Neue Vorlesung Condition Monitoring in der Antriebstechnik

September 9, 2025 / Martin Dazer; Lukas Merkle

Ab SS 2026 bietet das IMA eine neue Vorlesung 'Condition Monitoring in der Antriebstechnik' an

Lernziele

Um die Verfügbarkeit von Antriebssträngen insbesondere in großen und schwer zugänglichen Anlagen zu erhöhen, werden dort vermehrt Systeme zur Zustandsüberwachung (Condition Monitoring) eingesetzt.

Anhand eines typischen Beispiels für die Anwendung von Zustandsüberwachungssystemen (Windenergieanlage) lernen die Studierenden vertieft die Eigenschaften unterschiedlicher Komponenten im Antriebsstrang wie Stirnrad- und Planetengetriebe und Wälzlager kennen.

Es werden unterschiedliche Methoden sowohl zur sensorischen Detektion von Schäden wie auch zur Sensordatenauswertung – von Grenzwerten bis zu Machine Learning gestützten Methoden – vermittelt.

Die Studierenden lernen dabei schwerpunktmäßig die technischen Möglichkeiten zur Überwachung der komplex aufgebauten Zahnradgetriebe kennen.

Weiter lernen die Studierenden den Transfer der am Beispiel der Windenergieanlage erlernten Grundlagen und Methoden zur Zustandsüberwachung auf weitere Maschinenelemente.

Anhand praxisnaher Beispiele lernen die Studierenden

  • Die Berechnung kinematischer Zusammenhänge in Stirnrad- und Planetengetriebe
  • Die Analyse von Vibrationsdaten für Condition Monitoring (z.B. Berechnung von charakteristischen Frequenzen)
  •  Die Anwendung von Machine Learning Methoden zur Anomalieerkennung und Schadensdetektion

Inhalt

  1. Einführung, Bsp. Windenergieanlage
    • Allgemeiner Aufbau, On- und Offshoreanlagen
    • Antriebsstrang einer WEA
    • Getriebe, Haupt- und Nebenfunktionen
    • Leistungsbedarf, Leistungsangebot, Wirkungsgrad
  2. PHM (Prognostics and Health Management)
    • Lebensdauer, Begriffe
    • Adaptive Betriebsstrategien
  3. Physikalisch basierte Schadensdetektion in Zahnradgetrieben
    • Form und Funktion einer Zahnflanke
    • Schadensarten und Schadensentstehung an Zahnrädern
    • Detektionsmöglichkeiten
    • Vibration: Entstehung, Massenschwingung und Ausbreitung
    • Aufbau und Funktion von Beschleunigungsaufnehmern
    • Analyse von Vibrationsdaten
  4. Machine Learning basierte Schadensdetektion in Zahnradgetrieben
    • Grundlagen, Vorteile, Nachteile & Herausforderungen
    • Grundlagen Autoencoder und andere Methoden
    • Anwendungsbeispiel Autoencoder
  5. Zahnriemen
    • Abgrenzung/ Einordnung von Zahnriemen in Antriebselemente
    • Struktureller Aufbau von Zahnriemen
    • Grundlagen der Auslegung von Zahnriemen
    • Lebensdauer, Schadens- und Ausfallmechanismen
    • Detektion von Riemenschäden
  6. Wälzlager
    • Bauform und Einsatz
    • Auswahl Lebensdauerberechnung von Wälzlagern>
    • Wälzlagerschäden und Detektion>
  7. Schneckengetriebe
    • Vor- und Nachteile im Einsatz von Schneckengetrieben
    • Einsatzbeispiel Stellantrieb
    • Einlaufverhalten und Tragbildausbildung
    • Möglichkeiten der Schadensdetektion
Contact

Martin Dazer
Lukas Merkle

To the top of the page