- Titel
- Ansätze zur modellbasierten Zustandsüberwachung am Beispiel einer mechanischen Schnellläuferpresse zur Rotor- Stator-Fertigung für E-Motoren
- Zitierfähige Url:
- https://nbn-resolving.org/urn:nbn:de:bsz:ch1-qucosa2-973318
- Übersetzter Titel (EN)
- Approaches to model-based condition monitoring using the example of a mechanical high-speed press for rotor-stator production for electric motors
- Konferenz
- 14. SAXSIM - SAXON SIMULATION MEETING. Chemnitz, 25.03.2025
- Quellenangabe
- 14. SAXON SIMULATION MEETING : Präsentationen und Vorträge des 14. Anwendertreffens am 25. März 2025 an der Technischen Universität Chemnitz
- DOI
- https://doi.org/10.51382/978-3-96100-248-1_v01
- Abstract (DE)
- Fehlerzustände in Umformpressen sind für bis zu 30% der Ausfallzeiten im Presswerk verantwortlich. Ursächlich hierfür sind häufig Verschleiß oder überlastbedingte Schäden in den hochbeanspruchten Kraftübertragungskomponenten wie Lagern und Führungen. Eine intelligente Zustandsüberwachung der Maschinen soll es ermöglichen zunehmenden Verschleiß und Schäden frühzeitig zu erkennen und zu lokalisieren. Sensorausfälle haben mit bis zu 18% den größten ursächlichen Anteil an Pressenausfallzeiten. Ein intelligentes Überwachungssystem sollte daher mit einer minimalen Anzahl zusätzlicher Sensoren auskommen. In einem laufenden FuE-Projekt entwickelt das ICM zusammen mit der Firma Zeulenroda Presstechnik GmbH ein solches Condition Monitoring System für mechanischen Schnellläuferpressen. Grundlegende Untersuchungen an einem digitalen Maschinenzwilling sollen Aufschluss über das Diagnosepotential vorhandener Sensorsignale liefern. Hierfür werden Fehlerzustände in ein flexibles Mehrkörpermodell der Maschine integriert. Die erzeugten synthetischen Sensordaten werden anschließend durch ein ML- Modell ausgewertet. Im Ergebnis soll ein Mess- und Sensorkonzept sowie die entsprechenden Auswertealgortihmen stehen, welche in einem nachgelagerten Schritt in die Maschinensteuerung integriert werden können.
- Abstract (EN)
- Fault conditions in forming presses are responsible for up to 30% of downtime in the press shop. This is often caused by wear or overload-related damage in the highly stressed power transmission components such as bearings and guides. Intelligent machine condition monitoring should enable the early detection and localization of increasing wear and damage. Sensor failures account for up to 18% of press downtime. An intelligent monitoring system should therefore require a minimal number of additional sensors. In an ongoing R&D project, the ICM is developing such a condition monitoring system for high-speed mechanical presses together with Zeulenroda Presstechnik GmbH. Fundamental studies on a digital machine twin should provide information about the diagnostic potential of existing sensor signals. For this purpose, fault conditions are integrated into a flexible multi-body model of the machine. The generated synthetic sensor data is then evaluated by an ML model. The result should be a measurement and sensor concept as well as the corresponding evaluation algorithms, which can be integrated into the machine control system in a subsequent step.
- Freie Schlagwörter (DE)
- Umformpresse, Condition Monitoring, Mehrkörpersimulation, Synthetische Daten
- Freie Schlagwörter (EN)
- Forming press, condition monitoring, multi-body simulation, synthetic data
- Klassifikation (DDC)
- 620
- Normschlagwörter (GND)
- MKS-System, Digitaler Zwilling, Umformen
- Herausgeber (Institution)
- Technische Universität Chemnitz, Chemnitz
- Verlag
- Universitätsverlag Chemnitz, Chemnitz
- Version / Begutachtungsstatus
- angenommene Version / Postprint / Autorenversion
- URN Qucosa
- urn:nbn:de:bsz:ch1-qucosa2-973318
- Veröffentlichungsdatum Qucosa
- 06.06.2025
- Dokumenttyp
- Konferenzbeitrag
- Sprache des Dokumentes
- Deutsch
- Lizenz / Rechtehinweis
CC BY-SA 4.0