Stuttgarter Forschungszentrum Zuverlässigkeitstechnik

Im Rahmen der studentischen Arbeit wird die frühzeitige Detektion und Lokalisation von Zahnflankenschäden in Getrieben anhand von Vibrationsdaten untersucht. Dafür werden vorhandene Messdaten mit unterschiedlichen Methoden vorverarbeitet und analysiert. Zur Anomaliedetektion kommen Methoden des Machine Learning, insbesondere Autoencoder, zum Einsatz. Verschiedene Vorverarbeitungsstrategien und Modellparameter werden miteinander verglichen. Ziel ist es, geeignete Ansätze für eine möglichst zuverlässige Schadensdetektion zu identifizieren.

Problemstellung:
Beim Scherschneiden ist der Austausch bzw. das Nachschleifen verschlissener Schneidaktivelemente mit hohem Rüst- und Instandhaltungsaufwand verbunden.
Nach dem Prinzip von Wendeschneidplatten könnten austauschbare Schneideinsätze eine schnellere Instandsetzung und eine bessere Werkstoffausnutzung ermöglichen.

Ziele der studentischen Arbeit:
Entwicklung und konstruktive Ausarbeitung geeigneter Konzepte für austauschbare Schneideinsätze.
Bewertung und Optimierung der Konzepte mithilfe von FE-Simulationen und strukturmechanischen Ersatzmodellen

In Getrieben sind die meisten Ausfälle auf Schädigungen der Zahnräder zurückzuführen. Der Einsatz von Condition Monitoring Systemen auf Basis von Körperschallsensoren ermöglicht eine frühzeitige Detektion der Zahnradschäden, wodurch ungeplanten Ausfällen und langen Stillstandszeiten vorgebeugt werden kann. Im Rahmen dieser Arbeit sollen verschiedene Sensoren experimentell miteinander verglichen werden. Der Fokus liegt dabei auf der Betrachtung von hochfrequenten Körperschallsensoren, die die Messdaten entweder in einem breit- oder schmalbandigen Frequenzspektrum aufzeichnen können.

Wälzlager kommen in vielen industriellen Anwendungen zum Einsatz. Die Schädigung eines Lagers durch falsche Belastung oder Ermüdungsschäden kann den Ausfall der kompletten Anwendung nach sich ziehen. Aus diesem Grund ist die frühzeitige Schadensdetektion am Wälzlager im Rahmen eines Condition Monitoring Systems unerlässlich. Zur Untersuchung der Detektionsfähigkeit von Wälzlagerschäden mittels Körperschallsensorik soll im Rahmen dieser Arbeit eine Wälzlagerprüfzelle in Betrieb genommen werden. Die Prüfzelle ermöglicht durch gezielte Einstellung von Axial- und Radialkräften, die auf das Lager wirken, die Entstehung von natürlichen Schädigungen des Lagers. Zusätzlich sollen im Rahmen dieser Arbeit erste Versuche zur Messdatenaufzeichnung durchgeführt und ausgewertet werden.

An Zahnriemen können bedingt durch deren Aufbau als Materialcompound unterschiedliche Ausfallmechanismen auftreten, welche bislang in der Literatur unzureichend untersucht sind. Beispiele dafür sind Risse am Zahnfuß, Überspringen oder Reißen von Zugsträngen. Im Rahmen dieser Arbeit sollen grundlegende Untersuchungen zu den Abhängigkeiten der Ausfallmechanismen von unterschiedlichen Betriebsbedingungen angestellt werden und diese experimentell validiert werden.

Aus Dauerlaufversuchen mit Zahnriemen liegen unterschiedliche Messdaten vor. Die Messdaten beinhalten Drehzahlen und Drehmomente vor und nach dem Zahnriemen im Leistungsfluss, unterschiedliche Vibrationssignale und akustische Emissionen. In den Versuchen wurden die Zahnriemen bis zum Ausfall durch Überspringen betrieben. Ziel der Arbeit ist es Kennwerte aus den Messdaten zu extrahieren, anhand derer die verbleibende Restlebensdauer (remaining useful lifetime) bestimmt werden kann.