die Abtastung des Gesamtstromprofils und/oder des Gesamtspannungsprofils vorgenommen und die Voranalyse, d.h. die Extraktion der Merkmale, durchgeführt.The microcontroller is used to scan the overall current profile and / or the overall voltage profile and perform the pre-analysis, i.e. the extraction of the features.

Das den Mikrocontroller steuernde Steuerprogramm ist auf dem integrierten nichtflüchtigen Speicher ROM (Read Only Memory) gespeichert, bei dem es sich bevorzugt um einen EEPROM (Electrically Erasable Programmable ROM) handelt, sodass das Steuerprogramm des Mikrocontrollers durch ein neues ersetzt werden kann, ohne den ROM-Speicher austauschen zu müssen. Der RAM (Random Access Memory) dient als Arbeitsspeicher, auf den das Steuerprogramm und die auszuwertenden Daten (Abtastwerte des Gesamtstromprofils bzw. des Gesamtspannungsprofils) geladen werden.The control program controlling the microcontroller is stored on the integrated non-volatile memory ROM (Read Only Memory), which is preferably an EEPROM (Electrically Erasable Programmable ROM), so that the control program of the microcontroller can be replaced by a new one without the ROM - Having to replace memory. The RAM (Random Access Memory) serves as a working memory to which the control program and the data to be evaluated (samples of the total current profile or the total voltage profile) are loaded.

Der zumindest eine Ausgangsanschluss dient zur Ausgabe der ermittelten Diagnoseinformation oder anderweitiger relevanter Daten. Der Ausgangsanschluss kann als USB(Universal Serial Bus)-, Ethernet-, HDMI(High Definition Multimedia Interface)- oder WLAN(Wireless Local Area Network)-Anschluss ausgebildet sein, wobei entsprechende Anschlüsse auch parallel vorhanden sein können, sodass die ermittelten Diagnoseinformationen auf vielfältige Weise ausgegeben bzw. an eine übergeordnete Distanz weitergegeben werden können.The at least one output connection is used to output the determined diagnostic information or other relevant data. The output connection can be designed as a USB (Universal Serial Bus), Ethernet, HDMI (High Definition Multimedia Interface) or WLAN (Wireless Local Area Network) connection, whereby corresponding connections can also be present in parallel, so that the determined diagnostic information is available can be issued in many ways or passed on to a higher-level distance.

Die Eingangsanschlüsse dienen der Zuführung des Messsignals sowie der Strom- und Spannungsversorgung des Mikrocontrollers und des Einplatinenrechners. Für das Messsignal können auch mehrere verschiedene Eingangsschnittstellen vorhanden sein, etwa verschiedene Analoganschlüsse für unterschiedliche Spannungsbereiche, wie galvanisch ungetrennte, galvanisch getrennte oder BNC-Anschlüsse. Ferner können für eine Aufzeichnung von relevanten Evaluierungsdaten digitale Eingangsanschlüsse vorhanden sein, wodurch eine zeitsynchrone Erzeugung passender Ergebnislabels für Trainingsdaten ermöglicht wird, zum Beispiel durch eine Mensch-Maschine-Schnittstelle, einen Steuerungstrigger, etc.The input connections are used to supply the measurement signal as well as the current and voltage supply of the microcontroller and the single-board computer. There can also be several different input interfaces for the measurement signal, such as different analog connections for different voltage ranges, such as galvanically non-isolated, galvanically isolated or BNC connections. Furthermore, digital input connections can be provided for recording relevant evaluation data, whereby a time-synchronous generation of suitable result labels for training data is made possible, for example by a man-machine interface, a control trigger, etc.

Schließlich können in die Sensor- und Auswerteeinrichtung Relais integriert sein, welche ein aktives Eingreifen in das zu untersuchende System, beispielsweise bei einer Detektion eines zeitkritischen Ereignisses, ermöglichen.Finally, relays can be integrated into the sensor and evaluation device, which enable active intervention in the system to be examined, for example when a time-critical event is detected.

Bei den elektrischen Verbrauchern der Maschinenanlage mit verschleißbaren Komponenten handelt es sich bevorzugt um Elektromotoren, weil diese ganz überwiegend zur Steuerung von beweglichen Teilen von Maschinenanlagen verwendet werden und deren Betriebs- und Störzustände ausreichend bestimmt anhand des Gesamtstromprofils und/oder des Gesamtspannungsprofils ermittelt werden können. Veränderungen des Stromprofils eines Elektromotors können zunächst nur in einer bestimmten Betriebsphase des Elektromotors auftreten, etwa beim Anlaufen des Elektromotors, und gleichwohl einen Rückschluss auf einen bestimmten Verschleißzustand zulassen. Die Erfindung ist jedoch nicht auf die Ermittlung von Diagnoseinformationen über Elektromotoren beschränkt. Diagnoseinformationen über andere elektrische Verbraucher mit verschleißbaren Komponenten können mit dem erfindungsgemäßen Verfahren ebenfalls ermittelt werden, wenn der Lernalgorithmus entsprechend gewählt und trainiert worden ist.The electrical consumers of the machine system with wearable components are preferably electric motors because they are predominantly used to control moving parts of machine systems and their operating and fault states can be determined sufficiently using the overall current profile and / or the overall voltage profile. Changes in the current profile of an electric motor can initially only occur in a certain operating phase of the electric motor, for example when the electric motor is starting up, and nevertheless allow conclusions to be drawn about a certain state of wear. However, the invention is not limited to the determination of diagnostic information about electric motors. Diagnostic information about other electrical loads with wearable components can also be determined with the method according to the invention if the learning algorithm has been selected and trained accordingly.

Ferner ist die zu überwachende Maschinenanlage vorzugsweise eine werkstoffverarbeitende und/oder eine werkstoffbearbeitende Maschinenanlage. Bei solchen Maschinen werden mittels Elektromotoren häufig massive Maschinenteile bewegt und die dazu verwendeten Elektromotoren mit entsprechend starken Stromstärken versorgt. Dabei kommt es mit der Zeit zu einem signifikanten Verschleiß der gegeneinander beweglichen Komponenten der Elektromotoren. Mit dem erfindungsgemäßen Verfahren können die Betriebs- und Störzustände dieser Elektromotoren überwacht werden und der Zeitpunkt einer notwendigen Reparatur oder eines Austausches einzelner Elektromotoren genau festgestellt werden. Folglich muss die Wartung der Maschinenanlage nicht in festen Intervallen geschehen, sondern ist bedarfsgerecht, sodass mit einer nach festen Intervallen organisierten Wartung einhergehende Produktionsausfälle vermieden und Wartungskosten gespart werden.Furthermore, the machine system to be monitored is preferably a material-processing and / or a material-processing machine system. In such machines, massive machine parts are often moved by means of electric motors and the electric motors used for this purpose are supplied with correspondingly strong currents. Over time, the components of the electric motors that move relative to one another wear significantly. With the method according to the invention, the operating and malfunction states of these electric motors can be monitored and the point in time of a necessary repair or replacement of individual electric motors can be precisely determined. As a result, maintenance of the machine system does not have to take place at fixed intervals, but is needs-based, so that production downtimes associated with maintenance organized according to fixed intervals are avoided and maintenance costs are saved.

Die Maschinenanlage kann eine einzelne Maschine oder eine Gruppe von Maschinen umfassen, d.h. die Überwachung der Betriebs- und Störzustände von elektrischen Verbrauchern mittels der Auswertung des Gesamtstromprofils und/oder des Gesamtspannungsprofils kann auch bei einer Gruppe von Maschinen und deren Gesamtstrom- und/oder -spannungsprofil durchgeführt werden. Natürlich müssen dafür entsprechend viele Merkmale aus dem Gesamtstromprofil und/oder dem Gesamtspannungsprofil extrahiert werden und entsprechend differenziert muss der Lernalgorithmus gestaltet sein, um der größeren Zahl möglicher Merkmalskombinationen eine zuverlässige Diagnoseinformation zuordnen zu können.The machine system can comprise a single machine or a group of machines, ie the monitoring of the operating and fault states of electrical loads by evaluating the total current profile and / or the total voltage profile can also be performed in a group of machines and their total current and / or voltage profile be performed. Of course, a corresponding number of features must be extracted from the overall current profile and / or the overall voltage profile and the learning algorithm must be designed in a correspondingly differentiated manner in order to be able to assign reliable diagnostic information to the larger number of possible feature combinations.

FigurenlisteFigure list

1 shows a schematic block diagram of the sensor and evaluation device for carrying out the method according to the invention.

AUSFÜHRUNGSBEISPIELEEXAMPLES

Im Folgenden wird ein bevorzugtes Ausführungsbeispiel der Erfindung anhand der beigefügten Figur näher beschrieben. Allerdings ist die Erfindung nicht auf dieses Ausführungsbeispiel beschränkt.In the following, a preferred embodiment of the invention is described in more detail with reference to the accompanying figure. However, the invention is not restricted to this exemplary embodiment.

Die in 1 gezeigte Sensor- und Auswerteeinheit umfasst einen Mikrocontroller, einen Einplatinenrechner, einen zusätzlichen optionale ROM-Speicher (EEPROM), einen zusätzlichen optionalen RAM Speicher (SD-RAM) sowie zwei Relais und verschiedene Anschlüsse, wie eine Spannungsversorgung, verschiedene drahtgebundene bzw. drahtlose Netzwerkanschlüsse, wie einen HDMI-Anschluss, einen Ethernet-Anschluss und USB-Anschlüsse bzw. einen WLAN-Sender. Darüber hinaus sind drei SPI-Ports, galvanisch getrennte digitale Eingänge, analoge BNC-Eingänge sowie analoge Eingänge und galvanisch getrennte analoge Eingänge vorgesehen. Außerdem umfasst die Sensor- und Auswerteeinheit eine Debug-Schnittstelle (USB). An den galvanisch getrennten analogen Eingängen sind Trennverstärker vorgesehen, während an den BNC-Eingängen ein frequenzvariabler Tiefpassfilter (Antialiasing-Filter) angeordnet ist und den digitalen Eingängen Transistoren zugeordnet sind.In the 1 The sensor and evaluation unit shown includes a microcontroller, a single-board computer, an additional optional ROM memory (EEPROM), an additional optional RAM memory (SD-RAM) as well as two relays and various connections, such as a power supply, various wired or wireless network connections, such as an HDMI connection, an Ethernet connection and USB connections or a WLAN transmitter. In addition, three SPI ports, electrically isolated digital inputs, analog BNC inputs as well as analog inputs and electrically isolated analog inputs are provided. The sensor and evaluation unit also includes a debug interface (USB). Isolation amplifiers are provided at the galvanically isolated analog inputs, while a frequency-variable low-pass filter (anti-aliasing filter) is arranged at the BNC inputs and transistors are assigned to the digital inputs.

Die Abtastung des Gesamtstromprofils und/oder des Gesamtspannungsprofils einer Maschinenanlage erfolgt mit einem Mikrocontroller mit DSP-Funktionalitäten (Digitaler Signalprozessor). Dieser konvertiert das Messsignal mit möglichst hoher Auflösung von mindestens 10 Bit und hoher Abtastrate von mindestens 10 kHz in ein digitales Signal. Das Gesamtstromprofil wird mit einem Stromwandler erfasst. Auf dem Mikrocontroller findet die Signalvoranalyse zur Merkmalsextraktion und Informationsverdichtung (Vorverarbeitung) des mit dem Stromwandler erhaltenen Messsignals statt. Hierbei werden Merkmale aus dem Messsignal extrahiert. Dazu werden vorimplementierte Verfahren auf das Messsignal angewendet, wobei vorteilhaft vorgesehen sein kann, dass das optimale Verfahren mittels einer hinterlegten Logik automatisch ausgewählt wird. Zu den Verfahren gehören etwa statistische Analysen im Zeitbereich, z.B. Ermittlung von Standardabweichung, Extremwerten oder RMS (Root-Mean-Square) sowie Analysen im Frequenzbereich, wie die schnelle Fourier-Transformation oder die diskrete Wavelet-Transformation.The scanning of the overall current profile and / or the overall voltage profile of a machine installation is carried out with a microcontroller with DSP functionalities (digital signal processor). This converts the measurement signal with the highest possible resolution of at least 10 bits and a high sampling rate of at least 10 kHz into a digital signal. The overall current profile is recorded with a current transformer. The signal pre-analysis for feature extraction and information compression takes place on the microcontroller (Preprocessing) of the measurement signal received with the current transformer takes place. Features are extracted from the measurement signal. For this purpose, pre-implemented methods are applied to the measurement signal, it being advantageously possible for the optimal method to be selected automatically by means of a stored logic. The methods include statistical analyzes in the time domain, e.g. determination of standard deviation, extreme values or RMS (Root-Mean-Square) as well as analyzes in the frequency domain, such as the fast Fourier transformation or the discrete wavelet transformation.

Die Hauptanalyse erfolgt auf einem Einplatinenrechner, welcher die extrahierten Merkmale vom Mikrocontroller sowie parallel dazu digitale Triggersignale für die zeitsynchrone Erzeugung passender Ereignislabels für die Trainingsdaten erhält. Für die weitere Informationsextraktion werden dabei verschiedene Lernalgorithmen auf die Merkmale angewendet und eine teilautomatische Auswahl des optimalen Lernalgorithmus ausgeführt. Im Anschluss erfolgt die Ausgabe einer Diagnoseinformation über den Störzustand, insbesondere in Form einer Aussage über den Verschleißzustand einer Komponente oder einer detektierten Anomalie, je nach Voreinstellung der Sensor- und Auswerteeinrichtung. Auf dem Einplatinenrechner ist ein handelsüblicher Prozessor angeordnet, beispielsweise ein Raspberry Pi- QuadCore-Prozessor, auf dem das Betriebssystem Linux läuft.The main analysis takes place on a single-board computer, which receives the extracted features from the microcontroller and, in parallel, digital trigger signals for the time-synchronous generation of suitable event labels for the training data. For further information extraction, various learning algorithms are applied to the features and a semi-automatic selection of the optimal learning algorithm is carried out. Diagnostic information about the fault condition is then output, in particular in the form of a statement about the wear condition of a component or a detected anomaly, depending on the presetting of the sensor and evaluation device. A commercially available processor is arranged on the single-board computer, for example a Raspberry Pi QuadCore processor on which the Linux operating system runs.

Das Training des Lernalgorithmus erfolgt je nach zu lösender Problemstellung ggf. auf einer zusätzlichen Recheneinheit und der trainierte Lernalgorithmus wird schließlich auf der Sensor- und Auswerteeinrichtung implementiert und ausgeführt.The training of the learning algorithm takes place depending on the problem to be solved, if necessary on an additional computing unit and the trained learning algorithm is finally implemented and executed on the sensor and evaluation device.

Neben der Erfassung des Gesamtstromprofils über verschiedene gefilterte oder galvanisch isolierte analoge Eingänge zur Generierung von Trainingsdaten wird eine Aufzeichnung relevanter Evaluierungsdaten mittels drei digitaler Eingänge ermöglicht. Dies erlaubt eine zeitsynchrone Erzeugung passender Ereignislabels für die Trainingsdaten, beispielsweise durch eine Mensch-Maschine-Schnittstelle, einen Steuerungstrigger, etc. Ein weiterer Bestandteil der Sensor- und Auswerteeinrichtung ist die Möglichkeit eines aktiven Eingreifens in das zu untersuchende System über zwei integrierte Relais, beispielsweise bei Detektion eines zeitkritischen Ereignisses. Die Diagnoseinformationen werden in einer schlanken Datenbank auf dem Einplatinenrechner gespeichert oder per drahtloser Datenübertragung oder Ethernet an eine übergeordnete Instanz weitergegeben.In addition to recording the overall current profile via various filtered or galvanically isolated analog inputs for generating training data, it is possible to record relevant evaluation data using three digital inputs. This allows a time-synchronous generation of suitable event labels for the training data, for example by a man-machine interface, a control trigger, etc. Another component of the sensor and evaluation device is the possibility of active intervention in the system to be examined via two integrated relays, for example when a time-critical event is detected. The diagnostic information is stored in a slim database on the single-board computer or passed on to a higher-level entity via wireless data transmission or Ethernet.

Somit deckt die Sensor- und Auswerteeinrichtung zur Durchführung des erfindungsgemäßen Verfahrens die Erfassung, Filterung, Vor- und Hauptanalyse, Speicherung, Vernetzung sowie ggf. notwendige korrigierende Systemeingriffe oder die Ausgabe von Handlungsempfehlungen in einem einzigen, kostengünstigen System ab. Thus, the sensor and evaluation device for performing the method according to the invention covers the acquisition, filtering, preliminary and main analysis, storage, networking and any necessary corrective system interventions or the output of recommendations for action in a single, inexpensive system.

Obwohl die vorliegende Erfindung anhand des Ausführungsbeispiels detailliert beschrieben worden ist, ist für den Fachmann selbstverständlich, dass die Erfindung nicht auf dieses Ausführungsbeispiel beschränkt ist, sondern dass vielmehr Abwandlungen in der Weise möglich sind, dass einzelne Merkmale weggelassen oder andersartige Kombinationen von Merkmalen verwirklicht werden können, ohne dass der Schutzbereich der beigefügten Ansprüche verlassen wird. Insbesondere schließt die vorliegende Offenbarung sämtliche Kombinationen der Einzelmerkmale des Ausführungsbeispiels mit ein.Although the present invention has been described in detail on the basis of the exemplary embodiment, it is obvious to a person skilled in the art that the invention is not limited to this exemplary embodiment, but rather that modifications are possible in such a way that individual features can be omitted or other types of combinations of features can be implemented without departing from the scope of protection of the appended claims. In particular, the present disclosure includes all combinations of the individual features of the exemplary embodiment.

ZITATE ENTHALTEN IN DER BESCHREIBUNGQUOTES INCLUDED IN THE DESCRIPTION

Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of the documents listed by the applicant was generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.

Zitierte PatentliteraturPatent literature cited

DE 10049506 A1 [0002]
KR 101862111 B1 [0003]
US 2016/0072415 A1 [0004]
WO 2017/153880 A1 [0005, 0008]
US 2007/0067678 A1 [0006]

Claims

Method for the decentralized determination of diagnostic information about several electrical loads of a system, in particular machine system with in particular wearable components, preferably mutually movable, characterized in that a total current profile and / or a total voltage profile is measured in a supply line of the machine system by means of a sensor and evaluation device, wherein the supply line carries a total current and / or a total voltage for several or all electrical loads of the machine system, wherein a measurement signal corresponding to the total current profile and / or the total voltage is digitized by means of sampling and generation of sampled values, and the sensor and evaluation device features of the total current profile and / or overall voltage profile identified and fed to a learning algorithm, the learning algorithm assigning the features of diagnostic information about a fault condition of individual consumers.

Procedure according to Claim 1 or 2 , characterized in that the sample values have a resolution of at least 10 bits or at least 12 bits.

Procedure according to Claim 1 , characterized in that the total current profile and / or the total voltage profile of the machine system is sampled at a sampling rate of at least 1 kHz, preferably more than 3 kHz, more than 5 kHz, more than 7 kHz or more than 9 kHz, particularly preferably at least 10 kHz .

Procedure according to Claim 1 , 2 or 3rd , characterized in that the identification of features by means of analyzes in the time domain, in particular by filtering, smoothing, determining standard deviation, extreme values, the quadratic mean and / or the autocorrelation function, and / or by analyzes in the frequency domain, in particular by performing a discrete Fourier Transformation and / or a discrete wavelet transformation takes place.

Method according to one of the preceding claims, characterized in that the main processing is based on an unsupervised learning technique or a monitored learning technique.

Method according to one of the preceding claims, characterized in that the sensor and evaluation device comprises a single-board computer on which the learning algorithm for determining the diagnostic information is executed.

Method according to one of the preceding claims, characterized in that the sensor and evaluation device further comprises: - a microcontroller, - an additional RAM memory and preferably an EEPROM memory, - at least one output connection and - at least one input connection.

Method according to one of the preceding claims, characterized in that at least one of the electrical loads is an electric motor or a magnetic coil which actuates a mechanism.

Method according to one of the preceding claims, characterized in that the machine system is a material-processing and / or a material-processing machine system.

Method according to one of the preceding claims, characterized in that the machine installation comprises a single machine or a group of machines.

Sensor and evaluation device for determining diagnostic information about several electrical loads of a system, in particular for performing the method according to one of the preceding claims, with a current sensor for arrangement in a power supply line for the system for determining an overall current profile of the current supplied to the system and a microcontroller for Digitization of the overall current profile and / or an overall voltage profile of the voltage supplied to the system in samples and for generating input data for a computing unit, in particular a single-board computer, which is designed so that diagnostic information about a fault condition of individual consumers can be generated from the input data generated by the microcontroller.