Proaktive Zustandsüberwachung für Maschinen: Ausfallzeiten verhindern & Zuverlässigkeit steigern

Zustandsüberwachung oder Condition Monitoring wird seit vielen Jahren an Maschinen und Anlagen eingesetzt, wo die Kosten eines Ausfalls hoch sind. Sie kann es ermöglichen, Ausfälle vorherzusehen und Wartung oder Reparaturen für den geringsten Produktionsverlust zu planen, sowie unnötige periodische Wartung zu vermeiden.

Sie kann so einfach sein wie eine Person, die die Anlage in regelmäßigen Abständen mit tragbaren Instrumenten wie einer Wärmebildkamera und einem Schwingungsanalysator besucht, oder sie kann fest installiert sein, damit Daten über einen langen Zeitraum ferngesteuert gesammelt, offline analysiert und Trends identifiziert werden können.

Mit der zunehmenden Nutzung intelligenter Geräte an Maschinen und Anlagen, die vernetzt werden können und deren Daten ferngesteuert zu geringen Kosten gesammelt werden können, nimmt die Möglichkeit für Anlagen-Zustandsüberwachung rasant zu. Es gibt viele Informationen im Web, die Ideen geben und Produkte für die Überwachung anbieten.

In diesem Blogbeitrag werde ich auf eine Reihe von Techniken hinweisen, die die besondere Position des Frequenzumrichters in der Maschine nutzen, um auf weitere nützliche Daten zuzugreifen.

Maschinensicherheit auf dem Shopfloor

Im Allgemeinen müssen die angewendeten Techniken kostengünstige Sensoren verwenden und vernünftig nicht-invasiv sein, um hohe Installationskosten und das Risiko von Schäden durch den Installationsprozess zu vermeiden. Einfache Sensoren wie Temperatursonden und Beschleunigungssensoren können an zugänglichen Teilen angebracht werden und liefern eine Fülle von Daten.

Zum Beispiel kann ein Beschleunigungssensor oft leicht an einem Lagergehäuse oder Maschinengehäuse montiert werden, um radiale Schwingungen einer rotierenden Maschine zu messen, und er kann Defekte erkennen, die unausgeglichene Kräfte verursachen, wie gebrochene Rotorteile, gerissene Wellen und fehlausgerichtete Kupplungen.

Eine einfache Amplitudenmessung kann eine allgemeine Warnung vor potenziell schädlichen Defekten geben, während eine tiefere Frequenzanalyse in der Lage sein kann, die Aufmerksamkeit auf bestimmte Teile zu lenken, besonders wenn unterschiedliche Drehzahlen involviert sind, wie bei Getriebe- oder Riemenantrieben.

Maschinen- oder Anlagenzustandsüberwachung mit Frequenzumrichter

Der Frequenzumrichter befindet sich in einer einzigartigen Position in einer Maschine, da er normalerweise die Antriebskraft liefert. Er ist ein intelligentes Gerät, das eng mit den arbeitenden Teilen einer Maschine durch den Elektromotor gekoppelt ist. Er enthält Informationen, die er verwendet, um seinen Job zuverlässig zu erledigen, die aber zu geringen oder keinen Kosten abgerufen und analysiert werden können. Mit anderen Worten, er kann als zusätzlicher Satz Sensoren verwendet werden, praktisch ohne Kosten.

Zunächst hat der Antrieb seine eigenen internen Sensoren für verschiedene interne Temperaturen und den Motorstrom, die vom Hersteller bereitgestellt werden, um Schäden am Antrieb oder Motor durch abnormale Bedingungen zu verhindern. Er kann auch einen Motortemperatursensor angeschlossen haben. Diese Daten sind als Antriebsparameter verfügbar und können periodisch abgerufen werden, um eine Warnung zu geben, wenn sie sich einem Limit nähern, und um Trends zu analysieren.

In einem geschlossenen Regelkreis wie einem Servoantrieb enthält der Antrieb Daten zu den Regelgrößen. Es ist beispielsweise ziemlich üblich, den Folgefehler in einem Positionierregelkreis zu überwachen und ein Flag zu setzen, wenn der Fehler einen Schwellenwert überschreitet – dies könnte auf eine Fehlfunktion hinweisen wie erhöhte Steifigkeit (drohende Blockade, Verstopfung oder Beschädigung) oder Rückschlag (durch Verschleiß).

Es ist ein kleiner Schritt, von einem einfachen Alarm-Schwellenwert zur Überwachung des Trends der geglätteten Daten überzugehen und den Benutzer auf eine sich entwickelnde Situation aufmerksam zu machen, die zu zukünftigem Ausfall führen könnte.

Für den Folgefehler muss mindestens ein Wellengeber installiert sein, was tendenziell bei Präzisions-Bewegungssteuerungsanwendungen der Fall ist. In allen Anwendungen hat der Antrieb jedoch auch Zugriff auf eine spezielle Messung, die durch externe Instrumentierung schwer zu erhalten ist – das Motordrehmoment.

Motordrehmoment messen

Die konventionelle Messung des Motordrehmoments mit einem Geber wird am häufigsten durch Einbau eines Dehnungsmessstreifens oder einer Kraftmessdose in der Befestigung des Motorgehäuses durchgeführt. Dies erfordert eine spezielle Motorbefestigung, um eine sinnvolle Drehmomentmessung zu liefern, und die Messung wird durch das Trägheitsmoment des schweren Motorgehäuses beeinflusst, was die Empfindlichkeit für höhere Frequenzen verringert.

Noch schwieriger ist die Messung des tatsächlichen dynamischen Wellendrehmoments, da dies einen rotierenden Dehnungsmessstreifen erfordert, der an der Welle befestigt ist, mit Telemetrie zur Datenübertragung auf die feste Seite. Dies ist ein teurer Vorgang und wird selten selbst für einen speziellen Test durchgeführt. Es ist unwahrscheinlich, dass es eine permanente Installation ist.

Der Antrieb hat jedoch interne Daten für den drehmomenterzeugenden Strom im Motor, was ein guter Proxy für das Wellendrehmoment ist, ohne Kosten verfügbar! Die Daten sind sogar verfügbar, wenn der Motor selbst unzugänglich ist, ob tief im Inneren einer Maschine, unter Wasser oder in einem gefährdeten Bereich. Die Genauigkeit der Drehmomentmessung ist am besten in einem vollständig geschlossenen Regelkreis, aber selbst in einem einfachen Offenkreis-Antrieb sind die Drehmomentdaten für viele Zwecke gut genug, außer bei den niedrigsten Drehzahlen.

Sobald wir wertschätzen, dass Drehmomentdaten im Antrieb praktisch ohne Kosten verfügbar sind, sowie die entsprechenden Drehzahldaten, können wir ein neues Reich für Maschinen- und Anlagenüberwachung betreten. Folgendes ist eine Reihe von Möglichkeiten, die wir bei Control Techniques kennengelernt haben.

Leser mögen neue Ideen für bestimmte Maschinentypen haben – es braucht detaillierte Kenntnis der Maschine, um neue Methoden für die Nutzung der vom Antrieb freigegebenen Drehmomentdaten zu erfinden.

Die folgende Liste zeigt die Informationen, die der Antrieb hat oder zu geringen Kosten haben könnte, die alle überwacht und korreliert werden können, um nützliche Informationen über die Maschine zu generieren:

Einfache Grenzwerte für durchschnittliches oder Spitzen-Drehmoment

Die Echtzeit-Drehmomentdaten können geglättet werden, um einen laufenden Mittelwert zu geben, wenn der Antrieb aktiv ist, oder der Spitzenwert kann auf einem für die Anwendung gewählten Zeitskalen erfasst werden, dies könnte alles von Millisekunden bis zu Tagen sein, je nach Prozess. Ein Alarm kann generiert werden, wenn der Wert außerhalb eines erwarteten Bereichs liegt (d. h. er übersteigt einen erwarteten Wert oder, seltener, fällt unter einen erwarteten Wert).

Drehmoment-Trends

Dieselben Drehmomentdaten können protokolliert und auf Trends über Zeit oder gegen jede andere Variable analysiert werden, mit Alarmen, die auf einen ungesunden Trend hinweisen.

Einfache Korrelationen von durchschnittlichem Drehmoment mit Drehzahl

In vielen Prozessen ist das Drehmoment stark von der Drehzahl abhängig, in einem gut definierten Muster. Beispielsweise wird ein Lüfter oder eine Pumpe, die Flüssigkeit durch einen festen Kanal, Rohr oder Kreislauf oder ein Netzwerk davon antreibt, eine gut definierte Drehmoment/Drehzahl-Kurve haben. Jede signifikante Abweichung von der normalen Kurve deutet auf eine Veränderung hin, die ein Problem darstellen könnte. Einige Beispiele sind:

Niedriges Drehmoment:

• Gerissener Antriebsriemen oder andere Kupplung
• Flüssigkeitsverlust in der Pumpe
• Strömungshindernis, z. B. verstopfter Filter oder Sieb (für eine Impeller-Pumpe oder Lüfter, könnte auch auf Förderer zutreffen)
• Ablagerungsaufbau auf Lüfter- oder Pumpenrotor
• Kavitation in einer Pumpe durch Lufteintritt, Wirbel oder andere Fehler (verursacht auch Pulsationen – siehe unten)

Hohes Drehmoment:

• Blockierung von Rotor oder anderen Teilen (teilweise oder vollständig)
• Strömungshindernis (Verdrängerpumpe)
• Großes Leck (Impeller-Pumpe oder Lüfter)

Ein Drehmoment/Drehzahl-Profil kann außerhalb dessen etabliert werden, was einen Alarmzustand erzeugt, beispielsweise wie in Abbildung 1 gezeigt:

Die Drehmomentdaten müssen ausreichend tiefpassgefiltert oder gemittelt werden, um zu verhindern, dass dynamische Effekte (Beschleunigungsdrehmoment) oder normale Pulsationen Fehlalarme erzeugen.

Andere Variablen können einen Einfluss haben, beispielsweise ein variabler Auslieferungsdruck eines Fluids, daher müssen Toleranzbänder breit genug gesetzt werden, um Fehlalarme aus diesem Grund zu verhindern.

Multi-Variable-Korrelationen

In komplexeren Prozessen hängt das Drehmoment von mehreren Variablen ab, die dem Antrieb möglicherweise verfügbar sind oder nicht. Betrachten Sie beispielsweise einen Lüfter, der Luft durch ein System von Kanälen treibt, von denen einige Drosselklappen zur Variation des lokalen Luftstroms haben. Die Drehmoment/Drehzahl-Kurve hängt dann von den Positionen der Drosselklappen ab.

Wenn Daten zum Drosselklappenzustand oder zum Druckabfall über die Drosselklappen verfügbar sind, dann kann eine Multi-Variable-Korrelation möglich sein, um dies zu berücksichtigen. Abbildung 2 gibt eine einfache Illustration des Falls mit zwei Kanalzweigen mit Drosselklappen.

Eine weitere Möglichkeit ist, die gemessenen Drehmoment- und Drehzahlwerte zu verwenden, um den Durchfluss und Druck an der Pumpe oder dem Lüfter aus ihren Kennkurven abzuleiten, die dann mit einem gemessenen Wert von einem Geber verglichen werden könnten. Jede Diskrepanz könnte bedeuten, dass entweder die Pumpe oder der Lüfter defekt ist oder der Geber defekt ist.

Dynamische Analyse des Drehmoments

Die Drehmomentdaten im Antrieb haben eine breite Bandbreite und können prinzipiell für dynamische Analysen verwendet werden. Es ist ziemlich üblich, dass die Drehmomentbandbreite in der Größenordnung von 1 kHz oder mehr liegt, obwohl es möglicherweise nicht möglich ist, die Daten mit einer so hohen Rate abzurufen und zu analysieren – der Datenkommunikationskanal begrenzt den Datenzugriff typischerweise auf etwa ein 250-ms-Sample-Intervall.

Die Drehmomentdaten beziehen sich auf das elektrische Drehmoment im Motor, das an die Abtriebswelle übertragen wird, aber durch die Trägheit des Motorrotors und die effektive Steifigkeit des Motorregelalgorithmus beeinflusst wird. Diese bilden einen Tiefpassfilter, dessen Eigenschaften möglicherweise nicht bekannt sind.

In einem vollständig geschlossenen Regelkreis ist es möglich, die Übertragungsfunktion abzuleiten und genaue Wellendrehmomentdaten zu erhalten, sodass beispielsweise hochfrequente Drehmomentumkehrungen detektiert werden können. Die Messung muss jedoch nicht präzise kalibriert sein, damit Vergleiche oder Trendanalysen erfolgreich sind.

In der Praxis wurden Pulsationen mit Frequenzen im Bereich von 100–500 Hz nützlich aus Motorelektrischem Drehmomentdaten überwacht.

Datenblöcke können in Echtzeit erfasst und offline einer dynamischen Analyse unterzogen werden. Die Analyse kann im Zeitbereich erfolgen, beispielsweise durch Berechnung der Größenordnung von Fluktuationen (gesamte Drehmomentpulsation oder -fluktuation, Effektivwert-Amplitude mit oder ohne Zeitmittelung, Spitzenwerte oder negative Spitzenwerte) oder im Frequenzbereich durch eine Fourier-Transformation bezüglich Zeit oder einer anderen Variable wie Position. Dies kann dann ermöglichen, sich entwickelnde Änderungen zu detektieren, speziell im Muster der Drehmomentpulsation:

• Übermäßige torsionale Gesamtvibrationsamplitude, breitbandig oder bandbegrenzt, z. B. durch gebrochene Maschinenteile oder Kavitation in Pumpen
• Übermäßige Spitzen-Drehmomente, die zu mechanischen Schäden oder vorzeitigem Verschleiß führen könnten
• Häufige Drehmomentumkehrungen, die Getrieberattern verursachen können, was zu vorzeitigem Verschleiß oder Bruch führt
• Torsionale Resonanzen, z. B. durch lose Kupplungen, resultierend in Peaks im Frequenzspektrum, deren Frequenz unabhängig von der Drehzahl ist, obwohl sie bei bestimmten Drehzahlen verstärkt werden können
• Torsionale Pulsationen, mit einem oder mehreren Zyklen pro Umdrehung, z. B. durch gerissene Welle, Impeller oder Zahnradschaden oder andere mechanische Beschädigung, mit der Möglichkeit, die Quelle in einer komplexen Maschine aus der Frequenz der Spektralpeaks, der Drehzahl und Kenntnis der Getriebe- oder anderen Antriebsverhältnisse zurückzuverfolgen.

Dynamische Analyse des Drehmoments mit Drehzahl-Korrelation

In einigen der oben gegebenen Beispiele ist es eindeutig vorteilhaft, die Wellendrehzahl in Verbindung mit der dynamischen Analyse des Drehmoments zu betrachten, weil Pulsationen, die sich auf die Rotation der Welle beziehen, bei der Rotationsfrequenz (einmal-pro-Umdrehung-Effekte) oder einem Vielfachen davon liegen (z. B. eine gerissene Welle gibt zweimal-pro-Umdrehung, Impeller können bei N-pro-Umdrehung sein, Zahnräder bei N oder N₁/N₂–pro-Umdrehung).

Es kann hilfreich sein, Verbunddiagramme der Schwingungsspektralanalyse mit Drehzahl zu generieren, die N-pro-Umdrehung-Effekte klar von Resonanzeffekten differenzieren, deren Frequenz fix ist, aber möglicherweise nur in bestimmten Drehzahlbereichen angeregt wird. Diese werden als Kaskaden-Diagramme oder Wasserfall-Diagramme bezeichnet und werden von Anbietern von Schwingungsanalysegeräten weit verbreitet angeboten.

Vorsicht – Abtastraten und Aliasing

Vorsicht ist in Systemen mit schnellen Drehmomentpulsationen geboten. Die Drehmomentdaten werden mit einer Rate abgetastet, die durch die Fähigkeit des Antriebs begrenzt sein könnte, Daten mit der Rate zu speichern oder zu exportieren, mit der sie intern erfasst werden. Die Abtastfrequenz wird Alias-Fehler bei Frequenzen wie (f_s – f_d) erzeugen, wo f_d der Frequenzinhalt der Daten und f_s die Abtastfrequenz ist. f_s muss über etwa das 3-fache von f_d gehalten werden, um die Erzeugung verwirrender neuer Frequenzprodukte im Interessensbereich zu vermeiden.

Ein zusätzlicher Vorteil von Kaskaden-Diagrammen ist, dass Alias-Produkte deutlich sichtbar sind, ihre Frequenz fällt, während die Drehzahl steigt, wohingegen bei echten Effekten die Frequenz steigt oder konstant bleibt.

Künstliche Intelligenz Analyse

In all dem oben habe ich mich auf Anwendungen konzentriert, bei denen ein physikalisches Verständnis des Prozesses verwendet wird, um ein erwartetes Verhalten zu definieren, und die verfügbaren Daten genutzt werden, um den tatsächlichen Betrieb mit der Erwartung zu vergleichen. Auch wenn die Amplitudenskalierung unsicher ist, sind die Frequenzen einzigartig und Trends können identifiziert werden.

Der Vorteil dieses Ansatzes ist, dass die am Prozess Beteiligten die Daten verstehen und von den generierten Informationen und Alarmbedingungen ausgehen können, um eine Diagnose für die Anlage zu entwickeln.

Eine Alternative ist die Verwendung eines maschinellen Lernalgorithmus, um alle verfügbaren Daten zu verfolgen und zu versuchen, die Muster normalen und abnormalen Verhaltens abzuleiten. Dies ist ein Thema aktueller Forschung, beispielsweise https://phys.org/news/2016-02-scientist-ai-algorithm-machinery-health.html.

Fazit

The oben gegebenen Ideen sind allgemeine, basierend auf einem breiten Bild einer Maschine mit rotierenden Teilen, Kupplungen und Getrieben, oder einer Pumpe oder einem Lüfter. Ich hoffe, dass durch die Hervorhebung des besonderen Zugangs, den der Antrieb zu einigen wertvollen Daten gibt, besonders den dynamischen Drehmomentdaten, Maschinen-Designer in der Lage sein werden, diese Ideen auf ihre eigenen spezifischen und einzigartigen Anwendungen anzuwenden.