Fehlererkennung eines Getriebes mit einem künstlichen neuronalen Netzwerk (ANN)

Die Fehlerdiagnose spielt eine wichtige Rolle bei der Zustandsüberwachung, um die Maschinenlaufzeit zu verlängern. Vor diesem Hintergrund konzentrierte sich die vorliegende Untersuchung auf die Entwicklung eines Fehlerdiagnosesystems für Getriebe, das auf den Schwingungssignaturen und künstlichen neuronalen Netzen basiert. In der vorliegenden Untersuchung wurde zur Erzeugung der Schwingungssignaturen ein Versuchsaufbau mit Sensor- und Messgeräten erstellt. Die vier Hauptfehler Verschleiß, Riss, gebrochener Zahn und unzureichende Schmierung des Getriebes wurden in der vorliegenden Untersuchung praktisch induziert. Die Schwingungssignaturen des Getriebes wurden erfasst, indem die Bewegung bei konstanter Geschwindigkeit mit fehlerfreien Zahnrädern und ohne Belastung übertragen wurde, wobei jeweils ein Fehler induziert wurde. Ferner wurde beschlossen, für die vorliegende Untersuchung ein ANN-basiertes Fehlerdiagnosesystem zu verwenden. Die statistischen Merkmale wurden auf der Grundlage der Daten über die maximalen Schwingungsamplituden extrahiert. Die untere Frequenz des Schwingungssignals (RMS) wird als Eingabe für das in MATLAB entworfene und entwickelte ANN-basierte Fehlerdiagnosesystem verwendet.