Fehlererkennung eines Getriebes mit einem künstlichen neuronalen Netzwerk (ANN)

Die Fehlerdiagnose spielt eine wichtige Rolle bei der Zustands berwachung, um die Maschinenlaufzeit zu verl ngern. Vor diesem Hintergrund konzentrierte sich die vorliegende Untersuchung auf die Entwicklung eines Fehlerdiagnosesystems f r Getriebe, das auf den Schwingungssignaturen und k nstlichen neuronalen Netzen basiert. In der vorliegenden Untersuchung wurde zur Erzeugung der Schwingungssignaturen ein Versuchsaufbau mit Sensor- und Messger ten erstellt. Die vier Hauptfehler Verschlei , 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 Zahnr dern und ohne Belastung bertragen wurde, wobei jeweils ein Fehler induziert wurde. Ferner wurde beschlossen, f r die vorliegende Untersuchung ein ANN-basiertes Fehlerdiagnosesystem zu verwenden. Die statistischen Merkmale wurden auf der Grundlage der Daten ber die maximalen Schwingungsamplituden extrahiert. Die untere Frequenz des Schwingungssignals (RMS) wird als Eingabe f r das in MATLAB entworfene und entwickelte ANN-basierte Fehlerdiagnosesystem verwendet.