-
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.
-
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.
-
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.
-
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.
-
Bei derartigen Verfahren wird zum Erkennen des Betriebszustands mindestens eine Betriebsgröße überwacht und mittels eines KI-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.
-
An dieser Stelle entstehen in der Praxis erhebliche Schwierigkeiten. In der Theorie gestaltet sich das Anlernen eines KI-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 KI-Algorithmus kann während das Anlernens Zusammenhänge zwischen der überwachten Betriebsgröße und den Betriebszustandsklassen herstellen.
-
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.
-
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.
-
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 KI-Algorithmus zur Verfügung stehen müssen, um ein zuverlässiges Erkennen des Betriebszustands zu gewährleisten.
-
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.
-
In der Praxis ist die Anwendung von KI-Algorithmen beim Condition-Monitoring daher Grenzen unterworfen. Es besteht zwar die Möglichkeit, die KI-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 Betriebsbedingungen schränken die Anwendbarkeit der KI-Algorithmen daher oftmals bereits signifikant ein.
-
Alternativ kann durch eine aufwändige Sensorik eine größere Menge an, insbesondere unterschiedlichen, Daten erhoben werden. Im Grunde macht dies jedoch den Vorteil der KI-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.
-
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.
-
Die Aufgabe wird gelöst durch ein Verfahren mit den Merkmalen des unabhängigen Anspruchs 1. Die Merkmale der abhängigen Ansprüche betreffen vorteilhafte Ausführungsformen.
-
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 KI-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 KI-Algorithmus ausgewertet werden.
-
Das Verfahren sieht vor, dass ein Anlernen des KI-Algorithmus durch maschinelles Lernen erfolgt, um den KI-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.
-
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.
-
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 KI-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 KI-Algorithmus direkt an derselben technischen Einrichtung durchzuführen, die im Rahmen des Verfahrens überwacht wird.
-
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.
-
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.
-
Es hat sich gezeigt, dass das Erkennen von Betriebszuständen einer bestimmten Betriebszustandsklasse durch die Auswertung mindestens einer Betriebsgröße durch einen KI-Algorithmus ermöglicht und/oder erleichtert werden kann, indem gezielt definierte Betriebsbedingungen zum Anlernen des KI-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 KI-Algorithmus Zusammenhänge zwischen der mindestens einen Betriebsgrö-ße und dem Auftreten eines Betriebszustands der bestimmten Betriebszustandsklasse zu erkennen. Die Menge der Daten, die zum Anlernen des KI-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 KI-Algorithmus ermöglicht.
-
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 KI-Algorithmus erleichtert werden, auch das Erkennen der Betriebszustände während des Regelbetriebs der technischen Einrichtung kann auf diese Weise erleichtert und/oder ermöglicht werden.
-
Dabei kann das Verfahren beispielsweise vorsehen, dass die definierten Betriebsbedingungen während des Regelbetriebs der technischen Einrichtung wiederholt gezielt herbeigeführt werden, um Betriebszustände der bestimmten 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.
-
Das Verfahren kann insbesondere vorsehen, dass zum Anlernen des KI-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.
-
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.
-
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 Sensoriken für die Durchführung des Verfahrens notwendig.
-
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.
-
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.
-
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.
-
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.
-
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.
-
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.
-
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 KI-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 KI-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 KI-Algorithmus besonders vorteilhaft.
-
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 KI-Algorithmen aufgrund der Unterschiedlichkeit der Auswirkungen, die ein Reibradverschleiß auf die realen Betriebsgrößen haben kann, sinnvoll, um den Reibradverschleiß zu erkennen.
-
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.
-
Eine konstante Drehzahl ermöglicht es sowohl beim Auftreten einer Unwucht als auch beim Auftreten eines Verschleißes an einem Reibrad erkennbare Auswirkungen auf Betriebsgrößen hervorzurufen.
-
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.
-
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.
-
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.
-
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.
-
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.
-
Weitere praktische Ausführungsformen und Vorteile der Erfindung sind nachfolgend im Zusammenhang mit der Zeichnung beschrieben. Es zeigt:
- 1 ein vereinfachtes schematisches Verfahrensfließbild eines beispielhaften Verfahrens.
-
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 Betriebsgrö-ße in einer Weise auswirken, die ein Erkennen der Betriebszustände ermöglicht und/oder erleichtert.
-
Das Verfahren 10 sieht vor, dass ein Anlernen 14 des KI-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 KI-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.
-
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 Rahmen der Ansprüche und unter Berücksichtigung der Kenntnisse des zuständigen Fachmanns variiert werden.
-
Bezugszeichenliste
-
- 10
- Verfahren
- 12
- Testbetrieb
- 14
- Anlernen
- 16
- Betrieb der technischen Einrichtung