A A A
| Sitemap | Kontakt | Impressum | Datenschutz
ETZ Logo VDE Verlag Logo

01 Das Grundprinzip der Zustandsüberwachung mit Autass

Motor mit Eigenintelligenz

02 Zuordnung der Messsignale

03 Fehlerindikator für Test-Snapshots

04 Die Visualisierung der Demonstratorüberwachung per Autass-App

05 Der Synchron-Kompaktantrieb Hamotic Varicon von Hanning

Die Spielarten einer nahezu grenzenlosen Vernetzung im „Internet der Dinge“ sind vielfältig. Autonom agierende technische Systeme wie auch lokal „intelligente“ Lösungskonzepte sind insbesondere seit der Diskussion um Industrie 4.0 in aller Munde. Potenzial zeigt auch das Projekt Autass, das in seiner Zielsetzung ebenso einfach wie anspruchsvoll ist.

Autass steht für Autonome Antriebstechnik durch Sensorfusion für die intelligente, simulationsbasierte Überwachung und Steuerung von Produktionsanlagen. Frei nach der Devise „Der Motor denkt mit“ soll der moderne Antriebsmotor die vorhandene Hardware nutzen, um durch Auswertung seiner Stromsignatur autonom eindeutige Aussagen zum Zustand der Applikation in seiner Umgebung zu machen. Durch seine Eigenintelligenz benötigt er keine weitere externe Sensorik sowie Signal- und Datenverarbeitung. Aufwendige Installationen, ein zentraler Steuerungsrechner und zusätzliche Aktoren entfallen. Geht man einen Schritt weiter und stattet eine Vielzahl solcher Motoren zum Beispiel über ein Multiagentensystem mit Kommunikationsfähigkeit und einer passenden Architektur aus, wird die Zielsetzung von Autass in ihrem Gesamtumfang sichtbar. Die Motoren in einer Anlage können so als autonome, intelligente Sensoren agieren und mit Selbstdiagnosefähigkeit übergeordnete Betriebs- oder Fehlerzustände detektieren. Gemeinsam mit einem hochkarätigen Konsortium aus Wissenschaft und Industrie bearbeitet der Spezialist für kundenspezifische Antriebssysteme Hanning seit drei Jahren Autass. Das Förderprojekt des Bundesministeriums für Wirtschaft und Technologie im Programm „Autonomik – Autonome und simulationsbasierte Systeme für den Mittelstand“ wird von den Partnern Hochschule Ostwestfalen- Lippe, Fraunhofer IIS/EAS, Universität Paderborn, RWTH Aachen, der Firma Interroll Trommelmotoren sowie von der für die methodische Betreuung zuständigen Intracom Group unterstützt.

Klassifizierung möglicher Schadensereignisse
Nach Erstellung eines gemeinsamen Lastenheftes, das auf einer Quality-Function-Deployment (QFD)-Analyse und einer Delphi-Befragung basiert, startete die Bearbeitung des Projekts in den jeweiligen Fachbereichen der Partner. Im Projektverlauf sollten reproduzierbare und leicht variierbare Use-Cases sowohl zum Anlernen eines kognitiven Systems als auch zur Klassifizierung möglicher (Schadens-)Ereignisse erzeugt werden. Dazu simulierten die Experten den Motor, seine Umgebung und mögliche Fehler detailgetreu und bildeten das System auf einem Prüfstand nach. Sich verändernde Randbedingungen, wie wechselnde Umgebungstemperaturen oder unterschiedliche Belastungen, wurden ebenfalls berücksichtigt. Das parallele Vorgehen von Simulation und Prüfstand vereinte dabei die Vorteile beider Welten (Bild 1). Um die Auswirkungen verschiedener Zustände auf die Stromsignatur des Motors zu analysieren, wurden die Außenleiterströme in umfangreichen Versuchen gemessen und gespeichert. Dabei war es möglich die Anzahl der Versuche mit den Methoden des Design of Experiments auf ein realisierbares Mindestmaß zu reduzieren. Am Prüfstand erfolgte der Betrieb des antreibenden Motors sowohl idealisiert mit einer analogen Spannungsquelle mit sinusförmiger Ausgangsspannung als auch mit einem handelsüblichen Umrichter. Die Außenleiterströme wurden einer Signalverarbeitung unterworfen, digitalisiert und hinsichtlich ihrer spektralen Verteilung untersucht. Nach der Extraktion der zustandsbeschreibenden Merkmale ergab sich ein Merkmalsraum, der wiederum Hinweise auf eine Klassenzugehörigkeit enthielt.

Fehlerindikator als Plausibilitätsmaß
In weiteren zahlreichen Versuchen wurden Auswertealgorithmen auf ihre Eignung hin untersucht und passende Vorgehensweisen ausgewählt. Ein dabei ermittelter besonders interessanter „Fehlerindikator“ stellte schließlich ein Maß für die Plausibilität der gefundenen Klassifizierung dar und damit für die Zuordnung zu einem bekannten und vorher gelernten Anlagenzustand. Der Indikator machte ebenfalls deutlich, dass die Situation des Gesamtsystems keinem bekannten Zustand, also auch nicht dem Zustand „gesund“ entsprach. Betrachtet man Bild 2, ist gut zu erkennen, dass bei den ersten Messungen, links dargestellt mit roten Kreisen, eine einwandfreie Zuordnung zu den Klassen möglich ist und der Fehlerindikator (Bild 3) einen entsprechend niedrigen Wert zeigt. Dagegen ließen sich die Messungen, dargestellt im rechten Teil der Grafik, nicht einwandfrei zuordnen. Der Fehlerindikator weist hier einen deutlich höheren Wert auf. Auf Basis dieses Signalverarbeitungskonzepts konnte der Nachweis der prinzipiellen Anwendbarkeit der Autass-Funktionalität erbracht werden.

Praktische Demonstration
Der Demonstrator mit einem Synchron- Kompaktantrieb Hamotic Varicon von Hanning wurde in diesem Jahr auf der Transfer-Konferenz Autonomik in Berlin sowie auf der Hannover Messe einem interessierten Fachpublikum vorgestellt. Der Demonstrator veranschaulichte, dass er einen Lagerschaden in einer angeflanschten Applikation sicher erkennt. Das Ergebnis lässt sich mit der Autass-App über das Internet in Echtzeit abfragen (Bild 4). Im nächsten Schritt wird nun die Robustheit der Autass-Algorithmik in der Endkontrolle der Motorenfertigung überprüft, um sie dann schrittweise in kundenspezifische Applikationen einfließen zu lassen. Für die marktseitige Umsetzung der Autass-Technologie ist der 1,1-kW-Synchron-Kompaktantrieb Hamotic Varicon geplant (Bild 5). Er verfügt über eine motornahe Antriebselektronik im B-Lagerschild und ist für zusätzliche Hardware für die Autass-Funktionalität im Klemmkasten vorbereitet.

Ausblick
Das entwickelte Verfahren soll künftig in diversen Branchen eingesetzt werden. Es diagnostiziert den „Gesundheitszustand“ im Motor sowie in den Komponenten des Antriebsstrangs und macht auf Schäden aufmerksam, die durch Verschleiß, fehlerhafte Montage oder Überlastung entstehen. Mit einer Vernetzung über den Einzelmotor hinaus nimmt das „Internet der Dinge“ erste konkrete Formen an. (no)

Der Beitrag als pdf

Autor:
Dr.-Ing. Harald Buchalla ist Leiter Innovation bei der Hanning Elektro-Werke GmbH & Co. KG in Oerlinghausen. info@hanning-hew.com