WO2024121114A1 - Method for monitoring a technical device - Google Patents

Method for monitoring a technical device Download PDF

Info

Publication number
WO2024121114A1
WO2024121114A1 PCT/EP2023/084257 EP2023084257W WO2024121114A1 WO 2024121114 A1 WO2024121114 A1 WO 2024121114A1 EP 2023084257 W EP2023084257 W EP 2023084257W WO 2024121114 A1 WO2024121114 A1 WO 2024121114A1
Authority
WO
WIPO (PCT)
Prior art keywords
operating
operating state
variable
state class
drive
Prior art date
Application number
PCT/EP2023/084257
Other languages
German (de)
French (fr)
Inventor
Dr. Johannes KÜHN
Moritz Fehsenfeld
Original Assignee
Lenze Se
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 Lenze Se filed Critical Lenze Se
Publication of WO2024121114A1 publication Critical patent/WO2024121114A1/en

Links

Abstract

The invention relates to a method (10) for monitoring a technical device, in particular a machine and/or system, by means of artificial intelligence for operating states of a particular operating state class, wherein to identify the operating states at least one operating variable is monitored and is evaluated by means of an AI algorithm. The AI algorithm is taught (14) in order to enable the AI algorithm to identify operating states of the particular operating state class based on the at least one monitored operating variable. To teach (14) the AI algorithm, defined operating conditions are deliberately selected and/or brought about which enable and/or simplify an identification of operating states of the particular operating state class through the evaluation of the at least one operating variable.

Description

Verfahren zur Überwachung einer technischen Einrichtung Procedure for monitoring a technical facility
Beschreibung Description
Die Erfindung betrifft ein Verfahren zur Überwachung einer technischen Einrichtung mittels künstlicher Intelligenz auf Betriebszustände einer bestimmten Betriebszustandsklasse. Hierbei kann es sich bei der technischen Einrichtung insbesondere um eine Maschine und/oder eine Anlage handeln. The invention relates to a method for monitoring a technical device using artificial intelligence for operating states of a specific operating state class. The technical device can in particular be a machine and/or a system.
Bei derartigen technischen Einrichtungen werden insbesondere im Rahmen sogenannter Condition-Monitoring Verfahren Überwachungen der technischen Einrichtungen während deren Betrieb vorgenommen, die dazu dienen, Betriebszustände bestimmter Betriebszustandsklassen zu erkennen. In the case of such technical equipment, monitoring of the technical equipment during its operation is carried out, in particular within the framework of so-called condition monitoring procedures, which serve to identify operating states of certain operating state classes.
Bei den Betriebszustandsklassen handelt es sich typischerweise um Klassen unerwünschter Betriebszustände, bei deren Eintreten der Betrieb beeinträchtigt wird oder eine Beeinträchtigung des Betriebs droht. Ein klassischer Anwendungsfall ist beispielsweise die frühzeitige Erkennung von Verschleißzuständen, die möglicherweise zum Versagen eines Elements der technischen Einrichtung führen können. Letzteres kann dann in der Praxis je nach eintretendem Szenario zu Schäden - möglicherweise in beträchtlichem Ausmaß - an der technischen Einrichtung und/oder anderen Sach- und/oder gegebenenfalls sogar Personenschäden führen. The operating state classes are typically classes of undesirable operating states, the occurrence of which impairs operation or threatens to impair operation. A classic application example is the early detection of wear conditions that may lead to the failure of an element of the technical equipment. In practice, depending on the scenario that occurs, the latter can then lead to damage - possibly to a considerable extent - to the technical equipment and/or other property damage and/or possibly even personal injury.
Verfahren der in Rede stehenden Art sehen vor, dass die Überwachung mittels künstlicher Intelligenz erfolgt. Der Verwendung künstlicher Intelligenz wird hierbei der Vorteil zugerechnet, dass es möglich ist, ohne die genaue Kenntnis von Kausalzusammenhängen, d.h., ohne genau zu wissen, wie sich beispielsweise ein Verschleißzustand auf eine bestimmte gemessene Größe auswirkt, das Auftreten eines bestimmten Betriebszustands erkennen zu können. Methods of the type in question provide for monitoring to be carried out using artificial intelligence. The use of artificial intelligence is considered to have the advantage that it is possible to carry out monitoring without precise knowledge of causal relationships, i.e. without knowing exactly how, for example, a state of wear affects a certain measured size, to be able to detect the occurrence of a certain operating condition.
Bei derartigen Verfahren wird zum Erkennen des Betriebszustands mindestens eine Betriebsgröße überwacht und mittels eines Kl-Algorithmus, d. h. eines künstlich intelligenten Algorithmus, ausgewertet. Um diesen Kl- Algorithmus nun in die Lage zu versetzen, Betriebszustände der bestimmten Betriebszustandsklasse anhand der wenigstens einen überwachten Betriebsgröße zu erkennen, muss jedoch in der Praxis ein Anlernen des Kl- Algorithmus erfolgen. Hierbei kommen insbesondere Machine-Learning- Verfahren und/oder Deep-Learning-Verfahren zum Einsatz. Dabei erfolgt insbesondere eine Klassifizierung von Betriebszuständen. In such methods, at least one operating variable is monitored to detect the operating state and evaluated using a Kl algorithm, i.e. an artificially intelligent algorithm. In order to enable this Kl algorithm to detect operating states of the specific operating state class based on the at least one monitored operating variable, the Kl algorithm must be trained in practice. In particular, machine learning methods and/or deep learning methods are used here. In particular, operating states are classified.
An dieser Stelle entstehen in der Praxis erhebliche Schwierigkeiten. In der Theorie gestaltet sich das Anlernen eines Kl-Algorithmus einfach. Es werden sogenannte gelabelte Messdaten der wenigstens einen überwachten Betriebsgröße von dem Algorithmus verarbeitet. Die Label betreffen insbesondere das Auftreten der zu erkennenden Betriebszustandsklassen. Der Kl-Algorithmus kann während das Anlernens Zusammenhänge zwischen der überwachten Betriebsgröße und den Betriebszustandsklassen herstellen. This is where considerable difficulties arise in practice. In theory, training a Kl algorithm is simple. The algorithm processes so-called labeled measurement data of at least one monitored operating variable. The labels relate in particular to the occurrence of the operating state classes to be recognized. During training, the Kl algorithm can establish relationships between the monitored operating variable and the operating state classes.
Problematisch an dieser Stelle ist jedoch, dass eine entsprechende Menge geeignet gelabelter Daten vorliegen muss. Die Natur der Problemstellung, die technische Einrichtung im Hinblick auf das Auftreten von Betriebszuständen zu überwachen, die zu Betriebszustandsklassen gehören, die äußerst unerwünscht sind, bedingt dabei das Hauptproblem. Es ist technisch kaum möglich insbesondere diejenigen gelabelten Datensätze zur Verfügung zu stellen, deren Generierung mit dem Auftreten eines Betriebszustands der entsprechenden Betriebszustandsklasse einhergeht ist. The problem here, however, is that a corresponding amount of suitably labeled data must be available. The nature of the problem, namely monitoring the technical equipment for the occurrence of operating states that belong to operating state classes that are extremely undesirable, causes the main problem. It is technically almost impossible to provide those labeled data sets in particular whose generation is associated with the occurrence of an operating state of the corresponding operating state class.
Soll beispielsweise ein loser Riemen eines Antriebssystems aufgrund einer verschleißbedingt zu geringen Riemenspannungen erkannt werden, so müssten die Datensätze in einem Betrieb, der gezielt mit einem solchen Riemen erfolgt, aufgenommen werden. Dies geht jedoch im Grunde mit der Inkaufnahme genau jener Gefahren einher, die durch das Condition- Monitoring eigentlich frühzeitig erkannt und abgewendet werden sollen, idealerweise bevor sie überhaupt erst auftreten. If, for example, a loose belt in a drive system is to be detected due to belt tension that is too low due to wear, the data sets would have to be stored in a facility that is specifically equipped with such a belt. However, this essentially means accepting the very same dangers that condition monitoring is supposed to detect and prevent at an early stage, ideally before they even occur.
Berücksichtigt man dazu, dass die Betriebszustände bei unterschiedlichsten Betriebsbedingungen auftreten können, die sich ebenfalls auf die überwachten Betriebsgröße auswirken können, so wird offensichtlich, dass enorm umfangreiche Daten zum Anlernen des Kl-Algorithmus zur Verfügung stehen müssen, um ein zuverlässiges Erkennen des Betriebszustands zu gewährleisten. If one takes into account that the operating states can occur under a wide variety of operating conditions, which can also affect the monitored operating variables, it becomes obvious that enormous amounts of data must be available for training the Kl algorithm in order to ensure reliable detection of the operating state.
So ist es beispielsweise möglich, dass es sich bei der Betriebszustandsklasse um das Auftreten einer unzureichenden Riemenspannungen an einem Antriebsriemen handelt. Der entsprechende Antrieb kann jedoch unter unterschiedlichsten Betriebsbedingungen, beispielsweise was das Drehmoment und/oder die Drehzahl des Antriebs betrifft, betrieben werden. Eine erfasste Betriebsgröße, beispielsweise der Energiegehalt des Antriebsriemens, anhand der die in Rede stehende Betriebsgröße erkannt werden soll, wird jedoch ebenfalls durch Drehmoment und/oder Drehzahl beeinflusst. Es müssten daher Daten mit ungenügender Riemenspannung auch für unterschiedlichste Drehmomente und Drehzahlen vorliegen, diese sollten daher weiterhin entsprechend der Drehzahlen und Drehmomente gelabelt sein, damit ein entsprechend zielführendes Anlernen möglich ist. For example, it is possible that the operating condition class is the occurrence of insufficient belt tension on a drive belt. However, the corresponding drive can be operated under a wide variety of operating conditions, for example with regard to the torque and/or speed of the drive. However, a recorded operating variable, such as the energy content of the drive belt, which is used to identify the operating variable in question, is also influenced by torque and/or speed. Data with insufficient belt tension would therefore also have to be available for a wide variety of torques and speeds, and these should therefore continue to be labeled according to the speeds and torques so that appropriate, targeted training is possible.
In der Praxis ist die Anwendung von Kl-Algorithmen beim Condition- Monitoring daher Grenzen unterworfen. Es besteht zwar die Möglichkeit, die Kl-Algorithmen zu optimieren, um auch bei unzureichender Datenlage Ergebnisse zu erzielen. Dies funktioniert jedoch in engen Grenzen, insbesondere die Einflüsse unterschiedlicher Betriebsbedingungen und/oder konstruktive Änderungen beeinflussen die Übertragbarkeit der Ergebnisse. Geringste Änderungen an der technischen Einrichtung bzw. an den Betriebs- bedingungen schränken die Anwendbarkeit der Kl-Algorithmen daher oftmals bereits signifikant ein. In practice, the use of Kl algorithms in condition monitoring is therefore subject to limitations. It is possible to optimize the Kl algorithms in order to achieve results even when there is insufficient data. However, this only works within narrow limits, in particular the influence of different operating conditions and/or design changes affect the transferability of the results. The slightest changes to the technical equipment or the operating conditions therefore often significantly limit the applicability of the Kl algorithms.
Alternativ kann durch eine aufwändige Sensorik eine größere Menge an, insbesondere unterschiedlichen, Daten erhoben werden. Im Grunde macht dies jedoch den Vorteil der Kl-Algorithmen, Betriebszustände „indirekt“ anhand bestimmter Betriebsgrößen zu erkennen, zunichte. In der Praxis ist es dann oftmals einfacher und kostengünstiger, beispielsweise die Spannung eines Riemens direkt durch eine entsprechende Sensorik zu messen, als mittels einer Vielzahl Sensoren Daten zu erheben um diese dann mit künstlicher Intelligenz auszuwerten. Alternatively, a large amount of data, especially different data, can be collected using complex sensors. However, this essentially negates the advantage of the AI algorithms of detecting operating states "indirectly" based on certain operating variables. In practice, it is often easier and more cost-effective to measure the tension of a belt directly using a corresponding sensor, for example, than to collect data using a large number of sensors and then evaluate it using artificial intelligence.
Der Erfindung liegt daher die Aufgabe zugrunde, ein Verfahren zur Überwachung einer technischen Einrichtung auf Betriebszustände einer bestimmten Betriebszustandsklasse mittels künstlicher Intelligenz aufzuzeigen, bei dem die vorstehend beschriebenen Nachteile nicht oder zumindest in geringerem Maße auftreten. The invention is therefore based on the object of demonstrating a method for monitoring a technical device for operating states of a certain operating state class by means of artificial intelligence, in which the disadvantages described above do not occur or at least occur to a lesser extent.
Die Aufgabe wird gelöst durch ein Verfahren mit den Merkmalen des unabhängigen Anspruchs 1. Die Merkmale der abhängigen Ansprüche betreffen vorteilhafte Ausführungsformen. The object is achieved by a method having the features of independent claim 1. The features of the dependent claims relate to advantageous embodiments.
Das Verfahren zur Überwachung einer technischen Einrichtung sieht vor, dass die technische Einrichtung mittels künstlicher Intelligenz auf Betriebszustände einer bestimmten Betriebszustandsklasse überwacht wird. Bei dem Betriebszustand kann es sich insbesondere um einen Betriebszustand handeln, das im Regelbetrieb der technischen Einrichtung nicht auftritt oder zumindest nicht auftreten soll. Eine Betriebszustandsklasse bezeichnet in diesem Zusammenhang insbesondere eine Kategorie gleichartiger Betriebszustände. Das Verfahren kann die Überwachung der technischen Einrichtung auch auf Betriebszustände einer Mehrzahl bestimmter Betriebszustandsklassen vorsehen. Zur sprachlichen Vereinfachung wird im Folgenden jedoch lediglich die Einzahl der Betriebszustandsklasse verwendet. Zum Erkennen der Betriebszustände wird mindestens eine Betriebsgröße überwacht und mittels eines Kl-Algorithmus ausgewertet. Dies bedeutet insbesondere, dass eine Betriebsgröße gemessen und aus den Messwerten Daten betreffend die Betriebsgröße und insbesondere deren zeitlichen Verlauf gewonnen werden, die mittels des Kl-Algorithmus ausgewertet werden. The method for monitoring a technical device provides that the technical device is monitored using artificial intelligence for operating states of a specific operating state class. The operating state can in particular be an operating state that does not occur or at least should not occur in the normal operation of the technical device. In this context, an operating state class refers in particular to a category of similar operating states. The method can also provide for the monitoring of the technical device for operating states of a plurality of specific operating state classes. However, for linguistic simplification, only the singular operating state class is used below. To identify the operating states, at least one operating variable is monitored and evaluated using a Kl algorithm. This means in particular that an operating variable is measured and data relating to the operating variable and in particular its temporal progression is obtained from the measured values, which are then evaluated using the Kl algorithm.
Das Verfahren sieht vor, dass ein Anlernen des Kl-Algorithmus durch maschinelles Lernen erfolgt, um den Kl-Algorithmus in die Lage zu versetzen, Betriebszustände der bestimmten Betriebszustandsklasse anhand der wenigstens einen überwachten Betriebsgröße zu erkennen. Das Anlernen kann dabei an derselben technischen Einrichtung und/oder einer mit der überwachten technischen Einrichtung, zumindest im Wesentlichen, baugleichen technischen Einrichtung erfolgen. The method provides that the Kl algorithm is trained by machine learning in order to enable the Kl algorithm to recognize operating states of the specific operating state class based on the at least one monitored operating variable. The training can be carried out on the same technical device and/or on a technical device that is at least substantially identical in construction to the monitored technical device.
Bei der technischen Einrichtung kann es sich um eine Maschine oder eine Anlage handeln. Derartige Maschinen oder Anlagen werden regelmäßig vergleichsweise individuell für einen bestimmten Einsatz projektiert und ausgelegt, in anderen Fällen kann es sich um Serienprodukte handeln. The technical equipment can be a machine or a system. Such machines or systems are usually designed and constructed relatively individually for a specific application, in other cases they can be series products.
Insbesondere in denjenigen Fällen, in denen die technische Einrichtung ein Serienprodukt ist, kann es vorteilhaft sein, zum Anlernen des Kl- Algorithmus ein, zumindest im Wesentlichen, mit der zu überwachenden technischen Einrichtung baugleiches Exemplar einer technischen Einrichtung zu verwenden. Auf diese Weise muss die zu überwachende technische Einrichtung nicht für einen Anlernbetrieb zur Verfügung stehen. Unter einer zumindest im Wesentlichen baugleichen technischen Einrichtung ist dabei insbesondere eine solche technische Einrichtung zu verstehen, bei der sich geringfügige bauliche Abweichungen zu der zu überwachenden technischen Einrichtung nicht derart auf die zu überwachende wenigstens eine Betriebsgröße auswirkt, dass dadurch das Erkennen der Betriebszustände verhindert oder zumindest spürbar erschwert wird. Insbesondere in den Fällen, in denen die technische Einrichtung als Einzelexemplar für ein bestimmtes Einsatzszenario hergestellt ist, ist ein Anlernen des Kl-Algorithmus an der zu überwachenden technischen Einrichtung selbst vorteilhaft. In derartigen Fällen müsste zunächst überhaupt erst einmal eine vergleichbare technische Einrichtung gefunden werden, dann müsste mit aufwändigen Versuchsreihen geprüft werden, inwieweit eine Vergleichbarkeit des Verhaltens der Betriebsgröße in Abhängigkeit vom Auftreten der Betriebszustände vorliegt. Daher ist es bei einem derartigen Szenario sinnvoller, das Anlernen des Kl-Algorithmus direkt an derselben technischen Einrichtung durchzuführen, die im Rahmen des Verfahrens überwacht wird. In particular in cases where the technical device is a series product, it can be advantageous to use a technical device that is at least essentially identical to the technical device to be monitored to teach the Kl algorithm. In this way, the technical device to be monitored does not have to be available for a teaching operation. A technical device that is at least essentially identical is to be understood in particular as a technical device in which minor structural deviations from the technical device to be monitored do not affect the at least one operating variable to be monitored in such a way that the recognition of the operating states is prevented or at least noticeably made more difficult. In particular, in cases where the technical device is manufactured as a single copy for a specific application scenario, it is advantageous to train the Kl algorithm on the technical device to be monitored. In such cases, a comparable technical device would first have to be found, then complex series of tests would have to be carried out to check the extent to which the behavior of the operating variable is comparable depending on the occurrence of the operating states. In such a scenario, it is therefore more sensible to train the Kl algorithm directly on the same technical device that is being monitored as part of the process.
Durch das Anlernen wird der Algorithmus in die Lage versetzt, Betriebszustände der bestimmten Betriebszustandsklasse anhand der wenigstens einen überwachten Betriebsgröße zu erkennen. Das Anlernen erfolgt daher insbesondere mit gelabelten Daten, die insbesondere nach dem Auftreten von Betriebszuständen der bestimmten Betriebszustandsklasse gelabelt sind. Ein derartiges Anlernen mit gelabelten Daten wird insbesondere auch als Supervised Learning bezeichnet. Through the learning process, the algorithm is enabled to recognize operating states of the specific operating state class based on the at least one monitored operating variable. The learning process is therefore carried out in particular with labeled data, which are labeled in particular according to the occurrence of operating states of the specific operating state class. Such learning with labeled data is also referred to in particular as supervised learning.
Die Aufgabe wird insbesondere dadurch gelöst, dass zum Anlernen des Kl- Algorithmus gezielt definierte Betriebsbedingungen ausgewählt und/oder herbeigeführt werden, die ein Erkennen von Betriebszuständen der bestimmten Betriebszustandsklasse durch die Auswertung der mindestens einen Betriebsgröße ermöglichen und/oder erleichtern. Dabei kann es sich bei den Betriebsbedingungen insbesondere um eine bestimmte Trajektorie eines bewegten Bestandteils der technischen Einrichtung handeln, die gezielt ausgewählt und/oder herbeigeführt wird. The task is solved in particular by specifically selecting and/or bringing about defined operating conditions for teaching the Kl algorithm, which enable and/or facilitate recognition of operating states of the specific operating state class by evaluating at least one operating variable. The operating conditions can in particular be a specific trajectory of a moving component of the technical device, which is specifically selected and/or brought about.
Es hat sich gezeigt, dass das Erkennen von Betriebszuständen einer bestimmten Betriebszustandsklasse durch die Auswertung mindestens einer Betriebsgröße durch einen Kl-Algorithmus ermöglicht und/oder erleichtert werden kann, indem gezielt definierte Betriebsbedingungen zum Anlernen des Kl-Algorithmus ausgewählt und/oder herbeigeführt werden. Vorteilhafterweise handelt es sich um Betriebsbedingungen, bei denen sich Betriebszustände der bestimmten Betriebszustandsklasse stärker als unter anderen Betriebsbedingungen, insbesondere stärker als unter den Betriebsbedingungen des Regelbetriebs der technischen Einrichtung, auf die mindestens eine Betriebsgröße auswirken. Dies erleichtert es, beim Anlernen des Kl- Algorithmus Zusammenhänge zwischen der mindestens einen Betriebsgröße und dem Auftreten eines Betriebszustands der bestimmten Betriebszustandsklasse zu erkennen. Die Menge der Daten, die zum Anlernen des Kl- Algorithmus notwendig ist, kann damit drastisch reduziert werden. Dies bedeutet in der Praxis, dass die Erzeugung der Daten, die insbesondere mittels eines entsprechenden Anlernbetriebs der zu überwachenden technischen Einrichtung und/oder einer, zumindest im Wesentlichen, baugleichen technischen Einrichtung erfolgt, einen wesentlich geringeren Aufwand, insbesondere an Datenvolumen und Rechenzeit, erfordert. Auf diese Weise wird ein effizientes Anlernen des Kl-Algorithmus ermöglicht. It has been shown that the recognition of operating states of a certain operating state class can be enabled and/or facilitated by the evaluation of at least one operating variable by a Kl algorithm by using specifically defined operating conditions for learning of the Kl algorithm. These are advantageously operating conditions in which operating states of the specific operating state class have a greater effect on the at least one operating variable than under other operating conditions, in particular a greater effect than under the operating conditions of the normal operation of the technical device. This makes it easier to recognize relationships between the at least one operating variable and the occurrence of an operating state of the specific operating state class when teaching the Kl algorithm. The amount of data required to teach the Kl algorithm can thus be drastically reduced. In practice, this means that the generation of the data, which takes place in particular by means of a corresponding teaching operation of the technical device to be monitored and/or a technical device that is at least essentially identical, requires significantly less effort, in particular in terms of data volume and computing time. In this way, efficient teaching of the Kl algorithm is enabled.
Das Verfahren kann insbesondere vorsehen, dass die definierten Betriebsbedingungen, die ein Erkennen von Betriebszuständen der bestimmten Betriebszustandsklasse ermöglichen und/oder erleichtern, während des Betriebs der technischen Einrichtung zur Überprüfung des Vorliegens eines Betriebszustands der bestimmten Betriebszustandsklasse, gezielt herbeigeführt werden. Dadurch kann das Erkennen der Betriebszustände der bestimmten Betriebszustandsklasse durch die Auswertung der mindestens einen Betriebsgröße ermöglicht und/oder erleichtert werden. Auf diese Weise kann nicht nur lediglich das Anlernen des Kl-Algorithmus erleichtert werden, auch das Erkennen der Betriebszustände während des Regelbetriebs der technischen Einrichtung kann auf diese Weise erleichtert und/oder ermöglicht werden. The method can in particular provide that the defined operating conditions, which enable and/or facilitate the recognition of operating states of the specific operating state class, are brought about in a targeted manner during operation of the technical device in order to check whether an operating state of the specific operating state class is present. This can enable and/or facilitate the recognition of the operating states of the specific operating state class by evaluating the at least one operating variable. In this way, not only can the training of the Kl algorithm be made easier, but the recognition of the operating states during normal operation of the technical device can also be made easier and/or possible in this way.
Dabei kann das Verfahren beispielsweise vorsehen, dass die definierten Betriebsbedingungen während des Regelbetriebs der technischen Einrichtung wiederholt gezielt herbeigeführt werden, um Betriebszustände der be- stimmten Betriebszustandsklasse zu erkennen. Das wiederholte Herbeiführen kann beispielsweise nach bestimmten Zeitabständen und/oder nach dem Auftreten bestimmter Ereignisse, wie beispielsweise bei einem Hochfahren einer technischen Einrichtung und/oder nach einer bestimmten Betriebsdauer erfolgen. Dabei ist unter dem gezielten Herbeiführen der Betriebsbedingungen insbesondere zu verstehen, dass die Betriebsbedingungen nicht dem vorgesehenen Regelbetrieb der technischen Einrichtung entsprechen, sondern ausschließlich zum Zweck der Durchführung des Verfahrens zur Überwachung der technischen Einrichtung herbeigeführt werden. The method can, for example, provide that the defined operating conditions are repeatedly and specifically brought about during the normal operation of the technical equipment in order to determine the operating states of the to identify a specific operating state class. The repeated induction can, for example, take place after certain time intervals and/or after the occurrence of certain events, such as when a technical device is started up and/or after a certain period of operation. The targeted induction of operating conditions is to be understood in particular as meaning that the operating conditions do not correspond to the intended normal operation of the technical device, but are brought about solely for the purpose of carrying out the procedure for monitoring the technical device.
Das Verfahren kann insbesondere vorsehen, dass zum Anlernen des Kl- Algorithmus ein Testbetrieb erfolgt. Während des Testbetriebs werden Daten gewonnen und im Hinblick auf die Auswirkung von Betriebszuständen der bestimmten Betriebszustandsklasse auf Betriebsgrößen analysiert, um die wenigstens eine Betriebsgröße und/oder die definierten Betriebsbedingungen zu ermitteln. Mit anderen Worten dient der Testbetrieb dazu, für eine Betriebszustandsklasse herauszufinden, auf welche Betriebsgröße sich ein Betriebszustand dieser Betriebszustandsklasse derart aus bewirkt, dass diese Betriebsgröße zum Erkennen des Betriebszustands geeignet ist. Alternativ und/oder ergänzend kann der Testbetrieb dazu genutzt werden, Betriebsbedingungen zu ermitteln, bei denen sich Betriebszustände der bestimmten Betriebszustandsklasse derart auf die wenigstens eine Betriebsgröße auswirken, dass dadurch eine Erkennung eines Betriebszustands der bestimmten Betriebszustandsklasse ermöglicht und/oder erleichtert wird. Das Auswerten der Daten im Hinblick auf die Auswirkung von Betriebszuständen der bestimmten Betriebszustandsklasse auf Betriebsgrößen erfolgt ebenfalls insbesondere mit mittels maschinellen Lernens erfolgen. Eine derartige Vorgehensweise wird auch als „Feature Engineering“ bezeichnet. The method can in particular provide that a test operation is carried out to train the Kl algorithm. During the test operation, data is obtained and analyzed with regard to the effect of operating states of the specific operating state class on operating variables in order to determine the at least one operating variable and/or the defined operating conditions. In other words, the test operation serves to find out for an operating state class which operating variable an operating state of this operating state class has an effect on in such a way that this operating variable is suitable for recognizing the operating state. Alternatively and/or additionally, the test operation can be used to determine operating conditions under which operating states of the specific operating state class have an effect on the at least one operating variable in such a way that recognition of an operating state of the specific operating state class is enabled and/or facilitated. The evaluation of the data with regard to the effect of operating states of the specific operating state class on operating variables is also carried out in particular by means of machine learning. Such a procedure is also referred to as “feature engineering”.
Das Verfahren kann insbesondere vorsehen, dass es sich bei den definierten Betriebsbedingungen um Betriebsbedingungen eines elektrischen Antriebs der technischen Einrichtung handelt. Die Betriebsbedingungen von Antriebssystemen technischer Einrichtungen der in Rede stehenden Art lassen sich regelmäßig direkt und somit auch vergleichsweise präzise und reproduzierbar beeinflussen. Dadurch eignen sich Antriebe technischer Einrichtungen besonders gut zur Realisierung definierter Betriebsbedingungen, die ein Erkennen der in Rede stehenden Betriebszustände ermöglichen und/oder erleichtern. So kann es sich bei den definierten Betriebsbedingungen beispielsweise um ein Drehmoment und/oder eine Drehzahl, einen be Drehmomentverlauf und/oder einen Drehzahlverlauf (d.h. eine zeitabhängige Funktion der Drehzahl bzw. des Drehmoments) und/oder eine Regler- Einstellung handeln. The method can in particular provide that the defined operating conditions are operating conditions of an electric drive of the technical device. The operating conditions of Drive systems of technical equipment of the type in question can usually be influenced directly and thus comparatively precisely and reproducibly. This makes drives of technical equipment particularly suitable for implementing defined operating conditions that enable and/or facilitate recognition of the operating states in question. The defined operating conditions can, for example, be a torque and/or a speed, a torque curve and/or a speed curve (ie a time-dependent function of the speed or torque) and/or a controller setting.
Das Verfahren kann vorsehen, dass es sich bei der mindestens einen Betriebsgröße um eine Betriebsgröße eines elektrischen Antriebssystems einer technischen Einrichtung handelt. Betriebsgrößen technischer Antriebssysteme bieten sich insbesondere deswegen an, da sie vergleichsweise gut gemessen werden können, dabei kann die Messung der Betriebsgröße direkt erfolgen oder die Betriebsgröße kann aus dem Messen anderer Betriebsgrößen abgeleitet werden. Ein weiterer Vorteil ist, dass zur Steuerung und/oder Regelung des elektrischen Antriebssystems oftmals ohnehin Betriebsgrößen gemessen werden, vorteilhafter Weise handelt es sich daher bei der mindestens einen Betriebsgröße um eine Betriebsgröße, deren Messung im Rahmen der Steuerung und/oder Regelung des Antriebssystems ohnehin erfolgt. In diesem Fall sind daher keine zusätzlichen Sensori- ken für die Durchführung des Verfahrens notwendig. The method can provide that the at least one operating variable is an operating variable of an electric drive system of a technical device. Operating variables of technical drive systems are particularly suitable because they can be measured relatively well. The operating variable can be measured directly or the operating variable can be derived from measuring other operating variables. A further advantage is that operating variables are often measured anyway to control and/or regulate the electric drive system. Advantageously, the at least one operating variable is therefore an operating variable that is measured anyway as part of the control and/or regulation of the drive system. In this case, no additional sensors are therefore required to carry out the method.
Das Verfahren kann vorsehen, dass es sich bei der Betriebszustandsklasse um das Auftreten einer unzureichenden Riemenspannung an einem Antriebsriemen handelt. Bei dem Antriebsriemen kann es sich beispielsweise um einen Zahnriemen handeln. Lose Zahnriemen stellen eine typischen Betriebszustandsklasse dar, dessen Erkennen im Rahmen eines Condition Monitoring ein wünschenswerte Szenario darstellt. Das Verfahren kann im Zusammenhang mit der Überwachung auf Betriebszustände der Betriebszustandsklasse des Auftretens einer unzureichenden Riemenspannung vorsehen, dass die definierten Betriebsbedingungen das Überlagern eines Drehmomentverlaufs eines den Antriebsriemen antreibenden Antriebs mit einer Schwingung beinhalten. Es hat sich gezeigt, dass eine derartige Überlagerung eines Drehmomentverlaufs mit einer Schwingung zu Betriebsbedingungen führt, die das Erkennen eines losen Antriebsriemens wesentlich erleichtern bzw. erst ermöglichen. The method can provide that the operating condition class is the occurrence of insufficient belt tension on a drive belt. The drive belt can be a toothed belt, for example. Loose toothed belts represent a typical operating condition class, the detection of which is a desirable scenario as part of condition monitoring. In connection with the monitoring of operating conditions of the operating condition class of the occurrence of insufficient belt tension, the method can provide that the defined operating conditions include the superimposition of a torque curve of a drive driving the drive belt with a vibration. It has been shown that such a superimposition of a torque curve with a vibration leads to operating conditions that make it significantly easier or even possible to detect a loose drive belt.
Die Schwingung kann dabei insbesondere eine Frequenz aufweisen, die einer Eigenfrequenz des Antriebsriemens entspricht. Im Betrieb wird es typischerweise zwar vermieden, Riemen mit Eigenfrequenzen anzuregen. Es hat sich im Zusammenhang mit der vorliegenden Erfindung jedoch herausgestellt, dass gerade die Anregung mit Eigenfrequenzen zu einer guten Erkennbarkeit unzureichender Riemenspannungen führen kann. The vibration can in particular have a frequency that corresponds to a natural frequency of the drive belt. During operation, it is typically avoided to excite belts with natural frequencies. However, in connection with the present invention, it has been found that excitation with natural frequencies can lead to good detection of insufficient belt tensions.
Die Schwingung kann insbesondere mit einem Mischfrequenzsignal angeregt werden. Dabei kann das Mischfrequenzsignal insbesondere eine Mehrzahl einander überlagerter Frequenzen aufweisen, die vorzugsweise Anteile der Eigenfrequenzen des Antriebsriemens enthalten. Auf diese Weise kann eine hinreichende Anregung des Antriebsriemens mittels des Mischfrequenzsignals sichergestellt werden. Es hat sich in diesem Zusammenhang gezeigt, dass sich bei losen Antriebsriemen insbesondere die Eigenfrequenzen bei losen Riemen ändern. The vibration can be excited in particular with a mixed frequency signal. The mixed frequency signal can in particular have a plurality of superimposed frequencies, which preferably contain parts of the natural frequencies of the drive belt. In this way, sufficient excitation of the drive belt can be ensured by means of the mixed frequency signal. In this context, it has been shown that with loose drive belts, the natural frequencies in particular change with loose belts.
Die Schwingung kann eine Frequenz von wenigstens 10 Hz und/oder höchstens 1000 Hz aufweisen. Es hat sich in der Praxis herausgestellt, dass zur Erkennung von Antriebsriemen mit unzureichender Riemenspannung nach dem beschriebenen Verfahren zur Überwachung einer technischen Einrichtung Schwingungen in diesem Frequenzbereich zu einer besonders guten Erkennung loser Antriebsriemen führen. Dies ist insbesondere dann der Fall, wenn es sich bei dem Antriebsriemen um einen Zahnriemen handelt. Dann treten typischerweise in diesem Frequenzbereich Eigenfrequenzen auf, wenn der Eingriff der Zähne in die Räder aufgrund des losen Zahnriemens zu einem nicht hinreichenden Formschluss führt und die Zähne sich deswegen verformen. The vibration can have a frequency of at least 10 Hz and/or at most 1000 Hz. It has been found in practice that vibrations in this frequency range lead to particularly good detection of loose drive belts in order to detect drive belts with insufficient belt tension according to the described method for monitoring a technical device. This is particularly the case if the drive belt is a toothed belt. In this case, natural frequencies typically occur in this frequency range. occurs when the engagement of the teeth in the wheels leads to insufficient form-fitting due to the loose toothed belt and the teeth are therefore deformed.
Im Zusammenhang mit der Erkennung des Auftretens unzureichender Riemenspannungen an Antriebsriemen kann es sich bei der mindestens einen Betriebsgröße insbesondere um den Frequenzverlauf der Trajektorie des Antriebsriebs, also insbesondere um Schwingungen der Drehzahl und/oder der Geschwindigkeit des Antriebs, handeln. In connection with the detection of the occurrence of insufficient belt tensions on drive belts, the at least one operating variable can be in particular the frequency curve of the trajectory of the drive belt, i.e. in particular vibrations of the rotational speed and/or the speed of the drive.
Der Frequenzverlauf kann über die Messung einer Betriebsgröße des Antriebssystems, beispielsweise der Drehzahl und/oder der Geschwindigkeit, ermittelt werden. Dabei kann insbesondere eine Frequenzanalyse, beispielsweise mittels der Fast-Fourier-Transformation und/oder eine Wavelet- Transformation genutzt werden. The frequency curve can be determined by measuring an operating variable of the drive system, for example the rpm and/or the speed. In particular, a frequency analysis can be used, for example using the fast Fourier transformation and/or a wavelet transformation.
In der Praxis hat sich gezeigt, dass der Zusammenhang zwischen der Riemenspannung und dem Schwingungsverhalten des Antriebsriemens komplex ist. Daher eignet sich dieser Anwendungsfall des Verfahrens besonders gut für die Verwendung eines Kl-Algorithmus, da eine direkte Messung des Zustands des Antriebsriemens über das Schwingungsverhalten, d. h. eine Herleitung über physikalische Zusammenhänge, ohne die Anwendung einer angelernten künstlichen Intelligenz, in der Praxis aufgrund der Komplexität nicht möglich ist. Insbesondere bei der Überwachung eines Antriebsriemens nach dem beschriebenen Verfahren kann es jedoch ausreichen, zum Anlernen der künstlichen Intelligenz lediglich den Fall hinreichender Riemenspannung zu betrachten, d. h., durch das beschriebene Verfahren kann der Kl-Algorithmus in die Lage versetzt werden, unzureichende Riemenspannungen von Antriebsriemen zu erkennen, ohne dass hierfür ein Anlernbetrieb mit einer unzureichenden Riemenspannung und den damit einhergehenden Gefährdungen notwendig ist. Bei der Betriebszustandsklasse kann es sich um das Auftreten einer Unwucht in einem Antriebssystem handeln. Derartige Unwuchten treten in einem Antriebssystem auf, wenn ein Bestandteil des Antriebssystems, wie beispielsweise eine Antriebswelle, eine Unwucht aufweist. Auch bei dem Auftreten von Unwuchten handelt es sich um eine Betriebszustandsklasse, der in der Praxis unterschiedlichste Ausprägungen aufweisen kann, daher ist für die Erkennung von Unwuchten das beschriebene Verfahren mit der Anwendung eines Kl-Algorithmus besonders vorteilhaft. In practice, it has been shown that the relationship between the belt tension and the vibration behavior of the drive belt is complex. Therefore, this application of the method is particularly well suited to the use of a Kl algorithm, since a direct measurement of the condition of the drive belt via the vibration behavior, i.e. a derivation via physical relationships, without the use of a trained artificial intelligence, is not possible in practice due to the complexity. However, particularly when monitoring a drive belt according to the described method, it may be sufficient to only consider the case of sufficient belt tension in order to train the artificial intelligence, i.e. the described method can enable the Kl algorithm to detect insufficient belt tensions of drive belts without the need for a training operation with insufficient belt tension and the associated hazards. The operating state class can be the occurrence of an imbalance in a drive system. Such imbalances occur in a drive system when a component of the drive system, such as a drive shaft, is unbalanced. The occurrence of imbalances is also an operating state class, which can have a wide variety of characteristics in practice, so the described method using a Kl algorithm is particularly advantageous for detecting imbalances.
Alternativ und/oder ergänzend kann es sich bei der Betriebszustandsklasse um das Auftreten eines Verschleißes an einem Reibrad in einem Antriebssystem handeln. Reibräder von Antriebssystemen können ebenfalls verschleißen und so zu einem Betriebszustand der Betriebszustandsklasse „Reibradverschleiß“ führen. Auch bei der Erkennung eines derartigen Reibradverschleißes ist die Verwendung angelernter Kl-Algorithmen aufgrund der Unterschiedlichkeit der Auswirkungen, die ein Reibradverschleiß auf die realen Betriebsgrößen haben kann, sinnvoll, um den Reibradverschleiß zu erkennen. Alternatively and/or additionally, the operating condition class can be the occurrence of wear on a friction wheel in a drive system. Friction wheels of drive systems can also wear out and thus lead to an operating condition in the operating condition class "friction wheel wear". When detecting such friction wheel wear, the use of trained Kl algorithms is also useful in order to detect friction wheel wear due to the different effects that friction wheel wear can have on the real operating variables.
Um die Erkennung von Betriebszuständen der Betriebszustandsklassen des Auftretens einer Unwucht und des Auftretens eines Verschleißes an einem Reibrad zu ermöglichen und/oder zu erleichtern, können die definierten Betriebsbedingungen insbesondere eine konstante Drehzahl des Antriebssystems und/oder das Absenken des Integralanteils der Regelung des Antriebssystems gegenüber dem im Regelbetrieb verwendeten Integralanteil beinhalten. In order to enable and/or facilitate the detection of operating states of the operating state classes of the occurrence of an imbalance and the occurrence of wear on a friction wheel, the defined operating conditions can in particular include a constant speed of the drive system and/or the reduction of the integral component of the control of the drive system compared to the integral component used in normal operation.
Eine konstante Drehzahl ermöglicht es sowohl beim Auftreten einer Unwucht als auch beim Auftreten eines Verschleißes an einem Reibrad erkennbare Auswirkungen auf Betriebsgrößen hervorzurufen. A constant speed makes it possible to produce noticeable effects on operating parameters both when an imbalance occurs and when wear occurs on a friction wheel.
Durch das Absenken des Integralanteils der Regelung des Antriebssystems gegenüber dem im Regelbetrieb verwendeten Integralanteil kann verhindert werden, dass der integrierende Charakter der Regelung dazu führt, dass die Auswirkungen des Auftretens der Unwucht oder des Verschleißes des Reibrades auf die mindestens eine Betriebsgröße durch die Regelung vermindert bzw. in einer die Erkennung erschwerenden Weise beeinflusst werden. By reducing the integral part of the drive system control compared to the integral part used in control operation, it is possible to prevent that the integrative nature of the control system results in the effects of the occurrence of the imbalance or wear of the friction wheel on at least one operating variable being reduced by the control system or being influenced in a way that makes detection more difficult.
Insbesondere bei der Nutzung des Verfahrens zur Erkennung von Betriebszuständen der Betriebszustandsklasse des Auftretens einer Unwucht in einem Antriebssystem kann es sich bei der mindestens einen Betriebsgröße um den Schleppfehler des Antriebssystems handeln. Bei dem Schleppfehler des Antriebssystems handelt es sich insbesondere und den Unterschied zwischen einer Soll-Position und einer Ist-Position des Antriebs. Bei der Soll-Position handelt es sich insbesondere um die von einer Steuerung und/oder einer Regelung des Antriebs vorgegebene Position. Die Ist- Position des Antriebs wird insbesondere am Antrieb gemessen, beispielsweise mit einem Resolver. Zu Regelungs- bzw. Steuerungszwecken ist eine derartige Messung der Ist-Position an einem Antrieb häufig ohnehin notwendig, d.h., die Verwendung des Schleppfehlers als mindestens eine Betriebsgröße bei der Durchführung des Verfahrens geht oftmals damit einher, dass gar keine zusätzliche Sensorik zur Verschleißerkennung benötigt wird. In particular, when using the method for detecting operating states of the operating state class of the occurrence of an imbalance in a drive system, the at least one operating variable can be the lag error of the drive system. The lag error of the drive system is in particular the difference between a target position and an actual position of the drive. The target position is in particular the position specified by a control and/or regulation of the drive. The actual position of the drive is measured in particular on the drive, for example with a resolver. For regulation or control purposes, such a measurement of the actual position on a drive is often necessary anyway, i.e. the use of the lag error as at least one operating variable when carrying out the method often means that no additional sensors are required to detect wear.
Insbesondere bei der Nutzung des Verfahrens zur Erkennung von Betriebszuständen der Betriebszustandsklasse des Auftretens eines Verschleißes an einem Reibrad eines Antriebssystems kann es sich bei der mindestens einen Betriebsgröße um das Drehmoment des Antriebssystems handeln. Bei dem Drehmoment des Antriebssystems handelt es sich ebenfalls um eine Betriebsgröße, die oftmals im Rahmen der Steuerung und/oder Regelung eines Antriebs gemessen wird. Die Messung des Drehmoments kann dabei sowohl direkt über einen Drehmomentsensor, als auch alternativ und/oder ergänzend als abgeleitete Größe aus einer elektrischen Betriebsgröße des Antriebssystems ermittelt werden, in diesem Fall wird die elektrische Betriebsgröße gemessen und daraus das Drehmoment errechnet. Bei der Betriebszustandsklasse kann es sich um das Auftreten einer Änderung einer Trägheit einer durch ein Antriebssystem angetriebenen Vorrichtung handeln. In particular, when using the method for detecting operating states of the operating state class of the occurrence of wear on a friction wheel of a drive system, the at least one operating variable can be the torque of the drive system. The torque of the drive system is also an operating variable that is often measured as part of the control and/or regulation of a drive. The torque can be measured either directly via a torque sensor or alternatively and/or additionally as a derived variable from an electrical operating variable of the drive system; in this case, the electrical operating variable is measured and the torque is calculated from this. The operating condition class may be the occurrence of a change in inertia of a device driven by a drive system.
Es kann sich bei der Änderung der Trägheit um eine Änderung aufgrund einer Beschädigung eines Teils der Vorrichtung handeln. So kann es sich beispielsweise um ein abgebrochenes Werkzeug an einer Vorrichtung handeln. Durch das Abbrechen eines Werkzeugs ändert sich die Trägheit der Vorrichtung. So können beispielsweise beschädigte Fräser erkannt werden. Alternativ und/oder ergänzend kann es sich bei der Änderung der Trägheit um eine Änderung der Trägheit infolge eines Materialverbrauchs handeln. So kann beispielsweise die Restmenge abwickelbaren Papiers auf einer Rolle, von der Papier abgewickelt wird, bestimmt werden. The change in inertia may be a change due to damage to a part of the device. For example, it may be a broken tool on a device. The breaking of a tool changes the inertia of the device. For example, damaged cutters can be detected. Alternatively and/or additionally, the change in inertia may be a change in inertia due to material consumption. For example, the remaining amount of unwindable paper on a roll from which paper is unwound can be determined.
Insbesondere bei der Verwendung des Verfahrens zur Erkennung von Betriebszuständen der Betriebszustandsklasse des Auftretens einer Änderung einer Trägheit können die definierten Betriebsbedingungen eine konstante Beschleunigung des Antriebssystems beinhalten. Wird ein Antriebssystem mit einer konstanten Beschleunigung betrieben, so können Änderungen von Trägheiten anhand der mindestens einen Betriebsgröße besonders gut erkannt werden. In particular, when using the method for detecting operating states of the operating state class of the occurrence of a change in inertia, the defined operating conditions can include a constant acceleration of the drive system. If a drive system is operated with a constant acceleration, changes in inertia can be detected particularly well based on the at least one operating variable.
Weitere praktische Ausführungsformen und Vorteile der Erfindung sind nachfolgend im Zusammenhang mit der Zeichnung beschrieben. Es zeigt: Further practical embodiments and advantages of the invention are described below in connection with the drawing. It shows:
Fig. 1 ein vereinfachtes schematisches Verfahrensfließbild eines beispielhaften Verfahrens. Fig. 1 is a simplified schematic process flow diagram of an exemplary process.
Das beispielhaft dargestellte Verfahren 10 zur Überwachung einer technischen Einrichtung mittels künstlicher Intelligenz auf Betriebszustände einer bestimmten Betriebszustandsklasse kann wie im gezeigten Beispiel vorsehen, dass zunächst ein Testbetrieb 12 erfolgt. Während des Testbetriebs 12 können Daten gewonnen und im Hinblick auf die Auswirkung von Betriebszuständen der bestimmten Betriebszustandsklasse auf Betriebsgrößen analysiert werden. Dadurch können mittels des Testbetriebs 12 wenigstens eine Betriebsgröße, auf die sich Betriebszustände der bestimmten Betriebszustandsklasse auswirken, ermittelt werden. Alternativ und/oder ergänzend können definierte Betriebsbedingungen ermittelt werden, bei denen sich Betriebszustände der bestimmten Betriebszustandsklasse auf die Betriebsgröße in einer Weise auswirken, die ein Erkennen der Betriebszustände ermöglicht und/oder erleichtert. The method 10 shown as an example for monitoring a technical device using artificial intelligence for operating states of a certain operating state class can, as in the example shown, provide for a test operation 12 to take place first. During the test operation 12 Data can be obtained and analyzed with regard to the effect of operating states of the specific operating state class on operating variables. As a result, at least one operating variable that is affected by operating states of the specific operating state class can be determined using the test operation 12. Alternatively and/or additionally, defined operating conditions can be determined in which operating states of the specific operating state class affect the operating variable in a way that enables and/or facilitates recognition of the operating states.
Das Verfahren 10 sieht vor, dass ein Anlernen 14 des Kl-Algorithmus erfolgt, wobei gezielt definierte Betriebsbedingungen ausgewählt und/oder herbeigeführt werden, die ein Erkennen von Betriebszuständen der bestimmten Betriebszustandsklasse durch die Auswertung der mindestens einen Betriebsgröße ermöglichen und/oder erleichtern. Im folgenden Betrieb 16 der technischen Einrichtung wird nach dem beispielhaften Verfahren 10 die mindestens eine Betriebsgröße überwacht und mittels eines Kl- Algorithmus ausgewertet, um Betriebszustände der bestimmten Betriebszustandsklasse zu erkennen. Dabei kann das Verfahren 10 vorsehen, dass während des Betriebs 16 der technischen Einrichtung zur Überprüfung des Vorliegens eines Betriebszustands der bestimmten Betriebszustandsklasse die definierten Betriebsbedingungen, die insbesondere während eines Testbetriebs 12, wie im gezeigten Beispiel, ermittelt worden sein können, gezielt herbeigeführt werden. Durch das gezielte Herbeiführen der definierten Betriebsbedingungen wird das Erkennen der Betriebszustände der bestimmten Betriebszustandsklasse durch die Auswertung der mindestens einen Betriebsgröße ermöglicht und/oder erleichtert. The method 10 provides that a training 14 of the Kl algorithm takes place, wherein specifically defined operating conditions are selected and/or brought about, which enable and/or facilitate recognition of operating states of the specific operating state class by evaluating the at least one operating variable. In the subsequent operation 16 of the technical device, according to the exemplary method 10, the at least one operating variable is monitored and evaluated using a Kl algorithm in order to recognize operating states of the specific operating state class. The method 10 can provide that during the operation 16 of the technical device, in order to check whether an operating state of the specific operating state class exists, the defined operating conditions, which can have been determined in particular during a test operation 12, as in the example shown, are specifically brought about. By specifically bringing about the defined operating conditions, the recognition of the operating states of the specific operating state class is enabled and/or facilitated by evaluating the at least one operating variable.
Die in der vorliegenden Beschreibung, in den Zeichnungen sowie in den Ansprüchen offenbarten Merkmale der Erfindung können sowohl einzeln als auch in beliebigen Kombinationen für die Verwirklichung der Erfindung in ihren verschiedenen Ausführungsformen wesentlich sein. Die Erfindung ist nicht auf die beschriebenen Ausführungsformen beschränkt. Sie kann im 5 Rahmen der Ansprüche und unter Berücksichtigung der Kenntnisse des zuständigen Fachmanns variiert werden. The features of the invention disclosed in the present description, in the drawings and in the claims can be essential for the realization of the invention in its various embodiments both individually and in any combination. The invention is not limited to the embodiments described. It can be 5 within the scope of the claims and taking into account the knowledge of the competent specialist.
Bezugszeichenliste List of reference symbols
10 Verfahren 10 Procedures
12 Testbetrieb 12 Test operation
14 Anlernen 16 Betrieb der technischen Einrichtung 14 Training 16 Operation of the technical equipment

Claims

Patentansprüche Patent claims
1 . Verfahren (10) zur Überwachung einer technischen Einrichtung, insbesondere einer Maschine und/oder einer Anlage mittels künstlicher Intelligenz auf Betriebszustände einer bestimmten Betriebszustandsklasse, wobei zum Erkennen der Betriebszustände mindestens eine Betriebsgröße überwacht und mittels eines Kl-Algorithmus ausgewertet wird, wobei ein Anlernen (14) des Kl-Algorithmus durch maschinelles Lernen erfolgt, um den Kl-Algorithmus in die Lage zu versetzen, Betriebszustände der bestimmten Betriebszustandsklasse anhand der wenigstens einen überwachten Betriebsgröße zu erkennen, dadurch gekennzeichnet, dass zum Anlernen (14) des Kl-Algorithmus gezielt definierte Betriebsbedingungen ausgewählt und/oder herbeigeführt werden, die ein Erkennen von Betriebszuständen der bestimmten Betriebszustandsklasse durch die Auswertung der mindestens einen Betriebsgröße ermöglichen und/oder erleichtern. 1. Method (10) for monitoring a technical device, in particular a machine and/or a system, by means of artificial intelligence for operating states of a specific operating state class, wherein at least one operating variable is monitored and evaluated by means of a Kl algorithm in order to recognize the operating states, wherein a training (14) of the Kl algorithm takes place by machine learning in order to enable the Kl algorithm to recognize operating states of the specific operating state class based on the at least one monitored operating variable, characterized in that for the training (14) of the Kl algorithm, specifically defined operating conditions are selected and/or brought about which enable and/or facilitate the recognition of operating states of the specific operating state class by evaluating the at least one operating variable.
2. Verfahren (10) nach Anspruch 1 , dadurch gekennzeichnet, dass während des Betriebs (16) der technischen Einrichtung zur Überprüfung des Vorliegens eines Betriebszustands der bestimmten Betriebszustandsklasse die definierten Betriebsbedingungen gezielt herbeigeführt werden, um das Erkennen der Betriebszustände der bestimmten Betriebszustandsklasse durch die Auswertung der mindestens einen Betriebsgröße zu ermöglichen und/oder zu erleichtern. 2. Method (10) according to claim 1, characterized in that during the operation (16) of the technical device for checking the presence of an operating state of the specific operating state class, the defined operating conditions are brought about in a targeted manner in order to enable and/or facilitate the recognition of the operating states of the specific operating state class by evaluating the at least one operating variable.
3. Verfahren (10) nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass zum Anlernen (14) des Kl-Algorithmus ein Testbetrieb (12) erfolgt, wobei während des Testbetriebs (12) Daten gewonnen und im Hinblick auf die Auswirkung von Betriebszuständen der bestimmten Betriebszustandsklasse auf Betriebsgrößen analysiert werden, um die wenigstens eine Betriebsgröße und/oder die definierten Betriebsbedingungen zu ermitteln. 3. Method (10) according to claim 1 or 2, characterized in that a test operation (12) is carried out for teaching (14) the Kl algorithm, wherein during the test operation (12) data is obtained and analyzed with regard to the effect of operating states of the specific operating state class on operating variables in order to determine the at least one operating variable and/or the defined operating conditions.
4. Verfahren (10) nach einem der vorigen Ansprüche, dadurch gekennzeichnet, dass es sich bei den definierten Betriebsbedingungen um Betriebsbedingungen eines elektrischen Antriebs der technischen Einrichtung und/oder bei der mindestens einen Betriebsgröße um eine Betriebsgröße eines elektrischen Antriebssystems der technischen Einrichtung handelt. Verfahren (10) nach einem der vorigen Ansprüche, dadurch gekennzeichnet, dass es sich bei der Betriebszustandsklasse um das Auftreten einer unzureichenden Riemenspannung an einem Antriebsriemen handelt. Verfahren (10) nach Anspruch 5, dadurch gekennzeichnet, dass die definierten Betriebsbedingungen das Überlagern eines Drehmomentverlaufs eines den Antriebsriemen antreibenden Antriebs mit einer Schwingung beinhalten. Verfahren (10) nach Anspruch 6, dadurch gekennzeichnet, dass die Schwingung eine Frequenz von wenigstens 10 Hz und/oder höchstens 1000 Hz aufweist. Verfahren (10) nach einem der Ansprüche 5 bis 7, dadurch gekennzeichnet, dass es sich bei der mindestens einen Betriebsgröße um den Frequenzverlauf der Trajektorie des Antriebs und/oder um Schwingungen der Drehzahl und/oder der Geschwindigkeit des Antriebs handelt Verfahren (10) nach einem der vorigen Ansprüche, dadurch gekennzeichnet, dass es sich bei der Betriebszustandsklasse um das Auftreten einer Unwucht in einem Antriebssystem handelt. Verfahren (10) nach einem der vorigen Ansprüche, dadurch gekennzeichnet, dass es sich bei der Betriebszustandsklasse um das Auftreten eines Verschleißes an einem Reibrad in einem Antriebssystem handelt. Verfahren (10) nach Anspruch 8 oder 9, dadurch gekennzeichnet, dass die definierten Betriebsbedingungen eine konstante Drehzahl des Antriebssystems und/oder das Absenken des Integralanteils der Regelung des Antriebssystems gegenüber dem im Regelbetrieb verwendeten Integralanteil, insbesondere das Weglassen des Integralanteils, beinhalten. Verfahren (10) nach einem der Ansprüche 9 oder 11 , dadurch gekennzeichnet, dass es sich bei der mindestens einen Betriebsgröße um den Schleppfehler des Antriebssystems handelt. 4. Method (10) according to one of the preceding claims, characterized in that the defined operating conditions are operating conditions of an electric drive of the technical device and/or of the at least one operating variable is an operating variable of an electrical drive system of the technical device. Method (10) according to one of the preceding claims, characterized in that the operating state class is the occurrence of insufficient belt tension on a drive belt. Method (10) according to claim 5, characterized in that the defined operating conditions include the superimposition of a torque curve of a drive driving the drive belt with an oscillation. Method (10) according to claim 6, characterized in that the oscillation has a frequency of at least 10 Hz and/or at most 1000 Hz. Method (10) according to one of claims 5 to 7, characterized in that the at least one operating variable is the frequency curve of the trajectory of the drive and/or oscillations of the rotational speed and/or the speed of the drive. Method (10) according to one of the preceding claims, characterized in that the operating state class is the occurrence of an imbalance in a drive system. Method (10) according to one of the preceding claims, characterized in that the operating state class is the occurrence of wear on a friction wheel in a drive system. Method (10) according to claim 8 or 9, characterized in that the defined operating conditions include a constant speed of the drive system and/or the lowering of the integral component of the control of the drive system compared to the integral component used in normal operation, in particular the omission of the integral component. Method (10) according to one of claims 9 or 11, characterized in that the at least one operating variable is the drag error of the drive system.
13. Verfahren (10) nach einem der Ansprüche 10 oder 11 , dadurch gekennzeichnet, dass es sich bei der mindestens einen Betriebsgröße um das Drehmoment des Antriebssystems handelt. 13. Method (10) according to one of claims 10 or 11, characterized in that the at least one operating variable is the torque of the drive system.
14. Verfahren (10) nach einem der vorigen Ansprüche, dadurch gekennzeichnet, dass es sich bei der Betriebszustandsklasse um das Auftreten einer Ände- rung einer Trägheit einer durch ein Antriebssystem angetriebenen Vorrichtung handelt. 14. Method (10) according to one of the preceding claims, characterized in that the operating state class is the occurrence of a change in an inertia of a device driven by a drive system.
15. Verfahren (10) nach Anspruch 14, dadurch gekennzeichnet, dass die definierten Betriebsbedingungen eine konstante Beschleunigung des Antriebssystems beinhalten. 15. Method (10) according to claim 14, characterized in that the defined operating conditions include a constant acceleration of the drive system.
PCT/EP2023/084257 2022-12-05 2023-12-05 Method for monitoring a technical device WO2024121114A1 (en)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102022132216.5 2022-12-05

Publications (1)

Publication Number Publication Date
WO2024121114A1 true WO2024121114A1 (en) 2024-06-13

Family

ID=

Similar Documents

Publication Publication Date Title
DE69937737T2 (en) ASSESSMENT OF THE CONDITION OF A STORAGE
EP2937560B1 (en) Wind energy system diagnosis device for generator components
EP3282399A1 (en) Method for the improved detection of process anomalies of a technical installation and corresponding diagnostic system
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
CH717054A2 (en) Procedure for diagnosing a bearing.
EP3151072B1 (en) Method and system for error detection and monitoring in an electronically controlled or regulated machine part
WO2024121114A1 (en) Method for monitoring a technical device
WO2020192822A1 (en) Method for determining a property of a machine, in particular a machine tool, without metrologically capturing the property
EP3100064B1 (en) Device and method for detecting faults in machines
DE102022132216A1 (en) Procedure for monitoring a technical facility
DE102019108567A1 (en) Computer program product for monitoring the condition of a traction means in a traction mechanism
EP3120203B1 (en) Device and method for detecting errors in machines
DE102019214009B3 (en) Analysis of sensor measurement data from a robot or manipulator
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
DE102019107242A1 (en) Diagnostic method, diagnostic system and motor vehicle
DE102019131456A1 (en) Method for determining a property of a machine, in particular a machine tool, without measuring the property
DE102019107240A1 (en) Diagnostic method, diagnostic system and motor vehicle
EP3699701A1 (en) Method and device for determining or forecasting a position of a sheet break, computer program and industrial plant
EP3734384B1 (en) Method and device for monitoring an operational status of a system
DE102019125873B4 (en) PROCEDURE AND SENSOR AND EVALUATION DEVICE FOR DECENTRALIZED DETERMINATION OF DIAGNOSTIC INFORMATION ABOUT ELECTRICAL CONSUMERS OF A MACHINE SYSTEM
DE102008058965A1 (en) Method for detecting a machine condition
WO2021069258A1 (en) Method for determining and/or classifying a web condition of a material web, computer program product, production apparatus and industrial installation
DE102017213929B4 (en) Method and apparatus for determining whether an anomaly exists in a system
EP3985377A1 (en) Method for detecting faults in a drive
DE102022213123A1 (en) Method and device for determining the condition of a component to be monitored in a machine with a rotating machine element