由萨尔大学的AndreasSchütze教授领导的研究小组目前正在开发一种持续监视机械状态的新方法。

左：萨尔大学的AndreasSchütze教授，右：共同开发液压测试台的研究生工程师Nikolai Helwig。图片来源：Oliver Dietze

基于移动平板电脑的系统提供有关工业机械和工厂设备运行状态的信息，并可以通知操作员是否需要更换零件或是否可以推迟维修。

该系统使用的传感器可以连续获取有关振动频率或温度等参数的数据。研究团队的工程师正在与德国人工智能研究中心（DFKI）和HYDAC小组合作，将数据中的模式与典型的错误条件或故障模式自动关联。研究人员将于4月13日至4月17日在汉诺威工业博览会上使用液压试验台展示该方法。该团队将在2号展厅B 46展台的萨尔研究与创新展台上展出。

众所周知，在一台技术设备真正失效之前，其操作行为就会发生变化。机器可能开始发出不同的声音或振动加剧，或者可能变热。不仅家用洗衣机会以这种方式起作用，在大型机器（例如风力涡轮机或工业加工厂）中也会发现相同的行为。如果零件出现故障或阀门或泵突然停止工作，冷却系统出现故障或压力太低，后果往往是整个工厂都必须关闭，这可能会很昂贵。'我们的传感器系统使我们能够观察工厂的当前状况。我们正在努力使系统在设备可能出现故障或故障的第一个迹象时发出非常早期的警告。

团队采用的方法是将振动传感器安装在机器上的多个位置，以提供连续的测量数据流。工程师还结合了来自过程传感器的数据，这些传感器现在已作为标准安装在当今大多数机器上。该研究小组将使用液压试验台在2015年汉诺威工业博览会上展示其系统。“我们正在研究如何将传感器信号模式（例如振动频率）与典型的损坏和故障模式（例如降低的冷却性能或冷却时间）相关联。蓄能器压力下降”，Schütze解释说。为此，研究人员一直在分析大量的测量数据，以识别数据中可分配给机器状态特定变化的那些模式。

“从采集的大量数据中，我们过滤出了可管理数量的相关传感器数据，这些数据是某些机器损坏情况的特征，”与我们共同开发了液压测试台的研究生工程师Nikolai Helwig解释说。“我们的目标是能够在初期损坏阶段可靠地检测出机器运行周期中的干扰，并为不同的故障级别建立数学模型。”

工程师使用此有关传感器信号模式与初期故障或损坏之间的关系的信息来教导系统，以便将来能够自动识别这些状态。该项目是萨尔兰大学Schütze的工程师团队，机电和自动化技术中心（ZeMA）与德国人工智能研究中心（DFKI）和HYDAC组的研究人员之间的合作企业。'我们使用统计方法来分析数据。系统的未来用户需要能够正确解释数字数据。这就是为什么我们要为系统生成的结果自动分配含义，然后将其转换为对用户有用的信息的原因。

通过连续监视机器的状况，系统还可以建议何时执行特定的补救措施，例如更换备件。'这使计划大型或难以接近的工厂机械的维护操作变得更加容易。“这不仅有助于避免损坏，机器停机和生产停顿，而且还避免了不必要的维护工作，例如按计划更换实际上仍能正常运行的机器部件。”Schütze说。'由于该系统还能够分析生产机械在制造过程中是否正常运行，因此它也可以用于质量控制。该系统具有大量潜在应用，特别是在工业4.0所设想的智能制造过程中。”

此外，传感器的集成网络监视传感器本身是否正常运行。'系统不断检查各个传感器是否提供可靠的测量数据。如果某个特定传感器似乎无法正常工作，则其提供的数据将不包括在分析中。因此，该系统坚固耐用，并且由于旁路了有缺陷的传感器，因此可以轻松应对单个传感器的故障，”Schütze解释说。