Zustandserfassung einer Maschine mit neuronalen Netzen.

Das Programm Artifin-CM ist für die Trendverfolgung und Maschinendiagnostik anhand von Schwingungsspektren konzipiert, und das auch für Maschinen mit schwankender Drehzahl und Leistung. Als Hilfsmittel dafür wird das neuronale Netz ARI_F verwendet.

Die Zustandserfassung erfolgt in zwei Stufen. Für den allgemeinen Überblick wird der Trend als Einwertanzeige verfolgt. Ein Beispiel dafür ist das folgende Bild 1. Gezeigt wird die Fehler- entwicklung bei einer Maschine im Zeitraum eines Jahres. Als Trend wird die Differenz zwischen den tatsächlichen Messwerten und den Sollvorgaben vom neuronalen Netz verwendet. Im oberen Teilbild ist die maximale Differenz und im mittleren die Differenzsumme über alle Stützstellen dargestellt. In den ersten drei Monaten wurden alle Stützstellen der Spektren trainiert. In dieser Trainingsphase sind die Differenzen gering, weil die Kombinationen aus Schwingung, Drehzahl und Leistung dem Netz bekannt sind. Nach Beendigung der Trainingsphase macht sich ein leichter Anstieg bemerkbar. Bezogen auf diesen Zeitbereich wird die grüne Linie als eine Trendschwelle von 10 dB festgelegt. Zu sehen ist, dass zum Ende der Messdatenaufzeichnung der Trend deutlich über 10 dB liegt und sich in Richtung 20 dB bewegt. In den Bildern sind noch die Leistung (gelb) und die Drehzahl (rot) unkalibriert dargestellt.

Beim Anstieg des Trends bietet sich eine detaillierte Diagnostik auf der Grundlage der Fre- quenzspektren an. Durch das Anklicken der Trendlinien, hier z. B. bei hohen Trendwerten, erscheint im unteren Teilbild das zugehörige Spektrum mit den blau markierten charakte- ristischen Frequenzen der Bauteile.

Ausgehend vom Spektrum im vorherigen Bild 1 kann noch ein detailliertes Spektrum abgerufen werden, wie im nächsten Bild 2 dargestellt. Die untere rot-grüne Leiste zeigt für jede Stützstelle mit rot auf die Überschreitung der Fehlertoleranz zwischen dem tatsächlichen Messwert und der Sollvorgabe vom neuronalen Netz. Um das gesamte Spektrum über alle Stützstellen verfolgen zu können, steht eine horizontale Bildlaufleiste zur Verfügung.

Ein weiteres Hilfsmittel für die Diagnostik ist das Netstrum. Das ausgewählte Spektrum wird mit Hilfe eines neuronalen Netzes geprüft, welches auf  Schadensmerkmale trainiert ist. Wird ein bekanntes Schadensmuster im Spektrum gefunden, dann steigt der Net-Wert an. Im Unterschied zu den vorausgegangenen Frequenzbildern mit Frequenzen über 1 kHz stellt das Netstrum den Bezug zu den Basis- frequenzen der Bauteile her. Das Netstrum ist im folgenden Bild  3 im unteren Bereich des Bildes gelb dargestellt. Die blauen Markierungen zeigen auf die charakteristischen Frequenzen der Maschinenbauteile. Vom Netstrum wird das Merkmal 4 als Fehler angezeigt. Die Harmonischen dieser Fehlerfrequenz sind zusätzlich mit gelben Markierungen 1 bis 4 im mittleren Teil des Bildes verdeutlicht. Auch der erste gelbe Peak des Netstrums gehört als halbfrequente Komponente zum Merkmal 4.
 

Der im folgendem Bild 4 gezeigte Spektrendurchlauf bietet einen visuellen Überblick der Spek- tren in kürzester Zeit. Der Durchlauf kann schnell oder langsam erfolgen.
 

Zuletzt noch ein Netstrumbild für den ganzen Messverlauf. Das Bild 5 zeigt die Maximalwerte der Netstren für Pakete von jeweils 10 Spektren und das zu Beginn der Messwerterfassung, beim Trendanstieg auf 10 dB (gelb) und bei hohen Trendwerten zum Ende der Messwert- erfassung (rot). Im Vergleich zum Trend besteht beim Netstrum in Bezug auf die Messdaten keine Lernphase.

 Artifin, 22.08.2008