DE102022202092A1

DE102022202092A1 - Verfahren zur Zustandsüberwachung für schallemittierende Maschinen

Info

Publication number: DE102022202092A1
Application number: DE102022202092.8A
Authority: DE
Inventors: Ulrich Bittner; Hannes Hitzer
Original assignee: Robert Bosch GmbH
Current assignee: Robert Bosch GmbH
Priority date: 2022-03-01
Filing date: 2022-03-01
Publication date: 2023-09-07

Abstract

Die Erfindung betrifft ein Verfahren zur Ermittlung der Drehzahl einer rotierenden Komponente einer Vorrichtung, umfassend ein Erfassen (200) eines Schwingungssignals, das von der Vorrichtung ausgeht, im zeitlichen Verlauf für einen oder mehrere Auswertungszeitpunkte, wobei das Schwingungssignal eine Vielzahl von überlagerten Signalkomponenten umfasst; ein Bilden (220, 230, 240) eines Amplitudenspektrums im Frequenzbereich für mindestens einen Auswertungszeitpunkt aus dem erfassten Schwingungssignal; ein Ermitteln (250) einer Grundfrequenz und/oder mindestens einer Harmonischen des Amplitudenspektrums durch eine Tonhöhenerkennung; ein Ermitteln (280) der Drehzahl der rotierenden Komponente zum Auswertungszeitpunkt aus der ermittelten Grundfrequenz und/oder einer ermittelten Harmonischen.

Description

Die vorliegende Erfindung betrifft ein Verfahren zur Zustandsüberwachung für schallemittierende Maschinen, und insbesondere ein Verfahren zur Drehzahlsensorik für schallemittierende Maschinen.
Hintergrund der Erfindung
Für rotierende Maschinen und allgemein rotierende Komponenten, wie etwa elektrische Motoren oder Verbrennungsmotoren, Getriebeelemente oder Lagerelemente spielt die Drehzahlbestimmung eine wesentliche Rolle, da diese maßgeblich mit dem gesamten Betriebszustand des Systems zusammenhängt. Die Drehzahl kann beispielsweise zusammen mit anderen Betriebsparametern in einem Zustandsmodell berücksichtigt werden, das zur Erkennung von Fehlerzuständen im Betrieb dient. Auch zur Bestimmung von Lastkollektiven, welche zur Modellierung und Auslegung von Bauteilbelastungen genutzt werden, ist üblicherweise ebenfalls die Bestimmung der Drehzahl erforderlich.
Die Drehzahl kann durch verschiedene Sensoren erfasst werden, wie etwa durch Hall-Sensoren oder induktive Drehzahlsensoren, Näherungsschalter, optische Sensoren und andere. Zu diesem Zweck müssen die Sensoren jedoch üblicherweise unmittelbar an dem rotierenden Bauteil, z.B. der Welle, angebracht werden und damit bereits bei der Herstellung verbaut werden. Eine nachträgliche Anbringung eines solchen Sensors und damit eine drehzahlbasierte Datenaufnahme oder Zustandsüberwachung, die ursprünglich nicht vorgesehen war, ist normalerweise nicht möglich.
Offenbarung der Erfindung
Erfindungsgemäß wird ein Verfahren zur Ermittlung der Drehzahl einer rotierenden Komponente mit den Merkmalen der unabhängigen Patentansprüche vorgeschlagen. Vorteilhafte Ausgestaltungen sind Gegenstand der Unteransprüche sowie der nachfolgenden Beschreibung.
Mit der Erfindung wird eine einfache und zuverlässige Lösung zur Drehzahlbestimmung vorgestellt, die auch nachträglich (Retrofit) umgesetzt werden kann.
Insbesondere wird ein Verfahren zur Ermittlung der Drehzahl einer rotierenden Komponente einer Vorrichtung vorgeschlagen, bei dem zunächst ein Schwingungssignal, das von der Vorrichtung ausgeht, im zeitlichen Verlauf für einen oder mehrere Auswertungszeitpunkte erfasst wird, wobei das Schwingungssignal eine Vielzahl von überlagerten Signalkomponenten umfasst. Aus dem erfassten Schwingungssignal wird für mindestens einen Auswertungszeitpunkt ein Amplitudenspektrum im Frequenzbereich gebildet. Anschließend wird durch eine Tonhöhenerkennung eine Grundfrequenz und/oder mindestens eine Harmonische des Amplitudenspektrums ermittelt. Aus der ermittelten Grundfrequenz und/oder einer ermittelten Harmonischen wird dann die Drehzahl der rotierenden Komponente zum Auswertungszeitpunkt ermittelt. Als Schwingungssignal können insbesondere Schallsignale verwendet werden, die von der Vorrichtung ausgehen, z.B. ein Körperschallsignal, das auf einer Oberfläche der Vorrichtung oder einer ihrer Komponenten aufgenommen wird. Auf diese Weise ist es möglich, eine Drehzahlsensorik auch nachträglich zu implementieren und auch Drehzahlen von Komponenten zu ermitteln, für die kein Drehzahlsensor verbaut ist.
So wird eine einfache Drehzahlbestimmung und darauf basierend z.B. eine Klassifikation von Zustandsmerkmalen möglich, ohne dass externe Messgrößen zur Charakterisierung der Drehzahl erforderlich sind. Im Gegensatz zu bisher üblichen Verfahren sind durch die Verwendung eines Tonhöhenerkennungs-Verfahrens auch keine aufwändigen Suchmethoden oder komplexe Entscheidungsstrukturen notwendig. Im Gegensatz zu bisherigen Verfahren, z.B. Auswertungen im Zeitbereich, ist das hier vorgestellte Verfahren weniger störanfällig, auch wenn Rauschen oder vielfach überlagerte Frequenzen im Signal vorhanden sind.
Dabei können für jeden Auswertungszeitpunkt ein oder mehrere aufeinanderfolgende Signalabschnitte mit vorgegebener Länge festgelegt werden, wobei der Auswertungszeitpunkt innerhalb von mindestens einem der ein oder mehreren Signalabschnitte liegt, und wobei das Amplitudenspektrum im Frequenzbereich gebildet wird durch Anwenden einer Fouriertransformation auf jeden der ein oder mehreren aufeinanderfolgenden Signalabschnitte zum Erhalten eines Signalspektrums im Frequenzraum für jeden der Signalabschnitte, und anschließendes Bilden eines Amplitudenspektrums für einen Auswertungszeitpunkt durch Bilden eines gemittelten Amplitudenspektrums im Frequenzraum aus den einzelnen Signalspektren der ein oder mehreren Signalabschnitte, die für den Auswertungszeitpunkt festgelegt sind. Insbesondere ist es möglich, die Signalabschnitte so zu definieren, dass sie sich zumindest teilweise überlappen. Optional können die ein oder mehreren Signalabschnitte durch Anwendung einer Fensterfunktion gewichtet werden.
Durch die Verwendung mehrerer Signalabschnitte und die anschließende Mittelung können Drehzahlvariationen ausgemittelt werden. Bei Verwendung von überlappenden Signalabschnitten wird die Erfindung auch bei dynamischen Betriebspunktänderungen gegenüber Ausreißern robuster. Die Erfindung funktioniert beispielsweise auch bei starkem Signalrauschen oder bei Stößen.
Das Ermitteln einer Grundfrequenz und/oder mindestens einer Harmonischen des Amplitudenspektrums kann in beispielhaften Ausführungsformen vorgenommen werden, indem das Amplitudenspektrum für einen Auswertungszeitpunkt als Eingangswert für die Tonhöhenerkennung verwendet wird, wobei die Tonhöhenerkennung eine Cepstrum-Analyse, eine Maximum-Likelihood-Schätzung oder einen Harmonic-Product-Spectrum-Algorithmus umfasst. Eine Grundfrequenz und/oder mindestens eine Harmonische für den Auswertungszeitpunkt werden dann als Ausgabewert der Tonhöhenerkennung erhalten. Da diese Verfahren beliebig viele Harmonische im Frequenzspektrum berücksichtigen können, ist die Erfindung auch dann anwendbar, wenn die Harmonischen deutlicher ausgeprägt sind als die Grundfrequenz oder wenn einzelne Harmonische nicht im Spektrum sichtbar sind.
Zusätzlich können optional ein möglicher Drehzahlbereich mit einer minimalen erwarteten Drehzahl und einer maximalen erwarteten Drehzahl, und die Ergebnisse der Tonhöhenerkennung so eingeschränkt werden, dass die erhaltene Grundfrequenz und/oder die mindestens eine Harmonische in einem Frequenzbereich liegt, welcher dem möglichen Drehzahlbereich entspricht. Auf diese Weise können die erkannten Frequenzen optimiert werden und Fehlerquellen ausgeschlossen werden.
Vorzugsweise umfasst das von der Vorrichtung ausgehende Schwingungssignal mindestens eines der folgenden: Körperschall an einer Vorrichtungskomponente, Luftschall ausgehend von einer Vorrichtungskomponente, Flüssigkeitsschall ausgehend von einer Vorrichtungskomponente. Die Verwendung von Schallsignalen ermöglicht eine deutliche Kosteneinsparung im Vergleich zu herkömmlichen Sensoren. Da auch Luftschall oder auf benachbarte Elemente übertragener Körperschall (z.B. von einem Gehäuse) als Schwingungssignal ausgewertet werden kann, ist nicht zwangsläufig eine physische Verbindung mit dem Untersuchungsobjekt erforderlich und es können auch Vorrichtungen mit geometrischen Einschränkungen auf einfache Weise überwacht werden. Da lediglich der relative Unterschied der beobachteten Schallfrequenzen relevant für die Auswertung ist, ist das Verfahren auch weitgehend unabhängig von einer bestimmten Sensorposition; versuchsweise wurden z.B. Sensoren verwendet, die in axialer Richtung zur Anregung, radial zur Anregung oder an einem Anbauflansch angeordnet wurden.
Vorzugsweise umfasst das Erfassen des Schwingungssignals mindestens eines der folgenden: Erfassen des Schwingungssignals durch einen Schwingungssensor; Erhalten des Schwingungssignals über eine drahtlose oder drahtgebundene Kommunikationsverbindung; Abrufen eines gespeicherten Schwingungssignals von einer Speichereinheit. Damit können viele Arten von Schwingungssignalen einfach und zuverlässig erfasst werden.
Eine erfindungsgemäße Recheneinheit, z.B. ein Steuergerät einer rotierenden Maschine oder ein Mikrocontroller eines intelligenten Sensors ist, insbesondere programmtechnisch, dazu eingerichtet, ein erfindungsgemäßes Verfahren durchzuführen. Das beschriebene Verfahren ist sehr recheneffizient und kann dabei beispielsweise auch als Edge-Computing-Lösung direkt an einer Maschine bzw. einem Sensor verwendet werden, auch wenn nur geringe Prozessorleistung zur Verfügung steht.
Auch die Implementierung eines erfindungsgemäßen Verfahrens in Form eines Computerprogramms oder Computerprogrammprodukts mit Programmcode zur Durchführung aller Verfahrensschritte ist vorteilhaft, da dies besonders geringe Kosten verursacht, insbesondere wenn ein ausführendes Steuergerät noch für weitere Aufgaben genutzt wird und daher ohnehin vorhanden ist. Geeignete Datenträger zur Bereitstellung des Computerprogramms sind insbesondere magnetische, optische und elektrische Speicher, wie z.B. Festplatten, Flash-Speicher, EEPROMs, DVDs u.a.m. Auch ein Download eines Programms über Computernetze (Internet, Intranet usw.) ist möglich.
Weitere Vorteile und Ausgestaltungen der Erfindung ergeben sich aus der Beschreibung und der beiliegenden Zeichnung.
Es versteht sich, dass die vorstehend genannten und die nachfolgend noch zu erläuternden Merkmale nicht nur in der jeweils angegebenen Kombination, sondern auch in anderen Kombinationen oder in Alleinstellung verwendbar sind, ohne den Rahmen der vorliegenden Erfindung zu verlassen.
Die Erfindung ist anhand von Ausführungsbeispielen in der Zeichnung schematisch dargestellt und wird im Folgenden unter Bezugnahme auf die Zeichnung ausführlich beschrieben.
Figurenbeschreibung

1a zeigt ein erfasstes Schwingungssignal,
1b zeigt einen Teil des Schwingungssignals mit einem Signalabschnitt für eine Frequenzauswertung zeigt,
1c eine Anwendung von überlappenden Signalfenstern im Bereich eines Auswertungszeitpunkts zeigt,
1d ein gemitteltes Amplitudenspektrum im Frequenzbereich zeigt,
1e ein durch einen Hochpass- und Tiefpass-Filter gefiltertes Amplitudenspektrum zeigt;
2 zeigt schematisch mögliche Verfahrensschritte als Flussdiagramm;
3 skizziert die Funktionsweise einer Harmonic-Product-Spectrum-Analyse zur Frequenzerkennung;
4 zeigt beispielhaft ein gemessenes Drehzahlsignal im Vergleich zu einem durch eine Schallanalyse abgeschätzten Drehzahlsignal;
5 skizziert die Funktionsweise einer Cepstrum-Analyse zur Frequenzerkennung;
6 skizziert die Funktionsweise einer Maximum-Likelihood-Analyse zur Frequenzerkennung; und
7 zeigt beispielhaft die Ableitung einer Unsicherheitsschätzung für eine Harmonic-Product-Spectrum-Analyse.

Detaillierte Beschreibung
Um die Drehzahl einer rotierenden Maschine oder einer anderen Komponente mit periodischer Anregung zu überwachen, können erfindungsgemäß Schwingungssignale ausgewertet werden, insbesondere Schall- bzw. Vibrationssignale, die von der rotierenden Maschine oder Komponente (oder einem damit verbundenen Teil) ausgehen. Je nach Aufbau können anliegende Komponenten wie ein Gehäuse deutlichere Schwingungen zeigen als die rotierende Komponente selbst. Beispielsweise können bei einer rotierenden Maschine wie einem Motor oder einer Pumpe die Gehäuseschwingungen (Körperschall) an einer oder mehreren Stellen des Gehäuses durch angebrachte Körperschallsensoren analysiert werden. Ebenso ist es auch möglich, die Schallemissionen über die Luft zu messen, gegebenenfalls durch einfache Mikrofone. Die im folgenden betrachteten Schwingungssignale sind damit breit zu verstehen und können unter anderem Vibrationen und Schall wie Luftschall, Fluidschall, Körperschall sowohl im hörbaren als auch im nicht hörbaren Bereich umfassen, also alle Arten von mechanischen Schwingungen in einem Medium. Das Verfahren ist außerdem auf alle rotierenden oder näherungsweise periodisch angeregten Maschinen, Komponenten und Systeme anwendbar, wie etwa elektrische Maschinen oder Verbrennungskraftmaschinen, hydrostatische Verdrängereinheiten für mobile und industrielle Anwendungen, Turbinen und Lüfter, mechanische Getriebe, Wälzlager und andere.
Zur Erfassung eines Schwingungssignals, insbesondere eines Vibrations- bzw. Schallsignals, das von einer rotierenden Maschine oder Komponente ausgeht, kann ein Sensor an diesem zu überwachenden System oder in dessen Nähe angebracht werden. Dabei kann der Sensor unmittelbar an einer Maschinenkomponente oder an einer anderen Oberfläche, wie etwa an einem Gehäuse, einer Halterung oder einem anderen Bauteil angeordnet werden, auf welches das Schwingungssignal ausreichend übertragen wird. Bei der Verwendung eines Luftschallsensors ist entsprechend auch eine Anbringung an einem geeigneten Ort in der Nähe der Komponente möglich, der eine ausreichende Schallerfassung möglich macht.
Als Sensor kann beispielsweise ein Luftschall-, Fluidschall- oder Körperschallsensor bzw. Vibrationssensor dienen. Solche Sensoren können beispielsweise auf Basis von Piezoelementen hergestellt werden und können die Schwingbeschleunigung, die Schwinggeschwindigkeit oder die Auslenkung einer Oberfläche erfassen. Auch durch Dehnungssensoren kann ein Vibrationssignal erfasst werden.
Es ist auch möglich, dass mehrere Sensoren zur Erfassung von Schwingungssignalen an unterschiedlichen Orten an einer Maschine oder Komponente angeordnet werden; soweit im Folgenden ein einzelner Sensor genannt, können die Beispiele immer auch auf mehrere Sensoren übertragen werden. Die resultierenden Signale können dann gemeinsam oder einzeln ausgewertet werden. Der Sensor kann durch eine dauerhafte oder lösbare Verbindung angebracht werden, die eine ausreichende Übertragung der Signale ermöglicht; beispielsweise kann eine Klebeverbindung, eine Schraubverbindung, eine Anbringung über Magnetelemente oder auch ein handgehaltener Sensor gewählt werden. Damit ist es auch auf einfache Weise möglich, für ein schon bestehendes System eine Drehzahlüberwachung nachträglich zu realisieren.
Als Beispiel wurde ein Körperschallsensor an einer Axialkolbeneinheit angebracht, speziell an einer hydrostatischen Verdrängereinheit bzw. Axialkolbenpumpe der Arbeitshydraulik einer mobilen Arbeitsmaschine, z.B. einem Teleskoplader. Dabei wurde das Körperschallsignal in einem vorgegebenen Arbeitszyklus aus Beladen, Vor- und Zurücksetzen und Entladen mit einer Abtastrate von 20 kHz gemessen. Dieses Beispiel soll jedoch nur zur Veranschaulichung dienen, so dass die weiteren Ausführungen zur Erfassung und Verarbeitung des Sensorsignals nicht auf dieses Beispiel eingeschränkt sind.
Der Sensor kann das Zeitsignal der Schwingbeschleunigung der Oberfläche messen, wobei die Messung kontinuierlich oder zu diskreten Abtastzeitpunkten vorgenommen werden kann. Alternativ könnte anstelle der Schwingbeschleunigung auch die Schwinggeschwindigkeit oder Oberflächenauslenkung gemessen werden und als Zeitsignal erfasst werden. Dieses Schwingungssignal kann dann als Eingangsgröße für die Drehzahlschätzung verwendet werden.
Dabei kann aus dem Zeitsignal ein Amplitudenspektrum im Frequenzraum gebildet werden, aus dem die Grundfrequenz und/oder deren Harmonische mittels geeigneter Algorithmen oder auch durch Methoden des maschinellen Lernens direkt oder indirekt bestimmt werden kann. Die Grundfrequenz ist dabei direkt proportional zu der Drehfrequenz, während die Harmonischen ganzzahlige Vielfache der Grundfrequenz sind. Es ist dabei unerheblich, ob die Grundfrequenz selbst in dem Spektrum vorhanden ist oder nicht; ebenso müssen auch nicht alle aufeinanderfolgenden Harmonischen vorhanden sein. Vielmehr kann das Verfahren beliebig viele und beliebige Harmonische im Frequenzspektrum berücksichtigen. Für das Beispiel der Axialkolbeneinheit werden beispielsweise die sogenannten Kolbenfrequenzen auftreten, die einem ganzzahligen Vielfachen des Produkts der Drehfrequenz und der Kolbenanzahl der Axialkolbeneinheit entsprechen.
Mögliche Ausführungsformen einer solchen Signalanalyse werden im Folgenden in Verbindung mit den 1a bis 1e und 2 näher beschrieben. Dabei zeigen die 1a bis 1e an einem beispielhaften Schwingungssignal die Schritte zur Vorverarbeitung des Signals, während 2 in einem Flussdiagramm den Verfahrensablauf skizziert.
Zunächst kann in Schritt 200 ein Schwingungssignal zur Auswertung erfasst werden, d.h. beispielsweise wie zuvor beschrieben durch geeignete Sensoren gemessen werden oder auch von einer Sensoreinheit empfangen werden. Ebenso können in diesem Schritt gespeicherte Schwingungssignale abgerufen werden. Das so erfasste Schwingungssignal, das als Eingangsgröße des Verfahrens genutzt wird und in 1a beispielhaft dargestellt ist, kann dann auf verschiedene Weise vorverarbeitet werden.
In dem gezeigten Beispiel umfasst das gemessene Signal 100 einen Zeitraum von etwa 330 Sekunden, es können jedoch beliebig lange Schwingungssignale aufgezeichnet werden. Dabei können aus dem gesamten Schwingungssignal in Schritt 210 zunächst aus einem Bereich 110 jeweils zu definierten Auswertungszeitpunkten (z.B. jede Sekunde) ein oder mehrere Signalabschnitte definierter Länge herausgegriffen werden, wie in 1b für einen beispielhaften Auswertungszeitpunkt dargestellt ist. Es ist auch möglich, die Auswertungszeitpunkte im Voraus festzulegen und eine Messung des Schwingungssignals jeweils nur in einem vorgegebenen Intervall 110 um die Auswertungszeitpunkte herum vorzunehmen, also z.B. eine periodische Messung vorzunehmen.
Diese Signalabschnitte können in Schritt 210 optional auch jeweils überlappend gewählt werden, wobei das Maß der Überlappung frei gewählt werden kann, z.B. so, dass sich zwei Signalabschnitte jeweils zu 50% überlappen. Eine solche Überlappung kann das Ergebnis auch bei dynamischen Betriebspunktänderungen robuster machen. Durch die Einteilung in Signalabschnitte können die Zeitschritte, zu denen die Drehzahl bestimmt werden soll, beliebig klein diskretisiert werden. Die so definierten Signalabschnitte können dann optional noch jeweils mit einer geeigneten Fensterfunktion gewichtet werden, wie etwa durch ein Hanning-Fenster. Andere Fensterfunktionen sind jedoch ebenso denkbar. Die gewichteten oder ungewichteten Signalabschnitte können dann in Schritt 220 durch eine Transformation, insbesondere eine Fast-Fourier-Transformation zu den jeweiligen Zeitpunkten in den Frequenzbereich überführt werden. Anschließend können in Schritt 230 für mehrere aufeinanderfolgende Signalabschnitte die transformierten Spektren gemittelt werden. Die Zahl der Signalabschnitte, die in eine Mittelung eingeht, kann dabei ebenfalls frei festgelegt werden.
1c zeigt ein Beispiel für den Auswertungszeitpunkt im Schwingungssignal aus 1b, wobei hier fünf überlappende bzw. gegeneinander schrittweise verschobene Signalabschnitte 120a, 120b, 120c, 120d, 120e für den Auswertungszeitpunkt bei t = 82 s dargestellt sind. Jeder der Signalabschnitte 120a, 120b, 120c, 120d, 120e umfasst in diesem Beispiel ein Intervall von 10ms und überlappt mit dem jeweils nächsten Signalabschnitt zu 50%, so dass mit den fünf Signalabschnitten ein Messintervall 110 von insgesamt 30ms um den Auswertungszeitpunkt herum abgedeckt wird. Die fünf Signalabschnitte können dann entsprechend mit Fensterfunktionen gewichtet und einer Fouriertransformation unterzogen werden, so dass fünf einzelne Fourierspektren erhalten werden, über welche dann ein Mittelwert gebildet wird, um ein gemitteltes Amplitudenspektrum zu erhalten. 1d zeigt die Überlagerung 130 der einzelnen Fourierspektren der einzelnen Signalabschnitte 120a, 120b, 120c, 120d, 120e sowie das daraus erhaltene gemittelte Amplitudenspektrum 140.
Durch diese schrittweise Verschiebung der Signalabschnitte (optional mit der gewählten Überlappung) und die Mittelung mehrerer Spektren im Frequenzbereich können Drehzahlsprünge und Drehzahlschwankungen innerhalb der Signalabschnitte ausgeglichen werden.
Die erforderlichen Parameter für die Vorverarbeitung des Schwingungssignals können dabei im Verfahren festgelegt sein oder alternativ z.B. von einem Benutzer eingegeben oder ausgewählt werden. Es ist auch möglich, dass die Parameter oder zumindest ein Teil der Parameter abhängig von Anwendung und Betriebszuständen oder abhängig von anderen Parametern automatisch bestimmt bzw. optimiert wird. Als Parameter der Vorverarbeitung können dabei insbesondere die Anzahl der Signalabschnitte, die zu einem Zeitpunkt für einen Berechnungsschritt verwendet werden, die Länge der Zeitabschnitte, ein Maß für die Überlappung der Signalabschnitte, die verwendete Fensterfunktion oder die definierten Zeitpunkte für die Signalabschnitte gewählt bzw. bestimmt werden. Falls beispielsweise die Anzahl der Signalabschnitte für die Fouriertransformation auf die Zahl 3 gesetzt wird und eine Überlappung von 50% gewählt wird, so bedeutet das, dass drei Zeitsignalabschnitte einzeln in den Frequenzbereich transformiert werden und die drei resultierenden Spektren anschließend gemittelt werden.
Das auf diese Weise erhaltene gemittelte Amplitudenspektrum 140 kann im Anschluss in Schritt 240 optional noch durch mindestens einen Hochpassfilter, Tiefpassfilter und/oder Bandpassfilter gefiltert werden, wobei die Parameterwerte für die Filtergrenzwerte wiederum anwendungsabhängig sind. Beispielsweise kann im Anwendungsgebiet der Hydraulik der Bereich so gewählt werden, dass sehr hohe und sehr tiefe Frequenzen, die erwartungsgemäß von anderen Aggregaten im System herrühren, herausgefiltert werden. Ein Beispiel ist wiederum in 1e dargestellt, wobei nur das Spektrum 140 zwischen etwa 200 Hz und 5 kHz weiterverwendet wird, während die Bereiche darunter und darüber durch einen Hochpassfilter 150 bzw. Tiefpassfilter 155 gefiltert werden. Die Parameterwerte für die Filter können wie auch die Parameter für die vorhergehende Vorverarbeitung manuell angepasst oder durch eine Parameteroptimierung bestimmt werden. Dabei können die Filterwerte so gewählt werden, dass im verbleibenden Frequenzband vor allem Harmonische der Grundfrequenz des Untersuchungsobjekts deutlich erscheinen.
Das auf diese Weise gefilterte Frequenzspektrum bzw. Amplitudenspektrum kann anschließend in Schritt 250 als Eingangsgröße für einen Algorithmus zur Drehzahlermittlung dienen. Dabei werden Algorithmen angewandt, die aus einem Amplitudenspektrum im Frequenzbereich die Grundfrequenz extrahieren können. Bevorzugt sind dabei weder Vereinfachungen des Spektrums noch Interpolationsverfahren (Upsampling) oder sonstige Zusatzlogiken erforderlich. Grundsätzlich können zu diesem Zweck beliebige bekannte Tonhöhenerkennungs-Algorithmen (Pitch Detection) genutzt werden. Drei geeignete Optionen, nämlich die Maximum-Likelihood-Methode (MLE, maximum likelihood estimation), die Cepstrum-Analyse sowie das „Harmonic Product Spectrum“ (HPS) werden im Folgenden näher beschrieben. Ebenso sind aber auch Methoden wie eine Autokorrelation oder eine Analyse von Nullstellendurchgängen denkbar, um die Grundfrequenz zu ermitteln.
Das Verfahren des „Harmonic Product Spectrum“ (HPS), das in 3 schematisch dargestellt ist, macht sich die Eigenschaft zunutze, dass die Harmonischen einem ganzzahligen Vielfachen der Grundfrequenz entsprechen. Dazu wird das gefilterte Amplitudenspektrum 310 mehrfach einem Downsampling 320 unterzogen. Zusätzlich werden bei jedem Downsampling Tiefpass-Filter verwendet, um Alias-Effekte zu vermeiden. Beispielsweise kann dazu das gefilterte Spektrum als Eingangsgröße für den Algorithmus eine Schleife durchlaufen, wobei bei jedem Schleifendurchlauf das Spektrum unter Anwendung eines Tschebyscheff-Filters vom Typ I achter Ordnung um ein ganzzahliges Vielfaches downgesampelt wird, so dass jeweils ein Downsampling-Spektrum 321, 322, 323 mit den Downsampling-Faktoren 2, 3 und 4 erhalten wird. Alternativ können natürlich auch andere Filtertypen oder Filterparameter verwendet werden. Nach jedem Durchlauf erhöht sich das ganzzahlige Vielfache um eins, bis ein vorgegebenes Stoppkriterium erreicht ist. Das Stoppkriterium für die Anzahl der erzeugten Downsampling-Spektren kann ebenso wie Filterparameter optional durch eine Eingabe oder Parameteroptimierung festgelegt werden; insbesondere können auch deutlich mehr als die hier nur beispielhaft gezeigten drei Spektren erzeugt werden.
Anschließend werden die so erhaltenen einzelnen Downsampling-Spektren 321, 322, 323,... miteinander multipliziert, was den Effekt hat, dass damit auch die Amplituden der Harmonischen multipliziert werden. Grundsätzlich wäre anstelle des Produktverfahrens aber auch eine Summation der Spektren möglich. Durch das Downsampling geht in Spektren mit höherem Downsampling-Faktor ein zunehmender Anteil der höheren Harmonischen verloren. Der Peak 335 mit dem größten Produkt im resultierenden Produktspektrum 330 entspricht damit der Grundfrequenz 340 bzw. dem Abstand aufeinanderfolgender Harmonischer. Am zugehörigen Index lässt sich also die Grundfrequenz (z.B. die erste Kolbenfrequenz) ablesen, woraus sich wiederum unmittelbar (mit einem geeigneten Faktor) die Drehzahl ergibt. 4 zeigt beispielhaft im Vergleich das Ergebnis für eine Messung 410 der Drehzahl mit einem herkömmlichen Drehzahlsensor und einem mit dem hier vorgestellten Verfahren geschätzten Drehzahlwert 420 auf Basis der gemessenen Schwingbeschleunigung und dem Harmonic-Product-Spectrum-Algorithmus. Wie dort zu sehen ist, entspricht das Ergebnis durch Schall- bzw. Vibrationsmessung und entsprechender Frequenzanalyse des Schwingungssignals mit hoher Genauigkeit dem tatsächlichen Drehzahlwert.
Als weitere Alternative zur Gewinnung der Grundfrequenz bzw. der Harmonischen und damit der Drehfrequenz aus dem gefilterten Amplitudenspektrum kann eine Cepstrum-Analyse verwendet werden, die schematisch in 5 gezeigt ist. Das Cepstrum ist das Ergebnis einer mathematischen Transformation im Bereich der Fourieranalyse und kann als Analogon zum Frequenzspektrum betrachtet werden. Insbesondere wird dazu zunächst das gefilterte Amplitudenspektrum 510 logarithmiert, um hohe Amplituden abzuschwächen und weniger stark ausgeprägte Frequenzen verstärkt werden. Dadurch wird die Periodizität im Spektrum verbessert. Im folgenden Schritt wird das logarithmierte Spektrum 520 mittels einer inversen Fouriertransformation zurück in den Zeitbereich transformiert und damit das Cepstrum 530 erhalten. Diese Rechenoperation sorgt dafür, dass die Periodizität des Signals im Cepstrum 530 in Form der „Quefrency“ sichtbar wird, die als Zeitwert vorliegt.
Mit Hilfe der Abtastrate aus dem ursprünglichen Zeitsignal und dem Index des höchsten Peaks innerhalb eines vorgegebene Frequenzbereichs mit einer unteren 532 und einer oberen 534 Grenze lässt sich dann aus der Quefrency des höchsten Peaks 536 im Cepstrum 530 die Grundfrequenz des Untersuchungsobjekts bestimmen. Dabei kann der vorgegebene Frequenzbereich anwendungsspezifisch durch theoretische Werte für die minimale und maximale Drehfrequenz festgelegt werden.
Eine weitere Möglichkeit zur Bestimmung der Grundfrequenz bzw. der Harmonischen ist der Maximum-Likelihood-Ansatz (MLE). Bei dieser Abschätzung wird das gefilterte Spektrum 610 mit einer definierten Impulsfolge 620 (pulse train) gefaltet. Die Anzahl der verwendeten Impulsfolgen 621, 622, 623 und damit der Faltungsschritte kann dabei wieder durch die theoretische minimale und maximale Drehzahl bzw. die zugehörige minimale und maximale Grundfrequenz für die gegebene Anwendung bestimmt werden. Für jede theoretisch mögliche bzw. erwartbare Drehfrequenz wird eine Impulsfolge gebildet, die hier jeweils als Abfolge von schmalen Impulsen 621, 622, 623 beispielhaft für die Frequenzen 180 Hz, 205 Hz und 230 Hz gezeigt ist. Es sind jedoch grundsätzlich auch andere Impuls-Formen möglich. Anschließend können die einzelnen Impulsfolgen jeweils mit dem Amplitudenspektrum korreliert bzw. gefaltet werden. Die Grundfrequenz zum Berechnungszeitpunkt entspricht dann genau dem Wert, bei dem die Korrelation aus dem Amplitudenspektrum und der jeweiligen Impulsfolge den höchsten Wert aufweist.
Mit diesen und anderen Algorithmen zur Bestimmung der Grundfrequenz bzw. der Harmonischen aus einem Amplitudenspektrum, das für einen Zeitpunkt des Schwingungssignals wie beschrieben gebildet wurde, kann also für diesen Zeitpunkt die Drehzahl ermittelt werden, Schritt 280. Indem dieses Vorgehen für jeden der gewünschten Zeitpunkte bzw. in vorgegebenen Zeitabständen wiederholt wird, kann ein zeitlicher Verlauf der Drehzahl bestimmt und weiter ausgewertet werden.
Die ermittelte Grundfrequenz, die als Ausgangswert eines Algorithmus zur Drehzahlextraktion bestimmt wurde, kann auch verwendet werden, um ein Resampling des ursprünglichen Roh-Schwingungssignals durchzuführen. Die neue Abtastrate entspricht dann einem ganzzahligen Vielfachen der Grundfrequenz, so dass die Fouriertransformation des einem Resampling unterzogenen Signals dem Ordnungsspektrum entspricht. Daraus können wiederum weitere Merkmale für eine Klassifikation oder Zustandsdiagnose abgeleitet werden, z.B. für eine Ordnungsanalyse.
Zusätzlich oder alternativ kann das transformierte Amplitudenspektrum, das nach der Vorverarbeitung und Fouriertransformation erhalten wurde, auch z.B. in Schritt 260 durch geeignete Interpolationsverfahren und Upsampling erweitert werden, um die Auflösung im Spektrum zu erhöhen und damit die Genauigkeit des Verfahrens zu erhöhen.
Es ist möglich, in einer ersten Einlernphase den Betriebsbereich der rotierenden Maschine bzw. Komponente, die untersucht werden soll, in mehrere Bereiche aufzuteilen. Anschließend können für jeden der Bereiche spezifische Modelle, Extraktionsalgorithmen bzw. Parameter für einen Extraktionsalgorithmus oder Grenzwerte für die Schwingungswerte eingelernt werden. Entsprechend der Häufigkeit, mit der bestimmte Bereiche bzw. Betriebspunkte auftreten in einem üblichen Laufzyklus auftreten, können die spezifischen Modelle für die Bereiche dann unterschiedlich gewichtetet bzw. parametriert werden.
Als zusätzlicher Schritt kann nach der Ermittlung 280 einer Drehzahl oder einer Grundfrequenz eine integrierte Plausibilitätsprüfung 290 für die ermittelten Werte erfolgen, um physikalisch nicht mögliche Drehzahlsprünge herauszufiltern. Dazu kann beispielsweise eine Glättung mit gleitendem Durchschnitt oder eine Filterung von Ausreißern vorgenommen werden.
Die beschriebenen Verfahren, insbesondere die beschriebenen Algorithmen zur Ermittlung einer Grundfrequenz aus dem Amplitudenspektrum, konnten in Versuchen auch ohne Parameteroptimierung eine ausreichende Genauigkeit liefern. Falls dennoch eine Parameteroptimierung genutzt wird, kann diese insbesondere anwendungsspezifisch erfolgen, d.h. für jede neue Anwendung kann eine neue Parameteroptimierung genutzt werden. Dabei können für die Vorverarbeitung des Schwingungssignals unter anderem einer oder mehrere der folgenden Parameter optimiert werden: die Anzahl der Signalabschnitte für einen Berechnungsschritt; die Länge eines Signalabschnitts in Abtastpunkten (entsprechend einer FFT-Fensterlänge) und/oder als zeitliche Länge; die Überlappung von aufeinanderfolgenden Signalabschnitten; Grenzwerte für minimal und/oder maximal mögliche bzw. erwartbare Drehzahlen; Grenzwerte für Tiefpass-, Hochpass-, Bandpassfilter oder auch Bandsperren; Auswahl und Parameter einer Fensterfunktion zur Gewichtung der Signalabschnitte bei der Fouriertransformation; Auswahl von Interpolationsverfahren. Die möglichen Parameter für eine Parameteroptimierung sind jedoch nicht auf diese genannten Parameter beschränkt.
Für die Algorithmen zur Ermittlung der Grundfrequenz können weitere Parameter durch eine Optimierung bestimmt werden. Beispielsweise können für eine Harmonic-Product-Spectrum-Analyse unter anderem der Downsampling-Faktor, der Filtertyp bzw. Filterparameter wie die Ordnung, und/oder eine Phasenverschiebung als Parameter bestimmt werden. Für eine Maximum-Likelihood-Abschätzung kann beispielsweise die Form und Größe der Impulsfolgen als optimierbarer Parameter genutzt werden.
Für alle Ausführungsformen kann außerdem optional festgelegt bzw. optimiert werden, welche Anzahl von Peaks im Spektrum für die Auswertung berücksichtigt wird. Ebenso können auch andere als die dominanteste Frequenz (d.h. der höchste Peak) betrachtet werden, z.B. der zweithöchste oder dritthöchste Peak. Durch eine Zuordnung zu entsprechenden Einzelkomponenten eines Systems, wie etwa einzelnen Wälzlagern oder Zahnrädern in einem Getriebe, können so geschätzte Drehzahlen der einzelnen Komponenten weiter differenziert oder miteinander verglichen werden (Ensemble-Methode).
In allen Varianten kann das Signal optional mit einem additiven Rauschen überlagert werden. Speziell bei tonalen Spektren, d.h. z.B. im wesentlichen harmonischen Spektren mit wenigen Peaks wirkt sich diese Überlagerung positiv auf die Schätzgenauigkeit der Drehzahl aus. Die Überlagerung kann im Zeitbereich und/oder im Frequenzbereich vorgenommen werden. Auch die Parameter dieses überlagerten Rauschsignals können optional in eine Parameteroptimierung mit einbezogen werden.
Darüber hinaus kann in Schritt 270 eine optionale Unsicherheitsbetrachtung bzw. Unsicherheitsquantifizierung in einen Algorithmus integriert werden, um eine Aussage über die Qualität der Drehzahlschätzung zu erhalten. Dabei kann im Ergebnis eines Abschätzungsalgorithmus (z.B. Maximum Likelihood, Cepstrum oder Harmonic Product Spectrum), das wie zuvor beschrieben erhalten wird, neben dem größten Peak zusätzlich einer oder mehrere der nächstniedrigeren Peaks berücksichtigt werden. Aus dem Verhältnis der Absolutwerte dieser Peaks kann dann eine Unsicherheitsschätzung abgeleitet werden, ähnlich der Bildung eines Signal-Rausch-Verhältnisses. 7 zeigt ein Beispiel dieser Unsicherheitsbetrachtung für ein Produktspektrum bei der Harmonic-Product-Spectrum-Methode. Dabei kann wie bereits beschrieben der höchste Peak im Produktspektrum 710 der downgesampleten Einzelspektren als Grundfrequenz 740 identifiziert werden und dessen Amplitude 720 mit der Amplitude 730 des zweithöchsten Peaks verglichen werden, z.B. $C (HPS) = MP (P_{1}) / (MP (P_{1}) + M P (P_{2})),$
wobei C(HPS) das Verhältnis der Amplituden im Produktspektrum darstellt, MP(P₁) das Amplitudenprodukt des höchsten Peaks und MP(P₂) das Amplitudenprodukt des zweithöchsten Peaks im Produktspektrum wiedergibt. Ebenso können aber auch andere Verhältnisse gewählt werden oder mehr als zwei Peaks mit einbezogen werden.
Die beschriebenen Verfahrensschritte zur Signalvorverarbeitung und zur Frequenzanalyse können in einer einzigen Verarbeitungseinheit umgesetzt werden, z.B. einem Messrechner mit üblicher Ausstattung wie Prozessor und Speicherelementen, oder durch einen Mikrocontroller, Mikroprozessor oder andere Verarbeitungseinheiten, die ausreichend für die beschriebenen Schritte sind. Solche Verarbeitungseinheiten können mit einem entsprechenden Sensor als kompakte Einheit integriert vorliegen, z.B. in einem sogenannten intelligenten Sensor, oder als separate Einheit mit dem Sensor verbunden werden.
Alternativ ist es auch möglich, dass die verschiedenen Schritte zeitlich und/oder räumlich getrennt ausgeführt werden. So könnte die Vorverarbeitung des Signals zumindest teilweise durch eine erste Verarbeitungseinheit wie etwa einen Mikrocontroller durchgeführt werden, der sich direkt am Sensor befindet oder mit einem oder mehreren Sensoren verbunden ist. Als Ausgangswert dieser ersten Verarbeitungseinheit könnte dann beispielsweise das gefilterte Amplitudenspektrum ausgegeben werden. Dieses Signal kann wiederum lokal oder auch in einer zweiten, separaten Verarbeitungseinheit weiterbearbeitet werden und zu diesem Zweck abgespeichert oder über eine drahtlose oder drahtgebundene Kommunikationsverbindung an die zweite Verarbeitungseinheit übermittelt werden. Dabei kann auch die zweite Verarbeitungseinheit auf jede beliebige Art implementiert sein, z.B. als eine zentrale Steuereinheit oder ein Teil davon, als Steuerrechner, über einen externen Server, als Cloud-Dienst oder andere. Auf diese Weise können die rechenintensiven Schritte, wie etwa der Extraktionsalgorithmus, auf Verarbeitungseinheiten mit mehr Rechen- und/oder Speicherleistung übertragen werden, während einfachere Schritte wie die Vorverarbeitung des Signals durch einfachere Elemente wie Mikrocontroller erledigt werden können. Dabei kann die Aufteilung der Verfahrensschritte auf zwei oder mehr Verarbeitungseinheiten beliebig gewählt werden, so dass beispielsweise auch die Vorverarbeitung noch einmal auf verschiedene Einheiten aufgeteilt werden kann (z.B. durch Auslagerung der eher rechenintensiven Fouriertransformationen).
Durch eine Aufteilung der Verfahrensschritte auf unterschiedliche Verarbeitungseinheiten ist es auch möglich, die Aufteilung so zu wählen, dass nur ein reduziertes Signal bzw. Spektrum weiter an die zweite (oder weitere) Verarbeitungseinheit geleitet wird. Beispielsweise können gezielt gefilterte oder nach bestimmten Kriterien gewählte Signale (z.B. die Spektren mit den größten Amplituden) übertragen werden und dann in einer entfernten Einheit weiterverarbeitet werden. Durch die Reduzierung der Datenmenge kann ein solches Verfahren insbesondere bei Übertragungswegen mit geringer Bandbreite eingesetzt werden (z.B. Bussysteme wie CAN-Bus, Mobilfunkverbindungen über GSM, Bluetooth).
Es ist auch möglich, dass erfasste Signale oder daraus berechnete Signale und Spektren zumindest vorübergehend abgespeichert werden und zu einem späteren Zeitpunkt weiterverarbeitet werden oder für weitere Analysen dauerhaft abgespeichert werden. Es versteht sich, dass entsprechende Speichereinheiten am Sensor, in einer Verarbeitungseinheit und/oder als entfernter Cloudspeicher vorliegen können. Damit kann zwischen der Messung eines Signals und den weiteren Schritten zur Verarbeitung und Auswertung jeweils grundsätzlich eine beliebige Zeitspanne liegen; es ist aber auch möglich, dass die Signale unmittelbar weiterverarbeitet und ausgewertet werden, z.B. zur Fehlererkennung oder Modellierung im laufenden Betrieb.
In allen Fällen können außerdem geeignete Benutzerschnittstellen wie etwa Displays, Bildschirme, Lautsprecher, Touchscreens oder sonstige Ausgabeelemente verwendet werden, um beispielsweise Ergebnisse der Drehzahlauswertung anzuzeigen, um Zwischenschritte für einen Benutzer abzubilden (z.B. die gemessenen Signale), um Hinweise auf Fehlerzustände zu geben, um Probleme bei der Auswertung (z.B. fehlerhafte Messung, nicht genügend Messpunkte oder andere) wiederzugeben oder sonstige Informationen für einen Benutzer auszugeben. Ebenso können Eingabemittel vorhanden sein, z.B. Tastatur und/oder Maus, ein Touchscreen, ein Mikrofon zur Spracheingabe, oder beliebige andere übliche Eingabemittel, über welche beispielsweise Verfahrensparameter ausgewählt oder verändert werden können.
Es versteht sich, dass alle oben genannten Ausführungsformen auch miteinander kombinierbar sind, so dass z.B. auch eine Fehlerabschätzung für die weiteren Frequenzerkennungsalgorithmen möglich ist oder das gesamte Verfahren mit einem Luftschall-Signal durchgeführt werden kann. Ebenso können alle beschriebenen Schritte und Variationsmöglichkeiten auf Tonhöhen-Erkennungs-Algorithmen übertragen werden, die hier nicht ausdrücklich genannt sind und die dazu geeignet sind, aus einem Amplitudenspektrum die Grundfrequenz und/oder Harmonischen zu extrahieren. Auch die Vorverarbeitungsschritte können teilweise verändert, ausgelassen oder durch weitere Schritte ergänzt werden, ohne dabei das eigentliche Prinzip der Frequenzerkennung im folgenden Verfahrensteil zu verändern.

Claims

Verfahren zur Ermittlung der Drehzahl einer rotierenden Komponente einer Vorrichtung, umfassend: Erfassen (200) eines Schwingungssignals (100), das von der Vorrichtung ausgeht, im zeitlichen Verlauf für einen oder mehrere Auswertungszeitpunkte, wobei das Schwingungssignal eine Vielzahl von überlagerten Signalkomponenten umfasst; Bilden (220, 230, 240) eines Amplitudenspektrums (140) im Frequenzbereich für mindestens einen Auswertungszeitpunkt aus dem erfassten Schwingungssignal; Ermitteln (250) einer Grundfrequenz und/oder mindestens einer Harmonischen des Amplitudenspektrums durch eine Tonhöhenerkennung; Ermitteln (280) der Drehzahl der rotierenden Komponente zum Auswertungszeitpunkt aus der ermittelten Grundfrequenz und/oder einer ermittelten Harmonischen.
Verfahren nach Anspruch 1, wobei für jeden Auswertungszeitpunkt ein oder mehrere aufeinanderfolgende Signalabschnitte (120a, 120b, 120c, 120d, 120e) mit vorgegebener Länge festgelegt werden (210), wobei der Auswertungszeitpunkt innerhalb von mindestens einem der ein oder mehreren Signalabschnitte liegt, und wobei das Amplitudenspektrum (140) im Frequenzbereich gebildet wird durch: Anwenden (220) einer Fouriertransformation auf jeden der ein oder mehreren aufeinanderfolgenden Signalabschnitte (120a, 120b, 120c, 120d, 120e) zum Erhalten eines Signalspektrums (130) im Frequenzraum für jeden der Signalabschnitte, und Bilden (230) eines Amplitudenspektrums (140) für einen Auswertungszeitpunkt durch Bilden eines gemittelten Signalspektrums im Frequenzraum aus den einzelnen Signalspektren der ein oder mehreren Signalabschnitte, die für den Auswertungszeitpunkt festgelegt sind.
Verfahren nach Anspruch 2, wobei die ein oder mehreren Signalabschnitte (120a, 120b, 120c, 120d, 120e) durch Anwendung einer Fensterfunktion gewichtet werden.
Verfahren nach einem der vorhergehenden Ansprüche, wobei sich die aufeinanderfolgenden Signalabschnitte (120a, 120b, 120c, 120d, 120e) zumindest teilweise zeitlich überlappen.
Verfahren nach einem der vorhergehenden Ansprüche, wobei das Ermitteln (250) einer Grundfrequenz und/oder mindestens einer Harmonischen des Amplitudenspektrums umfasst: Verwenden des Amplitudenspektrums für einen Auswertungszeitpunkt als Eingangswert für die Tonhöhenerkennung, wobei die Tonhöhenerkennung eine Cepstrum-Analyse (530, 536), eine Maximum-Likelihood-Schätzung oder einen Harmonic-Product-Spectrum-Algorithmus (330) umfasst; und Erhalten der Grundfrequenz (340, 536) und/oder mindestens einer Harmonischen als Ausgabewert der Tonhöhenerkennung für den Auswertungszeitpunkt.
Verfahren nach einem der vorhergehenden Ansprüche, wobei das Verfahren weiter umfasst: Festlegen eines möglichen Drehzahlbereichs mit einer minimalen erwarteten Drehzahl und einer maximalen erwarteten Drehzahl, und Einschränken der Ergebnisse der Tonhöhenerkennung so, dass die erhaltene Grundfrequenz und/oder die mindestens eine Harmonische in einem Frequenzbereich liegt, welcher dem möglichen Drehzahlbereich entspricht.
Verfahren nach einem der vorhergehenden Ansprüche, wobei das von der Vorrichtung ausgehende Schwingungssignal (100) mindestens eines der folgenden umfasst: Körperschall an einer Vorrichtungskomponente, Luftschall ausgehend von einer Vorrichtungskomponente, Flüssigkeitsschall ausgehend von einer Vorrichtungskomponente.
Verfahren nach einem der vorhergehenden Ansprüche, wobei das Erfassen (200) des Schwingungssignals mindestens eines der folgenden umfasst: Erfassen des Schwingungssignals durch einen Schwingungssensor; Erhalten des Schwingungssignals über eine drahtlose oder drahtgebundene Kommunikationsverbindung; Abrufen eines gespeicherten Schwingungssignals von einer Speichereinheit.
Recheneinheit, die dazu eingerichtet ist, ein Verfahren nach einem der vorstehenden Ansprüche durchzuführen.
Computerprogramm, das eine Recheneinheit veranlasst, ein Verfahren nach einem der Ansprüche 1 bis 8 durchzuführen, wenn es auf der Recheneinheit ausgeführt wird.
Maschinenlesbares Speichermedium mit einem darauf gespeicherten Computerprogramm nach Anspruch 10.