DE102021214406B3 - Procedure for detecting known causes of errors on EOL test benches - Google Patents

Procedure for detecting known causes of errors on EOL test benches Download PDF

Info

Publication number
DE102021214406B3
DE102021214406B3 DE102021214406.3A DE102021214406A DE102021214406B3 DE 102021214406 B3 DE102021214406 B3 DE 102021214406B3 DE 102021214406 A DE102021214406 A DE 102021214406A DE 102021214406 B3 DE102021214406 B3 DE 102021214406B3
Authority
DE
Germany
Prior art keywords
gear
nok
transmission
error
test
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
DE102021214406.3A
Other languages
German (de)
Inventor
Christian Ehrhardt
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ZF Friedrichshafen AG
Original Assignee
ZF Friedrichshafen AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ZF Friedrichshafen AG filed Critical ZF Friedrichshafen AG
Priority to DE102021214406.3A priority Critical patent/DE102021214406B3/en
Application granted granted Critical
Publication of DE102021214406B3 publication Critical patent/DE102021214406B3/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G01M13/02—Gearings; Transmission mechanisms
    • G01M13/021—Gearings

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zum Detektieren von Fehlerursachen bei der Prüfung von Prüflingen mit rotierenden Getriebekomponenten an einem EOL-Prüfstand. Die Aufgabe, eine neuartige Möglichkeit zur akustischen Getriebeprüfung zu finden, die eine automatisierte Erkennung von Fehlerursachen gleich nach der Feststellung eines fehlerhaften Getriebes am EOL-Prüfstand gestattet, wird erfindungsgemäß gelöst, indem eine dynamische Grenze als Streuband für die Bewertung der IO-Getriebe gebildet wird, diese dynamischen Grenze der IO-Getriebe-Bewertung anschließend für die Ermittlung von Abschnitten mit Grenzüberschreitungen der Messkurve des aktuell geprüften NIO-Getriebes als Fehlerbilder des NIO-Getriebe angewendet wird und die festgestellten Fehlerbilder durch Vergleich mit in einer Bibliothek gespeicherten Fehlerbildern von in praktischen Untersuchungen nachgewiesenen Fehlerursachen zur Detektion der Fehlerursachen verwendet werden.The invention relates to a method for detecting causes of errors when testing test objects with rotating transmission components on an EOL test bench. The task of finding a new way of acoustic transmission testing that allows automated detection of causes of error immediately after detecting a faulty transmission on the EOL test bench is solved according to the invention by forming a dynamic limit as a scatter band for the evaluation of the IO transmission , this dynamic limit of the IO gear evaluation is then used to determine sections with limit violations of the measurement curve of the currently tested NOK gear as error images of the NOK gear and the detected error images are compared with error images stored in a library from practical tests proven error causes are used to detect the error causes.

Description

Die Erfindung betrifft ein Verfahren zum Detektieren von Fehlerursachen bei der Prüfung von Prüflingen mit rotierenden Getriebekomponenten an einem EOL-Prüfstand (End-Of-Line), insbesondere bei der akustischen Getriebeprüfung an EOL-Prüfständen in der Produktion.The invention relates to a method for detecting causes of errors when testing test objects with rotating transmission components on an EOL test stand (end-of-line), in particular during acoustic transmission testing on EOL test stands in production.

Das Anwendungsgebiet der Erfindung liegt insbesondere in der Automobilindustrie bei der Prüfung aller Arten von Getrieben, vorzugsweise, aber nicht darauf beschränkt, bei Getrieben und Antriebskomponenten von Elektro- und Hybridfahrzeugen. In DE 10 2015 206 192 A1 , DE 10 2017 104 884 A1 und DE 10 2007 051 261 A1 sind Verfahren zur Fehlerdetektion von Prüflingen beschrieben.The field of application of the invention lies in particular in the automotive industry in the testing of all types of transmissions, preferably but not limited to transmissions and drive components of electric and hybrid vehicles. In DE 10 2015 206 192 A1 , DE 10 2017 104 884 A1 and DE 10 2007 051 261 A1 procedures for fault detection of test objects are described.

Üblicherweise werden Getriebe am EOL-Prüfstand gegen hinterlegte Grenzkurven bzw. Grenzwerte geprüft. Die Entscheidung, ob das Getriebe IO (in Ordnung) oder NIO (nicht in Ordnung) ist, erfolgt online am EOL-Prüfstand. Die Bestimmung der Ausfallursache bei NIO-Getrieben erfolgt nachgelagert in einer teils aufwendigen Offline-Analyse. Hierzu müssen Daten gesichtet und verglichen werden. Zunächst wird eingeschätzt, ob dieses Fehlerbild in der Vergangenheit schon einmal vorgekommen ist. Da die Fehlerbilder bzw. Fehlerursachen vielseitig und komplex sein können, fällt diese Einschätzung schwer. Mitunter können mehrere Monate zwischen dem ersten Auftreten eines Fehlers und der Wiederholung des Fehlers liegen.Transmissions are usually tested on the EOL test bench against stored limit curves or limit values. The decision as to whether the transmission is OK (okay) or NIO (not OK) is made online on the EOL test bench. The cause of the failure of NOK gears is determined downstream in a sometimes complex offline analysis. To do this, data must be viewed and compared. First, an assessment is made as to whether this error pattern has already occurred in the past. Since the error patterns and error causes can be varied and complex, this assessment is difficult. Sometimes there can be several months between the first occurrence of an error and the repetition of the error.

Die akustische Beurteilung von Getrieben erfolgt gemäß dem üblichen Stand der Technik an EOL-Prüfständen. Für die Bewertung erforderliche Signale werden aus Körperschall- sowie Luftschall-Sensoren, wie z.B. Mikrofonen oder Beschleunigungssensoren gewonnen. Die Prüfstände werden mit Messtechnik und den oben genannten Sensoren ausgestattet, um den Getriebezustand zu erfassen und auszuwerten. Die Aufnahme entsprechender Messungen erfolgt während der Rotation wenigstens einer Welle innerhalb des Getriebes. Durch eine Verspannung des Getriebes werden verschiedene Systemzustände eingestellt und durchgeprüft.The acoustic assessment of transmissions is carried out according to the usual state of the art on EOL test benches. Signals required for the evaluation are obtained from structure-borne and airborne sensors, such as microphones or acceleration sensors. The test benches are equipped with measuring technology and the sensors mentioned above in order to record and evaluate the transmission condition. Corresponding measurements are recorded during the rotation of at least one shaft within the transmission. Various system states are set and checked by tensioning the transmission.

Ein Verfahren zum automatischen Zuordnen möglicher Verursacherquellen zu einer akustischen Auffälligkeit, z.B. einer akustischen Intensitätsspitze in einer rotierenden Getriebekomponente ist in der DE 10 2016 206 809 A1 beschrieben. Dabei ermöglicht das Verfahren, dass die Verursacherquellen automatisiert anhand einer Verursacherwahrscheinlichkeit oder eines Verursacheranteils in einer Rangfolge zueinander gegenübergestellt werden. Auf Basis der erfassten akustischen Auffälligkeit können dann automatisiert Vorschläge unterbreitet und Entscheidungen für eine Wartung der rotierenden Maschine abgeleitet werden.A method for automatically assigning possible sources of origin to an acoustic abnormality, eg an acoustic intensity peak in a rotating gear component is DE 10 2016 206 809 A1 described. The method makes it possible for the sources of origin to be automatically compared with one another in a ranking based on a probability of origin or a proportion of originators. Based on the detected acoustic abnormalities, automated suggestions can then be made and decisions for maintenance of the rotating machine can be derived.

Mögliche Verursacherquellen können verschiedene Elemente einer rotierenden Maschine umfassen, was in einem Getriebe insbesondere Verzahnungen, Lager, Wellen oder Teile davon sein können. Insbesondere betrifft das die Elemente mit Wälz- oder Rollanteil. Die genannten Verursacher treten in Getrieben vor allem bei Verzahnungen und Lagern auf. Modulationserscheinungen treten vor allem bei radialen Asymmetrien auf. Dabei auftretende periodische Schwingungen, die in ihrer Frequenz mit einer Drehzahl oder einer Vielzahl der Drehzahl der Maschine bzw. einer Welle des Getriebes übereinstimmen, werden in der Regel dadurch verursacht, dass sich aufgrund von Verzahnungs- oder Lagerfehler bestimmte Schallemissionen nach jeder Drehung oder einem bestimmten Drehwinkel wiederholen, und werden deshalb als rotationssynchron bezeichnet.Possible causes can include various elements of a rotating machine, which in a gearbox can be gears, bearings, shafts or parts thereof. This applies in particular to the elements with a rolling or roller component. The causes mentioned above occur in gears primarily in gearing and bearings. Modulation phenomena occur primarily in the case of radial asymmetries. The periodic vibrations that occur, the frequency of which corresponds to a speed or a large number of the speed of the machine or a shaft of the transmission, are usually caused by the fact that due to toothing or bearing errors, certain noise emissions after each rotation or a certain Repeat rotation angles, and are therefore referred to as rotationally synchronous.

Weiterhin ist im Stand der Technik aus der DE 101 17 114 A1 bekannt, eine Maschine oder rotierende Prüflinge zu kontrollieren, indem eine Referenzbildung über eine bestimmte Anzahl (z.B. 50) von Referenzobjekten stattfindet und dadurch gleitende Werte für einen oder mehrere Parameter der Prüflinge aufgenommen und zur Prüfung verwendet werden. Dabei werden auch sogenannte Ausreißer erfasst und mit ausgewertet. Ausreißer werden dabei so verstanden, dass die Prüflinge zwar als IO klassifiziert sind, aber am Rande von Grenzintervallen liegen, beispielsweise im Intervall zwischen µ+2σ und µ+3σ. Durch Erhöhung der Anzahl geprüfter Referenzobjekte in der Referenzgruppe verringert sich zwar die durch die Ausreißer verursachte Vergrößerung der Varianz bzw. Standardabweichung, aber die Ausreißer werden dann auch länger bei der Mittelwertbildung und Varianzberechnung mitgeschleppt.Furthermore, in the prior art from the DE 101 17 114 A1 It is known to control a machine or rotating specimens by forming a reference over a certain number (eg 50) of reference objects and thereby recording floating values for one or more parameters of the specimens and using them for the test. So-called outliers are also recorded and evaluated. Outliers are understood to mean that the test specimens are classified as OK, but are on the edge of limit intervals, for example in the interval between µ+2σ and µ+3σ. Increasing the number of tested reference objects in the reference group reduces the increase in variance or standard deviation caused by the outliers, but the outliers are then dragged along for a longer time in the averaging and variance calculation.

Darauf aufbauend ist in der DE 10 2015 206 194 A1 ein Verfahren zur Kontrolle von Prüflingen beschrieben, bei dem die Detektion von Bauteil- und Montagefehlern durch Selektion der Ausreißer innerhalb von Streubändern erfolgt, indem aus zwei Referenzgruppen Parametermaßwerte gewonnen werden, wobei in der zweiten Gruppe wenigstens ein Prüfling enthalten ist. Als Parametermaßwerte können ein Lagemaß, ein Streuungsmaß oder ein Konzentrationsmaß angewendet werden. Als Lagemaße kommen Modus, Modalwert, Median, Quartil, arithmetisches oder geometrisches Mittel in Frage. Streuungsmaße können die Spannweite, der Quartilsabstand, die Varianz, Standardabweichung oder der Variationskoeffizient sein. Als Konzentrationsmaße sind Lorenzkurven oder Gini-Koeffizient einsetzbar.Building on this is in the DE 10 2015 206 194 A1 describes a method for checking test specimens in which component and assembly errors are detected by selecting the outliers within scatter bands by obtaining parameter values from two reference groups, with at least one test specimen being contained in the second group. A location measure, a spread measure or a concentration measure can be used as parameter measure values. Mode, modal value, median, quartile, arithmetic or geometric mean come into consideration as position measures. Measures of dispersion can be range, interquartile range, variance, standard deviation, or coefficient of variation. Lorenz curves or Gini coefficients can be used as concentration measures.

Aus den beiden Referenzgruppen werden gemäß der DE 10 2015 206 194 A1 jeweils Parametermaßwerte ermittelt, die - bei beliebiger Wahl aus den vorgenannten Möglichkeiten - vorzugsweise dieselbe Statistikmethode beinhalten sollten. Aus den Parametermaßwerten wird dann eine Kennzahl gewonnen und zur Klassifizierung des Prüflings verwendet.From the two reference groups according to the DE 10 2015 206 194 A1 parameter values are determined in each case, which - given any choice from the aforementioned options - should preferably contain the same statistical method. A key figure is then obtained from the parameter dimensions and used to classify the test specimen.

Der Erfindung liegt die Aufgabe zugrunde, eine neuartige Möglichkeit zur akustischen Getriebeprüfung zu finden, die eine automatisierte Erkennung von Fehlerursachen gleich nach der Feststellung eines NIO-Getriebes am EOL-Prüfstand gestattet, ohne aufwändige Fehlerbestimmungen durch eine nachgelagerte Offline-Analyse oder eine theoretische Berechnung von Fehlerbildern durchführen zu müssen.The object of the invention is to find a new way of acoustic transmission testing that allows automated detection of the causes of faults immediately after a NOK transmission has been detected on the EOL test bench, without complex fault determinations by a downstream offline analysis or a theoretical calculation of having to carry out error images.

Erfindungsgemäß wird die Aufgabe durch ein Verfahren zum Detektieren von Fehlerursachen bei der Prüfung von Prüflingen mit rotierenden Getriebekomponenten an einem EOL-Prüfstand mit folgenden Schritten gelöst:

  1. a) Erfassen einer Vielzahl von Messwerten für ausgewählte Getriebeparameter für eine Referenzgruppe von Prüflingen;
  2. b) Zusammenfassen der ausgewählten Getriebeparameter zu einem Referenzmerkmalsvektor;
  3. c) Festlegen von Auffälligkeits- und Eingreifgrenzen für die ausgewählten Getriebeparameter, wobei die Eingreifgrenzen innerhalb eines von den Auffälligkeitsgrenzen gebildeten Auffälligkeitsbereichs liegen;
  4. d) Aufnehmen von Messwerten der ausgewählten Getriebeparameter für einen aktuell zu bewertenden Prüfling;
  5. e) Klassifizieren des aktuell zu bewertenden Prüflings als IO-Getriebe, wenn dessen in Schritt d) aufgenommenen Messwerte für jeden der ausgewählten Getriebeparameter innerhalb von dynamischen Grenzen eines statistisch gemittelten Streubandes der IO-Getriebe liegen, und als NIO-Getriebe, wenn die dynamischen Grenzen des statistisch gemittelten Streubandes mindestens abschnittsweise überschritten sind;
  6. f) fortlaufendes Aufnehmen von Messwerten der ausgewählten Getriebeparameter von fortlaufend als IO-Getriebe bewerteten Prüflingen zur Adaption des statistisch gemittelten Streubandes der IO-Getriebe, indem der Prüfling als letztes Referenzobjekt der Referenzgruppe hinzugefügt und das erste Referenzobjekt verworfen wird, sodass ein dynamisches Streuband für die Bewertung der IO-Getriebe gebildet wird;
  7. g) Verwenden der dynamischen Grenzen des Streubandes der IO-Getriebe für die Ermittlung von Abschnitten mit Grenzüberschreitungen im Verlauf der Getriebeparameter des aktuell geprüften NIO-Getriebes und Feststellen von Fehlerbildern des NIO-Getriebes;
  8. h) Vergleichen der festgestellten Fehlerbilder des aktuell geprüften NIO-Getriebes mit in einer Bibliothek gespeicherten Fehlerbildern von in praktischen Untersuchungen eindeutig nachgewiesenen Fehlerursachen zur Detektion der Fehlerursache des geprüften NIO-Getriebes, wobei für die Detektion der Fehlerursache des NIO-Getriebes im Vergleich der dynamischen Grenzen des Streubandes mit dem Verlauf der Getriebeparameter zur Feststellung eines Fehlerbildes der Abstand zwischen dynamischer Grenze und Kurvenverlauf des NIO-Getriebes in einem Abschnitt der Grenzüberschreitung bestimmt.
According to the invention, the object is achieved by a method for detecting causes of errors when testing test objects with rotating transmission components on an EOL test bench with the following steps:
  1. a) recording a large number of measured values for selected transmission parameters for a reference group of test objects;
  2. b) combining the selected transmission parameters into a reference feature vector;
  3. c) definition of abnormality and intervention limits for the selected transmission parameters, the intervention limits being within an abnormality range formed by the abnormality limits;
  4. d) recording of measured values of the selected transmission parameters for a test specimen currently to be evaluated;
  5. e) Classification of the test item currently to be evaluated as an IO transmission if its measured values recorded in step d) for each of the selected transmission parameters are within the dynamic limits of a statistically averaged scatter band of the IO transmission, and as an NIO transmission if the dynamic limits of the statistically averaged scatter band are exceeded at least in sections;
  6. f) continuous recording of measured values of the selected transmission parameters from test objects continuously evaluated as IO transmissions to adapt the statistically averaged scatter band of the IO transmissions by adding the test object as the last reference object of the reference group and discarding the first reference object, so that a dynamic scatter band for the assessment of IO gear is formed;
  7. g) Use of the dynamic limits of the scatter band of the IO gear for determining sections with limit violations in the course of the gear parameters of the currently tested NOK gear and determining fault patterns of the NOK gear;
  8. h) Comparing the detected fault patterns of the currently tested NOK gear with fault patterns stored in a library of fault causes clearly proven in practical tests to detect the cause of the fault of the tested NOK gear, whereby for the detection of the fault cause of the NOK gear in comparison of the dynamic limits of the scatter band with the course of the transmission parameters to determine an error pattern, the distance between the dynamic limit and the curve of the NOK transmission is determined in a section where the limit is exceeded.

Vorteilhaft können als objektive Kriterien für die Quantifizierung der Überschreitung der dynamischen Grenzen des Streubandes eines Fehlerbildes

  • 1) der Maximalwert pro Peak des Fehlerbildes in y-Richtung und
  • 2) der Abstand der Peaks zueinander in x-Richtung
zur Detektion (Klassifizierung) der Fehlerursache herangezogen werden.Advantageously, as objective criteria for quantifying the exceeding of the dynamic limits of the scatter band of an error pattern
  • 1) the maximum value per peak of the error pattern in the y-direction and
  • 2) the distance between the peaks in the x-direction
be used to detect (classify) the cause of the error.

Die Erfindung basiert auf der Grundüberlegung, dass bei der akustischen Getriebeprüfung an einem EOL-Prüfplatz nach der üblichen Klassifizierung in IO- und NIO-Getriebe eine Zusatzprüfung der NIO-Getriebe dahingehend erfolgt, ob dieser Fehler schon einmal vorkam. Diese Zusatzprüfung geschieht derart, dass alle bekannten Fehlerbilder in einer Datenbank hinterlegt und durch Vergleich klassifiziert werden. Mit dieser Vorgehensweise lassen sich in einem eingeschwungenen Serienzustand mehr als 90% aller Ausfälle den entsprechenden Fehlerursachen zuordnen.The invention is based on the basic idea that during the acoustic transmission test at an EOL test station, after the usual classification into OK and NOK gears, an additional check of the NOK gears is carried out to determine whether this error has already occurred. This additional check is carried out in such a way that all known fault patterns are stored in a database and classified by comparison. With this procedure, more than 90% of all failures can be assigned to the corresponding error causes in a steady state of series production.

Der Kerngedanke der Erfindung liegt nun darin, zur Problemlösung den Lösungsansatz der DE 10 2015 206 194 A1 als Hilfsmittel zu nutzen, indem gemäß dem dort beschriebenen Verfahren die Ausreißer der IO-Getriebe in einem Streuband detektiert werden. Das Resultat der Ausreißer-Erkennung ergibt eine dynamische Grenze als Streuband von IO-Getrieben, die für die Beurteilung der NIO-Getriebe verwendet wird.The core idea of the invention is now to solve the problem of the approach DE 10 2015 206 194 A1 as an aid by detecting the outliers of the IO gears in a scatter band according to the method described there. The result of the outlier detection gives a dynamic limit as a scatter band of IO gears, which is used to assess the NOK gears.

Die so ermittelte dynamische Grenze wird dann mit dem Verlauf der Prüfparameter des aktuell geprüften NIO-Getriebes verglichen.The dynamic limit determined in this way is then compared with the course of the test parameters of the NOK gearbox currently being tested.

Zur Bewertung werden im Wesentlichen folgende zwei Kriterien eingesetzt.

  • - der Abstand zwischen dynamischer Grenze und Parameter-Verlauf des NIO-Getriebes (in y-Richtung) unter Abtastung des Maximalwertes pro Peak des Fehlerbildes sowie
  • - der Abstand der Peaks zueinander (in x-Richtung).
The following two criteria are essentially used for the evaluation.
  • - the distance between the dynamic limit and the parameter curve of the NOK gear (in the y-direction) with sampling of the maximum value per peak of the error pattern as well as
  • - the distance between the peaks (in the x-direction).

Grundsätzlich werden bei dem erfindungsgemäßen Verfahren nur Fehlerbilder hinterlegt, die durch Untersuchungen (z.B. Kreuztausche, Vermessungen von Bauteilen etc.) eindeutig nachgewiesen wurden.Basically, in the method according to the invention, only error images are stored that have been clearly proven by examinations (e.g. cross-exchanges, measurements of components, etc.).

Dem Verfahren liegen also praktische Ausfallbeispiele und deren Ausprägungen bzw. Fehlerbilder zugrunde. Ein hinterlegtes kinematisches Modell wird dabei nicht benötigt.The procedure is therefore based on practical failure examples and their characteristics or error patterns. A stored kinematic model is not required.

Das verbessert die Fehlerdiagnose der vorliegenden Erfindung deutlich gegenüber der Lösung aus der DE 10 2016 206 809 A1 , die auf einer theoretischen Berechnung von Fehlerbildern basiert, weil die praktische Ausprägung erheblich von den berechneten Fehlerbildern abweichen kann, z.B. infolge anderer Zustände während der Prüfung (mit/ohne Schattengang), Temperatureinflüsse, Schlupf).This improves the error diagnosis of the present invention significantly compared to the solution from the DE 10 2016 206 809 A1 , which is based on a theoretical calculation of error patterns, because the practical manifestation can deviate significantly from the calculated error patterns, e.g. as a result of other conditions during the test (with/without shadow movement), temperature influences, slip).

Durch die Erfindung wird eine neuartige Möglichkeit zur akustischen Getriebeprüfung realisiert, die eine automatisierte Erkennung von Fehlerursachen gleich nach der Feststellung eines NIO-Getriebes am EOL-Prüfstand gestattet, ohne aufwändige Fehlerbestimmungen durch eine nachgelagerte Offline-Analyse oder eine theoretische Berechnung von Fehlerbildern durchführen zu müssen.The invention provides a new possibility for acoustic transmission testing, which allows automated detection of the causes of faults immediately after a NOK transmission has been detected on the EOL test bench, without having to carry out complex fault determinations by means of a downstream offline analysis or a theoretical calculation of fault patterns .

Die Erfindung wird nachfolgend anhand von Ausführungsbeispielen und Zeichnungen näher erläutert. Dabei zeigen:

  • 1: ein Diagramm eines gemittelten Ordnungsspektrums einer Schallmessung mit eingeblendetem Streuband des gemittelten Ordnungsspektrums von IO-getesteten Getrieben zur erfindungsgemäßen Fehlerursachenbestimmung eines NIO-Getriebes;
  • 2: ein Beispiel für ein erkennbares Fehlerbild A, dargestellt als vergrößerter Ausschnitt eines im Diagramm von 1 umrandeten Bereichs der gemittelten Ordnungsspektren;
  • 3: ein weiteres Beispiel für ein erkennbares Fehlerbild B, dargestellt als umrandeter Bereich im Diagramm des gemittelten Ordnungsspektrums eines NIO-Getriebes in Gegenüberstellung zum Streuband des gemittelten Ordnungsspektrums von IO-getesteten Getrieben;
  • 4: ein weiteres Beispiel für ein erkennbares Fehlerbild C, dargestellt als umrandeter Bereich in einem Diagramm des Pegel-Drehzahl-Verlaufs eines NIO-Getriebes in Gegenüberstellung zum gemittelten Streuband des Verlaufs von IO-getesteten Getrieben.
The invention is explained in more detail below using exemplary embodiments and drawings. show:
  • 1 : a diagram of an averaged order spectrum of a sound measurement with displayed scatter band of the averaged order spectrum of IO-tested transmissions for determining the cause of failure of a NOK transmission according to the invention;
  • 2 : an example of a recognizable error pattern A, shown as an enlarged section of one in the diagram of 1 bordered area of the averaged order spectra;
  • 3 : another example of a recognizable error pattern B, shown as a framed area in the diagram of the mean order spectrum of a NOK gearbox compared to the scatter band of the mean order spectrum of IO-tested gearboxes;
  • 4 : Another example of a recognizable fault pattern C, shown as a framed area in a diagram of the level-speed curve of a NOK gear compared to the average scatter band of the curve of OK-tested gears.

Für das erfindungsgemäße Verfahren wird ein üblicher EOL-Prüfplatz genutzt und in Analogie zu dem in DE 101 17 114 A1 gezeichneten Ablaufschema eine Messwertaufnahme von akustischen Messwerten, vorzugsweise mittels Körperschall- oder Luftschall-Sensoren, unter unterschiedlichen Lastbedingungen, Variationen von Drehzahl, Drehmoment, lateraler Krafteinwirkung etc. durchgeführt. Zur Aufnahme weiterer messbarer Getriebeparameter können auch Temperatursensoren, Deformationssensoren (z.B. Dehnungsmessstreifen, optische Sensoren, insbesondere mit interferometrischen Messprinzipien) zum Einsatz kommen.A conventional EOL test station is used for the method according to the invention and, in analogy to that in DE 101 17 114 A1 Drawn flow chart a measurement recording of acoustic measurement values, preferably by means of structure-borne noise or airborne noise sensors, under different load conditions, variations of speed, torque, lateral force, etc. performed. Temperature sensors, deformation sensors (eg strain gauges, optical sensors, in particular with interferometric measuring principles) can also be used to record further measurable transmission parameters.

An die Stelle der in DE 101 17 114 A1 sukzessive aufgenommenen und gespeicherten Bezugsbasis tritt erfindungsgemäß eine Bibliothek mit gespeicherten Fehlerbildern, die aus zuvor verifizierten Fehlerbilder, die durch praktische Untersuchungen (z.B. Kreuztausche, Vermessungen von Bauteilen etc.) eindeutig nachgewiesen wurden, zusammengestellt wurde. Zu diesen Fehlerbildern sind auch die in diesem Beispiel vorzugsweise mit akustischen Sensoren aufgenommenen Messparameter in Form von gemittelten Ordnungsspektren oder Pegel-Drehzahl-Verläufen zugeordnet gespeichert.Instead of the in DE 101 17 114 A1 According to the invention, the successively recorded and stored reference basis is a library with stored error images that have been compiled from previously verified error images that have been clearly proven through practical tests (eg cross-exchanges, measurements of components, etc.). The measurement parameters, preferably recorded with acoustic sensors in this example, are also stored in association with these fault patterns in the form of averaged order spectra or level-speed curves.

1 zeigt die nachträglich zur Gut/Schlecht-Klassifizierung in IO- und NIO-Getriebe am EOL-Prüfstand durchgeführte Detektion von bekannten Fehlerursachen für die „durchgefallenen“ NIO-Getriebe in einer schematischen Bildschirmdarstellung von gemitteltem Ordnungsspektrum des NIO-Getriebes als durchgezogene Linie und gemitteltem Ordnungsspektrum von IO-Getrieben mit Ausreißer-selektiertem Streuband als gestrichelte Linie. Der durch eine Ellipse eingerahmte Bereich zeigt einen erkennbaren Fehlerbereich, der das eingeblendete Streuband überschreitet. Dieser Abschnitt ist als Fehlerbild A in 2 nochmals vergrößert dargestellt. Erfindungsgemäß wird der durch Grenzüberschreitung ermittelte Abschnitt mit den in einer Bibliothek gespeicherten Fehlerbildern von bekannten Fehlerursachen verglichen, wobei folgende Schrittfolge abgearbeitet wird:

  • - Erfassen einer Vielzahl von Messwerten für ausgewählte Getriebeparameter für eine Referenzgruppe von Prüflingen;
  • - Zusammenfassen der ausgewählten Getriebeparameter zu einem Referenzmerkmalsvektor;
  • - Festlegen von Auffälligkeits- und Eingreifgrenzen für die ausgewählten Getriebeparameter, wobei die Eingreifgrenzen innerhalb eines von den Auffälligkeitsgrenzen gebildeten Auffälligkeitsbereichs liegen;
  • - Aufnehmen von Messwerten der ausgewählten Getriebeparameter für einen aktuell zu bewertenden Prüfling;
  • - Klassifizieren des aktuell zu bewertenden Prüflings als IO-Getriebe, wenn dessen in Schritt e) aufgenommenen Messwerte für jeden der ausgewählten Getriebeparameter innerhalb von dynamischen Grenzen eines statistisch gemittelten Streubandes der IO-Getriebe liegen, und als NIO-Getriebe, wenn die dynamischen Grenzen des statistisch gemittelten Streubandes mindestens abschnittsweise überschritten sind;
  • - fortlaufendes Aufnehmen von Messwerten der ausgewählten Getriebeparameter von fortlaufend als IO-Getriebe bewerteten Prüflingen zur Adaption des statistisch gemittelten Streubandes der IO-Getriebe, indem der Prüfling als letztes Referenzobjekt der Referenzgruppe hinzugefügt und das erste Referenzobjekt verworfen wird, sodass ein dynamisches Streuband für die Bewertung der IO-Getriebe gebildet wird;
  • - Verwenden der dynamischen Grenzen des Streubandes der IO-Getriebe für die Ermittlung von Abschnitten mit Grenzüberschreitungen im Verlauf der Getriebeparameter des aktuell geprüften NIO-Getriebes und Feststellen von Fehlerbildern des NIO-Getriebes;
  • - Vergleichen der festgestellten Fehlerbilder des aktuell geprüften NIO-Getriebes mit in einer Bibliothek gespeicherten Fehlerbildern von in praktischen Untersuchungen eindeutig nachgewiesenen Fehlerursachen zur Detektion der Fehlerursache.
1 shows the subsequent detection of known causes of error for the "failed" NOK gearboxes carried out on the EOL test bench for the good/bad classification into IO and NOK gearboxes in a schematic screen display of the averaged order spectrum of the NOK gearbox as a solid line and the averaged order spectrum of IO gears with outlier-selected scatter band as dashed line. The area framed by an ellipse shows a detectable error area that exceeds the displayed scatter band. This section is shown as error image A in 2 enlarged again. According to the invention, the section determined by exceeding the limit is compared with the error images of known error causes stored in a library, with the following sequence of steps being processed:
  • - Acquisition of a large number of measured values for selected transmission parameters for a reference group of test objects;
  • - Combining the selected transmission parameters into a reference feature vector;
  • - Defining abnormality and intervention limits for the selected transmission parameters, the intervention limits being within an abnormality range formed by the abnormality limits;
  • - Recording measured values of the selected transmission parameters for a currently to be evaluated test item;
  • - Classification of the test item currently to be evaluated as an IO gearbox if its measured values recorded in step e) for each of the selected gearbox parameters are within the dynamic limits of a statistically averaged scatter band of the IO gearbox, and as an NIO gearbox if the dynamic limits of the statistically averaged scatter band are exceeded at least in sections;
  • - Continuous recording of measured values of the selected transmission parameters from test objects continuously evaluated as IO transmissions to adapt the statistically averaged scatter band of the IO transmissions by adding the test object as the last reference object of the reference group and discarding the first reference object, so that a dynamic scatter band for the evaluation the IO gear is formed;
  • - Use of the dynamic limits of the scatter band of the IO gear for the determination of sections with limit violations in the course of the gear parameters of the currently tested NOK gear and determination of error patterns of the NOK gear;
  • - Comparing the detected fault patterns of the currently tested NOK gear with fault patterns stored in a library of fault causes that have been clearly proven in practical tests to detect the cause of the fault.

2 zeigt ein typisches erfindungsgemäß detektierbares Fehlerbild A, bei dem die dynamische Grenze als gestrichelte Linie durch ein Streuband der IO-Getriebe charakterisiert ist. Zur Problemlösung der Detektion bzw. Klassifizierung der Fehlerursache wird hier der Vergleich des Verlaufs der statistisch bearbeiteten Messkurve 1 eines aktuell geprüften NIO-Getriebes mit der dynamischen Grenze 2 des Streubandes der IO-Getriebe durchgeführt. 2 shows a typical fault pattern A that can be detected according to the invention, in which the dynamic limit is characterized as a dashed line through a scatter band of the IO gears. To solve the problem of detecting or classifying the cause of the error, the course of the statistically processed measurement curve 1 of a currently tested NOK gearbox is compared with the dynamic limit 2 of the scatter band of the IO gearbox.

Dabei ist die Größe der Grenzüberschreitung für die Definition der Fehlerursache von Bedeutung. Bei der Bewertung kommen folgende Kriterien zur Anwendung:

  • - der Maximalwert pro Peak des Fehlerbildes in y-Richtung und
  • - der Abstand der Peaks zueinander in x-Richtung.
The extent to which the limit is exceeded is important for defining the cause of the error. The following criteria are used in the evaluation:
  • - the maximum value per peak of the error pattern in the y-direction and
  • - the distance between the peaks in the x-direction.

3 zeigt ein weiteres erfindungsgemäß klassifizierbares Fehlerbild B, bei dem die Feststellung des Abschnitts mit dem Fehlerbild B in gleicher Weise, wie zu 2 beschrieben, zwischen den gemittelten Ordnungsspektren der aktuellen Messkurve 1 in Gegenüberstellung zum Streubereich der dynamischen Grenze 2 vorgenommen wird und oben benannten Kriterien zur Feststellung der Größe der Abweichung bzw. Grenzüberschreitung angewendet werden. 3 shows another error pattern B that can be classified according to the invention, in which the determination of the section with the error pattern B is done in the same way as for 2 described, is carried out between the mean order spectra of the current measurement curve 1 in comparison to the scatter range of the dynamic limit 2 and the criteria mentioned above are used to determine the size of the deviation or exceeding the limit.

4 zeigt eine andere Darstellung einer Messkurve 1 des aktuell geprüften NIO-Getriebes, bei der ein weiteres Fehlerbild C in einem Pegel-Drehzahl-Diagramm zur erfindungsgemäßen Detektion der Fehlerursache herangezogen wurde. Bei diesem Diagramm stellt die Streubreite der dynamischen Grenze 2 ein gestricheltes Linienpaar als Toleranzband zur Verfügung, bei dem der Abschnitt der dauerhaften Überschreitung der aktuellen Messkurve 1 (durchgehende Linie) das charakteristische Fehlerbild C darstellt. Die Definition (Klassifizierung) der Fehlerursache erfolgt dann im Vergleich mit den entsprechend in der Bibliothek der bekannten Fehlerursachen gespeicherten Fehlerbildern. 4 shows another representation of a measurement curve 1 of the NOK transmission currently being tested, in which a further error image C in a level-speed diagram was used for the inventive detection of the error cause. In this diagram, the spread of the dynamic limit 2 provides a pair of dashed lines as a tolerance band, in which the section where the current measurement curve 1 is permanently exceeded (continuous line) represents the characteristic error image C. The definition (classification) of the error cause is then carried out in comparison with the error images stored in the library of the known error causes.

Mit den vorstehend beschriebenen Erläuterungen der Erfindung wird die automatisierte Detektion von an EOL-Prüfplätzen aufgedeckten NIO-klassifizierten Getrieben oder Getriebekomponenten auf eine neue Qualität gehoben, die keine Fehleranalyse auf Basis von Modellrechnungen oder aufwändige offline Nachuntersuchungen zu den Fehlerursachen vermeidet.With the explanations of the invention described above, the automated detection of NOK-classified transmissions or transmission components discovered at EOL test stations is raised to a new quality that does not avoid error analysis based on model calculations or complex offline follow-up investigations into the causes of the error.

Das vorgestellte Verfahren ist nicht auf die getroffene Wahl der aus akustischen Sensoren gewonnenen Messparameter geschränkt, sondern kann auch mit aus optischen oder Dehnungsmessungen gewonnenen und mit den oben benannten statistischen Methoden bearbeiteten Messwerten durchgeführt, mit einer für IO-getestete Getriebe berechneten Funktion einer dynamischen Grenze verglichen und über entsprechende Zuordnung mit den Fehlerbildern aus der Bibliothek der bekannten Fehlerursachen klassifiziert werden.The method presented is not limited to the choice of measurement parameters obtained from acoustic sensors, but can also be carried out using measured values obtained from optical or strain measurements and processed using the above-mentioned statistical methods, compared with a function of a dynamic limit calculated for IO-tested transmissions and classified by appropriate assignment with the error images from the library of known error causes.

Claims (1)

Verfahren zum Detektieren von Fehlerursachen bei der Prüfung von Prüflingen mit rotierenden Getriebekomponenten an einem EOL-Prüfstand mit den Schritten: a) Erfassen einer Vielzahl von Messwerten für ausgewählte Getriebeparameter für eine Referenzgruppe von Prüflingen; b) Zusammenfassen der ausgewählten Getriebeparameter zu einem Referenzmerkmalsvektor; c) Festlegen von Auffälligkeits- und Eingreifgrenzen für die ausgewählten Getriebeparameter, wobei die Eingreifgrenzen innerhalb eines von den Auffälligkeitsgrenzen gebildeten Auffälligkeitsbereichs liegen; d) Aufnehmen von Messwerten der ausgewählten Getriebeparameter für einen aktuell zu bewertenden Prüfling; e) Klassifizieren des aktuell zu bewertenden Prüflings als IO-Getriebe, wenn dessen in Schritt d) aufgenommenen Messwerte für jeden der ausgewählten Getriebeparameter innerhalb von dynamischen Grenzen eines statistisch gemittelten Streubandes der IO-Getriebe liegen, und als NIO-Getriebe, wenn die dynamischen Grenzen des statistisch gemittelten Streubandes mindestens abschnittsweise überschritten sind; f) fortlaufendes Aufnehmen von Messwerten der ausgewählten Getriebeparameter von fortlaufend als IO-Getriebe bewerteten Prüflingen zur Adaption des statistisch gemittelten Streubandes der IO-Getriebe, indem der Prüfling als letztes Referenzobjekt der Referenzgruppe hinzugefügt und das erste Referenzobjekt verworfen wird, sodass ein dynamisches Streuband für die Bewertung der IO-Getriebe gebildet wird; g) Verwenden der dynamischen Grenzen des Streubandes der IO-Getriebe für die Ermittlung von Abschnitten mit Grenzüberschreitungen im Verlauf der Getriebeparameter des aktuell geprüften NIO-Getriebes und Feststellen von Fehlerbildern des NIO-Getriebes; h) Vergleichen der festgestellten Fehlerbilder des aktuell geprüften NIO-Getriebes mit in einer Bibliothek gespeicherten Fehlerbildern von in praktischen Untersuchungen eindeutig nachgewiesenen Fehlerursachen zur Detektion der Fehlerursache, wobei für die Detektion der Fehlerursache des NIO-Getriebes im Vergleich der dynamischen Grenzen des Streubandes mit dem Verlauf der Getriebeparameter zur Feststellung eines Fehlerbildes der Abstand zwischen dynamischer Grenze und Parameter-Verlauf des NIO-Getriebes in einem Abschnitt der Grenzüberschreitung bestimmt wird.Method for detecting causes of errors when testing test items with rotating transmission components on an EOL test bench, with the steps: a) recording a large number of measured values for selected transmission parameters for a reference group of test items; b) combining the selected transmission parameters into a reference feature vector; c) Defining conspicuousness and intervention limits for the selected transmission parameters, wherein the Intervention limits lie within a conspicuity area formed by the conspicuousness limits; d) recording of measured values of the selected transmission parameters for a test specimen currently to be evaluated; e) Classification of the test item currently to be evaluated as an IO transmission if its measured values recorded in step d) for each of the selected transmission parameters are within the dynamic limits of a statistically averaged scatter band of the IO transmission, and as an NIO transmission if the dynamic limits of the statistically averaged scatter band are exceeded at least in sections; f) continuous recording of measured values of the selected transmission parameters from test objects continuously evaluated as IO transmissions to adapt the statistically averaged scatter band of the IO transmissions by adding the test object as the last reference object of the reference group and discarding the first reference object, so that a dynamic scatter band for the assessment of IO gear is formed; g) Use of the dynamic limits of the scatter band of the IO gear for determining sections with limit violations in the course of the gear parameters of the currently tested NOK gear and determining fault patterns of the NOK gear; h) Comparing the detected fault patterns of the currently tested NOK gear with fault patterns stored in a library of fault causes clearly proven in practical tests to detect the cause of the fault, whereby for the detection of the fault cause of the NOK gear in comparison of the dynamic limits of the scatter band with the course the transmission parameter to determine an error pattern, the distance between the dynamic limit and the parameter progression of the NOK transmission is determined in a section where the limit is exceeded.
DE102021214406.3A 2021-12-15 2021-12-15 Procedure for detecting known causes of errors on EOL test benches Active DE102021214406B3 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102021214406.3A DE102021214406B3 (en) 2021-12-15 2021-12-15 Procedure for detecting known causes of errors on EOL test benches

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102021214406.3A DE102021214406B3 (en) 2021-12-15 2021-12-15 Procedure for detecting known causes of errors on EOL test benches

Publications (1)

Publication Number Publication Date
DE102021214406B3 true DE102021214406B3 (en) 2023-06-07

Family

ID=86382481

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102021214406.3A Active DE102021214406B3 (en) 2021-12-15 2021-12-15 Procedure for detecting known causes of errors on EOL test benches

Country Status (1)

Country Link
DE (1) DE102021214406B3 (en)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10117114A1 (en) 2001-04-06 2002-10-17 Reilhofer Kg Monitoring machines involves measuring control parameter characterizing machine state, adding reference value for current measurement parameter for each machine state to be set up
DE102007051261A1 (en) 2007-10-26 2009-04-30 Volkswagen Ag Motor vehicle's acoustic behavior evaluating method, involves classifying characteristics of preprocessed acoustic signals into classes, and comparing classes of acoustic signals with reference classification
DE102015206192A1 (en) 2015-04-08 2016-10-13 Zf Friedrichshafen Ag Method for checking specimens and device therefor
DE102015206194A1 (en) 2015-04-08 2016-10-13 Zf Friedrichshafen Ag Method for checking specimens and device therefor
DE102016206809A1 (en) 2016-04-21 2017-10-26 Zf Friedrichshafen Ag Method for the automated allocation of possible sources of cause for an acoustic conspicuousness of a rotationally synchronous noise source
DE102017104884A1 (en) 2017-03-08 2018-09-27 Mts Consulting & Engineering Gmbh System and method for determining error images from sensor data in product validation and manufacturing processes

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10117114A1 (en) 2001-04-06 2002-10-17 Reilhofer Kg Monitoring machines involves measuring control parameter characterizing machine state, adding reference value for current measurement parameter for each machine state to be set up
DE102007051261A1 (en) 2007-10-26 2009-04-30 Volkswagen Ag Motor vehicle's acoustic behavior evaluating method, involves classifying characteristics of preprocessed acoustic signals into classes, and comparing classes of acoustic signals with reference classification
DE102015206192A1 (en) 2015-04-08 2016-10-13 Zf Friedrichshafen Ag Method for checking specimens and device therefor
DE102015206194A1 (en) 2015-04-08 2016-10-13 Zf Friedrichshafen Ag Method for checking specimens and device therefor
DE102016206809A1 (en) 2016-04-21 2017-10-26 Zf Friedrichshafen Ag Method for the automated allocation of possible sources of cause for an acoustic conspicuousness of a rotationally synchronous noise source
DE102017104884A1 (en) 2017-03-08 2018-09-27 Mts Consulting & Engineering Gmbh System and method for determining error images from sensor data in product validation and manufacturing processes

Similar Documents

Publication Publication Date Title
EP2083338B1 (en) Process and device for monitoring a machine
EP1862789B1 (en) Device and method for combined testing of gear wheels
DE69837847T2 (en) DEVICE FOR TESTING MAIN MOTOR BEARINGS IN RAIL VEHICLES
DE19917541B4 (en) Procedure for fault diagnosis
DE102011121789B4 (en) Method for determining a defective part in a transmission and device set up for carrying out the method
DE102016102328A1 (en) System for diagnosing anomalies, diagnostic procedures and device
DE102014207612A1 (en) Wind turbine diagnostic device for generator components
EP2131178B1 (en) Diagnostic method for at least one ball bearing, in particular for an angular ball bearing, a corresponding diagnostic system and the use of such a diagnostic system
DE3408492A1 (en) NOISE MEASURING DEVICE FOR MEASURING ABNORMAL NOISE IN TRANSMISSION
DE102020212277A1 (en) Method and device for determining a remaining service life based on a predictive diagnosis of components of an electric drive system using artificial intelligence methods
DE112021005667T5 (en) Method and device for detecting anomalies in a mechanical device or a mechanical component
DE19855745B4 (en) Method for fault diagnosis and quality assessment (rating) of rotating machines on a series test bench
CH717054A2 (en) Procedure for diagnosing a bearing.
DE102021214406B3 (en) Procedure for detecting known causes of errors on EOL test benches
WO2018072834A1 (en) Method for monitoring the functional state of a system for computer-tomographic examination of workpieces
DE102021210106A1 (en) Computer-implemented method and system for anomaly detection and method for anomaly detection in a final acoustic test of a transmission
EP4012426A1 (en) Method for correcting a time-dependent measurement signal of an engine transmission unit and method for detecting wear and / or damage of same by means of this correction method
DE102009024981A1 (en) Damages determining and analyzing method for e.g. rolling bearing, involves dividing data signals into number of different timing signals, and evaluating amplitudes of bispectrum, where amplitudes exceed predetermined value
EP1415132A1 (en) Spectral evaluation of an object to be tested
EP0413845A1 (en) Method for the early detection of damage to machine elements
EP0914617B1 (en) Process for testing a product and equipment for carrying out the process
DE19834790A1 (en) Method to test series manufactured products for production tolerances; uses sensor to measure parameters characterizing tolerance and compare with reference values, where test is carried out in groups, each with own reference value
DE102016200779A1 (en) Examination method for a serviceable hollow component of a turbomachine
DE102005030202A1 (en) Method and device for condition monitoring of ship installations
DE102018003222A1 (en) A method of testing a rotary component assembly having a plurality of rotatable components

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R016 Response to examination communication
R079 Amendment of ipc main class

Free format text: PREVIOUS MAIN CLASS: G01M0013020000

Ipc: G01M0013021000

R018 Grant decision by examination section/examining division
R020 Patent grant now final