De laatste jaren zijn er diverse ontwikkelingen geweest op het gebied van het meten van mechanische aandrijvingen. Denk aan conditiemonitoring en het analyseren van sensoren die op de aandrijving zijn gemonteerd. In het kader van een wetenschappelijk onderzoek gebruikte Lenze bij hun End-of-line inspectie akoestische meetapparatuur. Begin dit jaar publiceerde het bedrijf een rapport over deze geluidsmetingen in hun productie van motorreductoren. Dankzij machine learning en het genereren van datasets loopt de Duitse fabrikant hiermee voorop. Aandrijftechniek ging in gesprek met twee specialisten van Lenze.
Geluidsmeting van tandwielkasten en motorreductoren is een belangrijke activiteit in de industrie om verschillende redenen. Het meten van het geluid dat wordt geproduceerd door deze componenten kan bijvoorbeeld helpen bij het detecteren van mogelijke problemen of defecten in de aandrijving. Hierdoor kan preventief onderhoud worden uitgevoerd voordat de storing ernstiger wordt en tot ongeplande downtime leidt. Daarnaast kan het meten van geluid bijdragen aan het verbeteren van de efficiëntie en het verminderen van de geluidsoverlast in de omgeving.
Mechanische componenten
Algemeen gesteld is het doel van geluidsmetingen het waarborgen van de veiligheid, betrouwbaarheid en efficiëntie van machines, en het minimaliseren van de geluidsoverlast voor werknemers en de omgeving. Door regelmatig geluidsmetingen uit te voeren en de resultaten te analyseren, kunnen problemen in een vroeg stadium worden opgespoord en opgelost, wat leidt tot een langere levensduur van de machines en een betere werkomgeving.
Het wetenschappelijk onderzoek kwam tot stand door samenwerking tussen Lenze Duitsland, het Institut für Systemdynamik und Mechatronik van de Bielefeld University of Applied Sciences en het L3S Research Center van de Leibniz University of Hannover. Volgens de onderzoekers heeft een akoestische foutmeting een hoog potentieel als het gaat om het monitoren van de conditie van mechanische componenten.
Waarom akoestisch?
Maar waarom akoestisch en niet met trillingssensoren? We leggen deze vraag voor aan Peter Wißbrock, master of science bij de Innovation afdeling van Lenze en aan ing. Philipp Heidrich, Productmanagement Elektromechanik bij Lenze. “Lenze heeft veel verschillende soorten elektromotoren, tandwielkasten en dus ook een enorme variatie qua motorreductoren, van co-axiale tandwielkasten, haakse tandwielkasten tot opsteekreductoren,” legt Wißbrock uit.
“Er is daarom bewust gekozen om akoestisch te gaan meten. Akoestische sensoren hoeven niet te worden aangepast aan de verschillende varianten en hoeven niet te worden gemonteerd of gedemonteerd. Trillingssensoren moeten op een vooraf bepaalde plek op de aandrijving worden geplaatst voor een optimale werking, hetgeen bij een akoestische meting niet nodig is. Echter worden achtergrondgeluiden nu wel relevant. Hier moesten we mee leren omgaan.”
Aan akoestische foutdetectie is de afgelopen jaren weinig aandacht besteed, vanwege het risico dat achtergrondgeluiden in een industriële omgeving juist tot misclassificatie kunnen leiden. Niettemin hebben akoestische signalen veel voordelen ten opzichte van trillingsignalen, terwijl ze toch in staat zijn om vergelijkbare prestaties te leveren.
Akoestische dataset
Lenze laat in het onderzoek zien dat samples met het geluid van motorreductoren met fouten kunnen worden gescheiden van ‘gezonde’ motoren in een lawaaierig End-of-Line inspectiescenario. De onderzoekers presenteren een dataset onder de naam Lenze Production Background Noise (LPBN). Deze akoestische dataset bevat 138 samples van op maat gemaakte motorreductoren, verdeeld in motoren met het label grote fout (voldoet niet aan de standaardkwaliteit), kleine fout (voldoet aan de standaardkwaliteit) en gezond. Deze dataset bevat eveneens 43 samples met typische opzettelijk gegenereerde industriële achtergrondgeluiden.
Meer weten over het onderzoek, het omgaan met de varianten motorreductoren en de link met machine learning en diepe neurale netwerken? Lees dan het complete artikel in de nieuwste editie van Aandrijftechniek.
Ook interessant: Jubilerend Lenze lanceert open automatiseringsplatform NUPANO