FP – Data Analytics für die strombasierte Analyse von Lagerschäden in elektrischen Antrieben

In vorausgehenden Arbeiten des Fraunhofer IISB wurden Basisalgorithmen für die Detektion von Lagerschäden in elektrischen Antrieben auf Basis des Konzepts „Cognitive Power Electronics 4.0“ entwickelt und validiert. Diese Algorithmen nutzen elektrische Signale, beispielsweise Phasenströme oder weitere, in Umrichtern verfügbare Messgrößen, für die Erkennung geschädigter Lager. Die Validierung der Funktionsfähigkeit erfolgte dabei anhand von Daten, die an Motorsystemen niedriger und mittlerer Leistungsklasse aufgenommen wurden. Die Basisalgorithmen wurden zudem in ein generisches Messsystem implementiert, das Stromdaten mittels Oszilloskop, aber auch generisch Sensordaten erfassen kann, und diese mit einem ETL-Prozess (Extract,
Transform, Load) weiterverarbeitet.
Ziele dieses Forschungspraktikums sind zum einen, die vorhandenen Algorithmen anhand weiterer Datensätze von unbeschädigten und geschädigten Lagern weiter zu entwickeln. Hierbei sollen verfügbare Messungen mit einem Schallsensor aus vorhandenen Experimenten ausgewertet und die Detektionsgenauigkeit von Lagerschäden mit der der strombasierten Auswertung verglichen werden. Zum anderen soll die AlgorithmenBibliothek des generischen Datenerfassungssystems erweitert werden. Dies beinhaltet die Erweiterung der
Bibliothek um Algorithmen zur Normierung von Spektraldaten und um weitere Zeit-Frequenzanalyseverfahren sowie die weitere Implementierung einer Datenbank-basierten Datenerfassung und Visualisierung. Die implementierten Verfahren werden anhand von Experimenten an Motoren niedriger Leistungsklasse erprobt und validiert.

Bearbeiter: Antonio Manco

Betreuer: Georg Roeder

Für Studienfächer: EEI

Verantwortlicher: Prof. Dr.-Ing. Martin März