-
GEBIET
-
Die vorliegende Erfindung betrifft eine Vorrichtung zur Vorhersage des Zustands von einem Zahnstangen-Linearantrieb.
-
Ferner betrifft die vorliegende Erfindung ein Verfahren zur Vorhersage des Zustands von einem Zahnstangen-Linearantrieb.
-
Zudem betrifft die vorliegende Erfindung ein computerlesbares Medium.
-
HINTERGRUND
-
Die
DE 10 2018 216 225 A1 beschreibt ein Fehlerdiagnoseverfahren und ein entsprechendes Messsystem, um Ausbrüche an Zähnen eines Zahnstangengetriebes zu detektieren. Dabei wird der Verlauf der Winkelbeschleunigung eines Ritzels, welches in die Zahnstange eingreift, entlang eines Hubs des Zahnstangengetriebes erfasst und mit einem Referenzprofil abgeglichen, welches in gleicher Weise an einem mit Sicherheit beschädigungsfreien und identischen Zahnstangengetriebe aufgenommen worden ist. Durch Vergleich des Verlaufs der Winkelbeschleunigung mit dem Referenzprofil können im Falle von Abweichungen Beschädigungen im Zahnstangengetriebe und deren Lage entlang des Hubs bestimmt werden.
-
Das Messsystem zur Durchführung dieses bekannten Fehlerdiagnoseverfahren umfasst gemäß der
DE 10 2018 216 225 A1 wenigstens einen rotatorischen Antrieb, einen Drehwinkelmesser, der mit einer Antriebswelle des rotatorischen Antriebs verbunden ist, ein mit der Antriebswelle des rotatorischen Antriebs gekoppeltes Ritzel, einen Verzahnungspartner, der mit dem Ritzel gekoppelt ist, und ein Datenverarbeitungssystem.
-
Eine Vorhersage des Zustands eines Zahnstangen-Linearantriebs ist mit diesem bekannten Fehlerdiagnoseverfahren jedoch nicht möglich.
-
Das Dokument
DE 10 2020 200 051 A1 offenbart ferner ein Verfahren zum Bestimmen von Restnutzungszyklen einer Produktionsvorrichtung aufgrund von Verschleiß. Das Verfahren umfasst die Schritte Bestimmen eines ersten Zustandswertes einer Wartungsgröße eines Teils der Produktionsvorrichtung basierend auf Sensordaten eines Sensors für die Produktionsvorrichtung, un Bestimmen eines zukünftigen Nutzungszyklus des Teils der Produktionsvorrichtung, zu welchem die Wartungsgröße einen vorher festgelegten zweiten Zustandswert aufweist, wobei der zukünftige Nutzungszyklus basierend auf dem ersten Zustandswert und basierend auf einem diskreten stochastischen Degradationsmodell bestimmt wird.
-
Das Dokument
DE 10 2018 128 446 A1 beschreibt zudem ein Verfahren und eine Vorrichtung zur Ermittlung des Zustandes mindestens einer Zahnpaarung und/oder mindestens eines Zahnes in einem mechanischen System, insbesondere in einem Zahnradgetriebe oder einer Keilwelle. Schwingungsdaten des mechanischen Systems werden von mindestens einem Schwingungssensor aufgenommen, wobei die Schwingungsdaten mittels Drehwinkeldaten kinematisch oder geometrisch der mindestens einen Zahnpaarung und/oder dem mindestens einen Zahn als Quelle mindestens eines Schwingungsmusters zugeordnet wird, wobei das mindestens eine Schwingungsmuster charakteristisch für einen mechanischen Schaden an der mindestens einen Zahnpaarung und/oder am mindestens einen Zahn ist, und mittels eines Rechnermodells festgestellt wird, welcher Art der Schaden ist, und ein entsprechendes Signal, insbesondere die Wahl eines Schadensmodells, zur Charakterisierung des Ist-Zustands der mindestens einen Zahnpaarung und/oder des mindestens einen Zahnes abgegeben wird.
-
Die Aufgabe der vorliegenden Erfindung besteht in der Bereitstellung einer Vorrichtung und eines Verfahrens zur Vorhersage des Zustands von einem Zahnstangen-Linearantrieb.
-
ZUSAMMENFASSUNG DER ERFINDUNG
-
Gemäß einem ersten Aspekt der vorliegenden Erfindung wird eine Vorrichtung zur Vorhersage des Zustands von einem Zahnstangen-Linearantrieb bereitgestellt, wobei die Vorrichtung umfasst eine Erfassungseinheit zur Erfassung einer Zeitreihe von Sensordaten des Zahnstangen-Linearantriebs und von Ereignisdaten hinsichtlich des Zahnstangen-Linearantriebs, wobei die Sensordaten Drehzahlsensordaten, Lagesensordaten und/oder Stromsensordaten von Komponenten des Zahnstangen-Linearantriebs und die Ereignisdaten am Zahnstangen-Linearantrieb durchgeführte Wartungsmaßnahmen und/oder technische Dokumentation umfassen, eine Berechnungseinheit mit mindestens einem darin implementierten ersten künstlichen neuronalen Netzwerk zur Berechnung einer Zeitreihe von zukünftigen Sensordaten des Zahnstangen-Linearantriebs, und eine Ausgabeeinheit zur Ausgabe der erfassten Zeitreihe von Sensordaten und der berechneten Zeitreihe von zukünftigen Sensordaten an eine Auswerteeinheit mit mindestens einem darin implementierten zweiten künstlichen neuronalen Netzwerk zum Analysieren und Bewerten der erfassten Zeitreihe von Sensordaten und der berechneten Zeitreihe von zukünftigen Sensordaten sowie zur Ausgabe einer Zustandsvorhersage des Zahnstangen- Linearantriebs.
-
Einige vorteilhafte Ausführungsformen des ersten Aspekts der vorliegenden Erfindung umfassen mindestens ein Merkmal aus der nachfolgenden Liste:
- • das erste künstliche neuronale Netzwerk weist ein mehrschichtiges rekurrentes neuronales Netzwerk auf, das mehrere verdeckte Schichten und eine Ausgabeschicht aufweist
- • die verdeckten Schichten des rekurrenten neuronalen Netzwerkes weisen jeweils LSTM-Module auf
- • das zweite künstliche neuronale Netzwerk umfasst ein trainiertes MCNN
- • eine erste Schicht des in der Berechnungseinheit implementierten rekurrenten neuronalen Netzwerkes bildet eine Eingabeschicht, die über eine Schnittstelle schrittweise die erfasste Zeitreihe von Sensordaten und/oder Ereignisdaten von einem Zwischenspeicher der Erfassungseinheit erhält
- • die Auswerteeinheit ist konfiguriert das Analysieren und Bewerten der erfassten Zeitreihe von Sensordaten und der berechneten Zeitreihe von zukünftigen Sensordaten auf Basis von vordefinierten Auswerteregeln zur Bestimmung von Maßnahmen vorzunehmen, welche einen teilweisen oder vollständigen Systemausfall des Zahnstangen-Linearantriebs verhindern
- • die Auswerteeinheit weist eine Datenschnittstelle zur Ausgabe der generierten Zustandsvorhersage des Zahnstangen-Linearantriebs an eine Zentrale und/oder eine Nutzerschnittstelle zur Ausgabe des generierten Zahnstangen-Linearantrieb-Ausfallsignals an einen Nutzer des Zahnstangen-Linearantriebs auf
- • die Vorrichtung weist einen Speicher zum Speichern von erfassten Sensordaten, Ereignisdaten, berechneten zukünftigen Sensordaten und/oder Zustandsvorhersagen auf
- • die Vorrichtung weist einen Empfänger zum Empfangen von Sensordaten und/oder Ereignisdaten von dem Zahnstangen-Linearantrieb auf, wobei der Empfänger beispielsweise in der Erfassungseinheit enthalten ist
- • die Vorrichtung weist einen Sender zum Senden von erfassten Sensordaten, Ereignisdaten, berechneten zukünftigen Sensordaten und/oder Zustandsvorhersagen an einen Computer, ein mobiles Endgerät wie ein Smartphone oder ein Tablet, einen Server oder einen Cloud basierten Server auf, wobei der Sender beispielsweise in der Ausgabeeinheit enthalten ist
-
Gemäß einem zweiten Aspekt der vorliegenden Erfindung wird ein Verfahren zur Vorhersage des Zustands von einem Zahnstangen-Linearantrieb bereitgestellt, wobei das Verfahren umfasst Erfassen einer Zeitreihe von Sensordaten des Zahnstangen-Linearantriebs und von Ereignisdaten hinsichtlich des Zahnstangen-Linearantriebs, wobei die Sensordaten Drehzahlsensordaten, Lagesensordaten und/oder Stromsensordaten von Komponenten des Zahnstangen-Linearantriebs und die Ereignisdaten am Zahnstangen-Linearantrieb durchgeführte Wartungsmaßnahmen und/oder technische Dokumentation umfassen, Berechnen einer Zeitreihe von zukünftigen Sensordaten des Zahnstangen-Linearantriebs durch mindestens ein trainiertes erstes künstliches neuronales Netzwerk, Ausgeben der erfassten Zeitreihe von Sensordaten und der berechneten Zeitreihe von zukünftigen Sensordaten an eine Auswerteeinheit mit mindestens einem darin implementierten zweiten künstlichen neuronalen Netzwerk zum Analysieren und Bewerten der erfassten Zeitreihe von Sensordaten und der berechneten Zeitreihe von zukünftigen Sensordaten, sowie Ausgeben einer Zustandsvorhersage des Zahnstangen- Linearantriebs.
-
Einige vorteilhafte Ausführungsformen des zweiten Aspekts der vorliegenden Erfindung umfassen mindestens ein Merkmal aus der nachfolgenden Liste:
- • das erste künstliche neuronale Netzwerk weist ein mehrschichtiges rekurrentes neuronales Netzwerk auf
- • das künstliche neuronal Netzwerk weist mehrere verdeckte Schichten und eine Ausgabeschicht auf
- • die verdeckten Schichten des rekurrenten neuronalen Netzwerkes weisen jeweils LSTM-Module auf
- • das Analysieren und Bewerten der erfassten Zeitreihe von Sensordaten und der berechneten Zeitreihe von zukünftigen Sensordaten erfolgt durch eine Auswerteeinheit in Form eines trainierten MCNN
- • das Analysieren und Bewerten der erfassten Zeitreihe von Sensordaten und der berechneten Zeitreihe von zukünftigen Sensordaten erfolgt durch die Auswerteeinheit auf Basis von vordefinierten Auswerteregeln zur Bestimmung von Maßnahmen, welche einen teilweisen oder vollständigen Systemausfall des Zahnstangen-Linearantriebs verhindern
- • die Auswerteeinheit generiert ein Systemausfallwarnsignal, sobald aus der erfassten Zeitreihe von Sensordaten und/oder der berechneten Zeitreihe von zukünftigen Sensordaten eine Schwellwertüberschreitung hervorgeht
- • das generierte Systemausfallwarnsignal wird über eine Schnittstelle ausgegeben
- • die Ereignisdaten umfassen Leerlaufnachrichten, Startmeldungen und Stoppmeldungen, Prozessschritte, Fehlermeldungen, Warnungen und/oder Wartungsmaßnahmen des Zahnstangen-Linearantriebs oder von Systemkomponenten des Zahnstangen-Linearantriebs
-
Gemäß einem dritten Aspekt der vorliegenden Erfindung wird ein nicht-flüchtiges, computerlesbares Medium bereitgestellt, in dem ein Satz computerlesbarer Befehle gespeichert ist, die bei Ausführung durch mindestens einen Prozessor eine Vorrichtung zu zumindest Folgendem veranlassen: Erfassen einer Zeitreihe von Sensordaten eines Zahnstangen-Linearantriebs und von Ereignisdaten hinsichtlich des Zahnstangen-Linearantriebs, wobei die Sensordaten Drehzahlsensordaten, Lagesensordaten und/oder Stromsensordaten von Komponenten des Zahnstangen-Linearantriebs und die Ereignisdaten am Zahnstangen-Linearantrieb durchgeführte Wartungsmaßnahmen und/oder technische Dokumentation umfassen, Berechnen einer Zeitreihe von zukünftigen Sensordaten des Zahnstangen-Linearantriebs durch mindestens ein trainiertes erstes künstliches neuronales Netzwerk, Ausgeben der erfassten Zeitreihe von Sensordaten und der berechneten Zeitreihe von zukünftigen Sensordaten an eine Auswerteeinheit mit mindestens einem darin implementierten zweiten künstlichen neuronalen Netzwerk zum Analysieren und Bewerten der erfassten Zeitreihe von Sensordaten und der berechneten Zeitreihe von zukünftigen Sensordaten, sowie Ausgeben einer Zustandsvorhersage des Zahnstangen- Linearantriebs.
-
Einige vorteilhafte Ausführungsformen des dritten Aspekts der vorliegenden Erfindung umfassen mindestens ein Merkmal aus der im Zusammenhang mit dem zweiten Aspekt aufgeführten Liste.
-
Merkliche Vorteile können mit Ausführungsformen der vorliegenden Erfindung erzielt werden. Eine Vorrichtung und ein Verfahren zur Vorhersage des Zustands von einem Zahnstangen-Linearantrieb werden bereitgestellt.
-
Die OEE (Overall Equipment Effectiveness) beschreibt die Anlageneffektivität. Einer der Parameter, aus denen sich diese Kennzahl zusammensetzt, ist die Verfügbarkeit. Mittels Ausführungsformen der vorliegenden Erfindung können mögliche Schäden an Linearantrieben frühzeitig vorhergesagt werden. Darauffolgend können definierte Meldewege eingeleitet und ein Defekt zu einem geeigneten Zeitpunkt untersucht und behoben werden, so dass die produzierende Anlage nicht unplanmäßig steht. Folglich steigt die OEE mit reduzierten unplanmäßigen Stillständen.
-
Darüberhinaus werden Ressourcen wie Lagerkapazitäten, Energie und Aufwand eingespart.
-
Die Verwendung eines LSTM erlaubt ferner eine selbstständige Modellbildung anhand von Beispieldaten anstatt durch die Beschreibung des physischen Systems.
-
Eine Verwendung eines MCNN erlaubt darüberhinaus eine Mustererkennung in multiplen Zeitbereichen der Sensorwerte.
-
Zusätzliches Domänenwissen verringert die notwendige Menge und Varianz von Beispieldaten zur Modellbildung.
-
Die einzelnen Verfahren bringen den Vorteil, dass das gesamte Spektrum des Verfahrens abgebildet wird mit dem Ziel robuste Algorithmen vorlegen zu können.
-
KURZBESCHREIBUNG DER ZEICHNUNGEN
-
- 1 zeigt eine schematische Darstellung eines beispielhaften Zahnstangen-Linearantriebs,
- 2 zeigt eine schematische Darstellung einer Vorrichtung gemäß mindestens einigen Ausführungsformen der vorliegenden Erfindung, und
- 3 zeigt ein schematisches Diagramm eines Verfahrens gemäß mindestens einigen Ausführungsformen der vorliegenden Erfindung.
-
AUSFÜHRUNGSFORMEN DER ERFINDUNG
-
In 1 ist eine schematische Darstellung eines beispielhaften Zahnstangen-Linearantriebs 1 gezeigt. Ein Antriebsritzel 2 wird durch einen SPS gesteuerten Servomotor angetrieben. Die rotatorische Bewegung 17 des Antriebsritzels 2 wird in eine translatorische Bewegung 18 einer Zahnstange 4 gewandelt, um beispielsweise Positionieraufgaben von Werkstücken in Produktionsanlagen wie Pressanlagen zu realisieren. Der Antrieb kann mehrere externe oder integrierte Sensoren 3, 5, 6 enthalten, welche Sensordaten liefern. Die Sensordaten werden durch Zeitreihen gebildet, welche in einem Rohdatenformat, in aggregierter Form oder in einer Mischform weiterverarbeitet werden können. Die Regelung des Antriebs nutzt beispielsweise einen Stromsensor 3 zur Überwachung der Stellgröße des Motorstroms. Die Position des Antriebsritzels 2 kann über einen Lagesensor 5 erfasst werden. Zusätzlich kann ein Drehzahlsensor 6 in die Regelstrecke integriert sein.
-
Weiterhin können durch einen derartigen Antrieb zudem Log-Files generiert werden, die Ereignisdaten umfassen. Log-Files sind allgemein Dateien, in denen Prozessdaten einer Betrachtungseinheit bzw. einer oder mehrerer Systemkomponenten gespeichert werden. Diese Ereignisdaten können beispielsweise Warn- und Fehlerevents hinsichtlich Systemkomponenten des Antriebs oder Wartungsmaßnahmen des Antriebs umfassen. Ereignisdaten hinsichtlich Wartungsmaßnahmen können beispielsweise die Art der Wartungsmaßnahme, der Zeitpunkt der Wartungsmaßnahmen und/oder Zeitintervalle zwischen durchgeführten Wartungsmaßnahmen sein. Daneben können beispielsweise für das System oder die einzelnen Systemkomponenten Leerlaufnachrichten, Startmeldungen und Stoppmeldungen, Prozessschritte, Sensorwerte, Fehlermeldungen, Warnungen und Wartungsmaßnahmen aufgezeichnet und in den Log-Files gespeichert werden.
-
In 2 ist eine schematische Darstellung einer Vorrichtung 9 gemäß mindestens einigen Ausführungsformen der vorliegenden Erfindung gezeigt. Die Vorhersagevorrichtung 9 ist mit einem zu überwachenden Zahnstangen-Linearantrieb 1 mittels einer oder mehreren Datenschnittstellen gekoppelt. Der zu überwachende Zahnstangen-Linearantrieb 1 kann mehrere externe oder integrierte Sensoren enthalten, welche Sensordaten 7 liefern.
-
Die Vorrichtung 9 kann einen Empfänger 19 umfassen. Der Empfänger 19 kann dafür konfiguriert sein, Informationen gemäß mindestens einer zellularen oder nicht-zellularen Kommunikationstechnologie zu empfangen. Der Empfänger 19 kann mehr als einen Empfänger umfassen. Der Empfänger 19 kann dafür konfiguriert sein, in Übereinstimmung beispielsweise mit den Standards des globalen Systems für mobile Kommunikation, GSM, Breitbandcode-Mehrfachzugriff (Wideband Code Division Multiple Access, WCDMA), 5G, Langzeitentwicklung (Long Term Evolution, LTE), IS-95, drahtloses lokales Netzwerk (Wireless Local Area Network, WLAN), Ethernet und/oder weltweite Interoperabilität für Mikrowellenzugang (Worldwide Interoperability for Microwave Access, WiMAX) zu arbeiten. Der Empfänger 19 findet üblicherweise Verwendung beim Empfangen von Sensordaten 7 und/oder Ereignisdaten 8 von dem Zahnstangen-Linearantrieb 1. Ereignisdaten 8 können der Vorrichtung 9 auch durch einen Nutzer mittels einer Benutzerschnittstelle zugeführt werden. Die Benutzerschnittstelle kann beispielsweise eine Computertastatur umfassen.
-
Die Vorrichtung 9 umfasst ferner einen Prozessor 20, der beispielsweise einen Einkern- oder Mehrkernprozessor enthalten kann, wobei ein Einkernprozessor einen Verarbeitungskern umfasst und ein Mehrkernprozessor mehr als einen Verarbeitungskern umfasst. Der Prozessor 20 kann mehr als einen Prozessor umfassen. Der Prozessor 20 kann eine Einrichtung zum Durchführen von Verfahrensschritten in der Vorrichtung 9 sein. Der Prozessor 20 kann zumindest teilweise durch Computeranweisungen konfiguriert sein, um Aktionen auszuführen.
-
Die Vorrichtung kann einen Speicher 21 umfassen. Der Speicher 21 kann einen Direktzugriffsspeicher und/oder einen permanenten Speicher umfassen. Der Speicher 21 kann mindestens einen RAM-Chip umfassen. Der Speicher 21 kann dem Prozessor 20 zumindest teilweise zugänglich sein. Der Speicher 21 kann zumindest teilweise im Prozessor 20 enthalten sein. Der Speicher 21 kann eine Einrichtung zum Speichern von Informationen sein. Der Speicher 21 kann Computeranweisungen umfassen, für deren Ausführung der Prozessor 20 konfiguriert ist. Wenn Computeranweisungen, die dafür konfiguriert sind, den Prozessor 20 zu veranlassen, bestimmte Aktionen auszuführen, im Speicher 21 gespeichert sind und die Vorrichtung 9 insgesamt dafür konfiguriert ist, unter der Anweisung des Prozessors 20 unter Verwendung von Computeranweisungen aus dem Speicher 21 ausgeführt zu werden, können der Prozessor 20 und/oder sein mindestens einer Verarbeitungskern als zur Ausführung bestimmter Aktionen konfiguriert angesehen werden. Der Speicher 21 kann zumindest teilweise außerhalb der Vorrichtung 9 sein, aber für die Vorrichtung 9 zugänglich sein.
-
Die Vorrichtung 9 zur Vorhersage des Zustands von einem Zahnstangen-Linearantrieb 1 umfasst ferner eine Erfassungseinheit 10 zur Erfassung einer Zeitreihe von Sensordaten 7 des Zahnstangen-Linearantriebs 1 und/oder von Ereignisdaten 8 hinsichtlich des Zahnstangen-Linearantriebs 1. Eine Zeitreihe von einem Sensor oder Zeitreihen von mehreren Sensoren können mit der Erfassungseinheit 10 erfasst werden. Beispiele von Sensordaten 7, die von der Erfassungseinheit erfasst werden, sind Drehzahlsensordaten, Lagesensordaten und Stromsensordaten von Komponenten des Zahnstangen-Linearantriebs 1. Ereignisdaten 8 sind beispielsweise Daten über am Zahnstangen-Linearantrieb 1 durchgeführte Wartungsmaßnahmen und/oder technische Dokumentation. Die erfassten Sensordaten 7 und/oder Ereignisdaten 8 können im Speicher 21 gespeichert werden.
-
Die Vorrichtung 9 umfasst ferner eine Berechnungseinheit 11 mit mindestens einem darin implementierten ersten künstlichen neuronalen Netzwerk 12 zur Berechnung einer Zeitreihe von zukünftigen Sensordaten des Zahnstangen-Linearantriebs 1. Die Berechnung wird durch den mindestens einen Verarbeitungskern des Prozessors 20 ausgeführt. Das erste künstliche neuronale Netzwerk 12 weist beispielsweise ein mehrschichtiges rekurrentes neuronales Netzwerk auf, das mehrere verdeckte Schichten und eine Ausgabeschicht aufweist. Die verdeckten Schichten des rekurrenten neuronalen Netzwerkes weisen jeweils LSTM-Module auf. Ein LSTM-Modul bzw. eine LSTM-Zelle umfasst drei Torsorten, nämlich ein Eingangstor (input gate), ein Vergesstor (forget gate) und ein Ausgangstor (output gate). Die LSTM-Zelle ermöglicht auf diese Weise im Gegensatz zu anderen herkömmlichen rekurrenten neuronalen Netzen eine Art Erinnerung an frühere Erfahrungen, d.h. ein Kurzzeitgedächtnis, welches lange anhält.
-
Eine erste Schicht des in der Berechnungseinheit 11 implementierten rekurrenten ersten neuronalen Netzwerkes 12 bildet eine Eingabeschicht, die über eine Schnittstelle erfasste Sensordaten 7 und/oder Ereignisdaten 8 von einem Zwischenspeicher der Erfassungseinheit 10 erhält. Die beschriebenen Sensorwerte 7 werden dem LSTM Modul zum Zeitpunkt t zugeführt. Anhand des erlernten Reglerverhaltens des Zahnstangen-Linearantriebs 1 prognostiziert das LSTM-Modul den Wert des Sensors, beispielsweise des Drehzahlsensors, zum Zeitpunkt t+1 und gibt diesen Wert aus. Durch kontinuierliches Messen und Prognostizieren der Sensorwerte ergeben sich eine ermittelte Zeitreihe von Sensordaten 7 und eine berechnete Zeitreihe von zukünftigen Sensordaten. Die berechnete Zeitreihe von zukünftigen Sensordaten kann im Speicher 21 gespeichert werden.
-
Die Berechnung der Zeitreihe von zukünftigen Sensordaten durch die Berechnungseinheit 11 basiert auf einem Modell. Sensordaten zur Steuerung eines Zahnstangen-Linearantriebs, beispielsweise eines Antriebes gemäß 1, werden während des Betriebs zuerst aufgezeichnet und die aufgezeichneten Sensordaten werden zur Bildung des Modells des zu überwachenden Antriebs genutzt. Ereignisdaten wie durchgeführte Wartungsmaßnahmen können dem Modell zusätzlich hinzugefügt werden. Verschiedene Arten von durchgeführten Wartungsmaßnahmen können dem Modell beispielsweise hinzugefügt werden. Auch kann beispielsweise die Häufigkeit von durchgeführten Wartungsmaßnahmen dem Modell hinzugefügt werden. Das Modell kann im Speicher 21 der Vorrichtung 9 hinterlegt werden.
-
Im Anwendungseinsatz der erfindungsgemäßen Vorrichtung 9 werden die erfassten Sensordaten 7 und/oder Ereignisdaten 8 des zu überwachenden Antriebs 1 dem Modell zugeführt und analysiert. Unterstützt wird die Modellbildung durch das Domänenwissen der Anwender. Durch kontinuierlichen fachlichen Austausch der Nutzer kann das Modell während der Anwendung stetig optimiert werden.
-
Das erste neuronale Netzwerk 12 der Berechnungseinheit 11 lernt selbstständig anhand von Beispieldaten das Reglerverhalten des Zahnstangen-Linearantriebs 1. Das so angelernte Netz 12 sagt anhand aktueller Sensordaten 7 beispielsweise den Drehzahlverlauf voraus. Zur Auswertung und Vorhersage der Sensorwerte wird üblicherweise ein LSTM genutzt.
-
Außerdem umfasst die Vorrichtung eine Ausgabeeinheit 13 zur Ausgabe der erfassten Zeitreihe von Sensordaten 7 und der berechneten Zeitreihe von zukünftigen Sensordaten an eine Auswerteeinheit 14 mit mindestens einem darin implementierten zweiten künstlichen neuronalen Netzwerk 15 zum Analysieren und Bewerten der erfassten Zeitreihe von Sensordaten 7 und der berechneten Zeitreihe von zukünftigen Sensordaten sowie zur Ausgabe 16 einer Zustandsvorhersage des Zahnstangen-Linearantriebs 1. Analyse- und Bewertungsschritte werden durch den Prozessor 20 ausgeführt. Die Auswerteeinheit 14 umfasst beispielsweise ein zweites neuronales Netz 15, das die tatsächlichen Sensordaten 7 der zu überwachenden Anlage 1 und die vorhergesagten Sensordaten voraussagt und diese bewertet. Die Auswerteeinheit 14 umfasst beispielsweise ein trainiertes MCNN als zweites künstliches neuronales Netzwerk 15.
-
Das MCNN wird mit Beispieldaten des jeweiligen Typen des Linearantriebs trainiert. Dazu werden Samples bzw. Beispieldatensätze aus verschiedenen Zustandsklassen der Zahnstange in den Trainingsdatensatz einbezogen. Ein Beispieldatensatz beinhaltet üblicherweise die sensorisch erfasste Zeitreihe des Drehzahlsignals und die zugehörige durch das LSTM prognostizierte Zeitreihe des Drehzahlsignals. Jede Zustandsklasse beinhaltet mehrere Samples, die einem Zustand der Zeitreihe zugeordnet werden können. Die notwendigen Zustandsklassen sind dabei beispielsweise „beschädigt“ oder „unbeschädigt“. Zusätzlich können beliebige Abstufungen zwischen den beiden vorgenannten Zustandsklassen eingebracht werden, z.B. „leicht beschädigt“, „schwer beschädigt“, etc.
-
Um ein generalisiertes Lernen zu forcieren, beinhalten die Samples jeder Zustandsklasse ein möglichst großes Spektrum von Betriebszuständen des Linearantriebs. Dazu gehören verschiedene Fahrprofile, die sich in Dauer und Betrag der Bewegungszustände Beschleunigung, Bremsen und gleichförmiger Bewegung unterscheiden.
-
Das MCNN gibt die Zustandsvorhersage als Ausgabewert aus. Die Zustandsvorhersage kann beispielsweise in Form einer Ausfallwahrscheinlichkeit des Antriebs oder einer Systemkomponente des Antriebs für einen zukünftigen Zeitpunkt oder in Form eines Warnsignals ausgegeben werden. Das zweite künstliche neuronale Netz kann beispielweise den abschnittsweisen Zustand der Zahnstange für einen zukünftigen Zeitpunkt ausgeben. Die Ausgabe des Zustands liegt zwischen 100% für einen fehlerfreien Zahnstangenabschnitt und 0% für einen schwer beschädigten Zahnstangenabschnitt. Die Abschnittslänge kann frei gewählt werden. Durch das wiederholte Erfassen und Speichern des Zustands eines Linearantriebs über einen längeren Zeitraum, kann durch eine Trendanalyse der zukünftige Zustand der Zahnstange ermittelt werden. So kann die Ausfallwahrscheinlichkeit abgeschätzt und ein Ausgleich geplant werden. Setzt sich eine Zahnstange aus mehreren Teilstücken zusammen, kann durch die Kenntnis über den Abschnitt, an dem ein Defekt prognostiziert wird, zielgerichtet das betroffene Teilstück der Zahnstange beschafft und ausgetauscht werden. Die Zustandsvorhersage kann im Speicher 21 gespeichert werden.
-
Die Vorrichtung 9 kann ferner einen Sender 22 umfassen. Der Sender 22 kann dafür konfiguriert sein, Informationen gemäß mindestens einer zellularen oder nicht-zellularen Kommunikationstechnologie zu senden. Der Sender 22 kann mehr als einen Sender umfassen. Der Sender 22 kann dafür konfiguriert sein, in Übereinstimmung beispielsweise mit den Standards des globalen Systems für mobile Kommunikation, GSM, Breitbandcode-Mehrfachzugriff (Wideband Code Division Multiple Access, WCDMA), 5G, Langzeitentwicklung (Long Term Evolution, LTE), IS-95, drahtloses lokales Netzwerk (Wireless Local Area Network, WLAN), Ethernet und/oder weltweite Interoperabilität für Mikrowellenzugang (Worldwide Interoperability for Microwave Access, WiMAX zu arbeiten). Der Sender 22 findet üblicherweise Verwendung beim Senden von erfassten Sensordaten, Ereignisdaten, berechneten zukünftigen Sensordaten und/oder Zustandsvorhersagen an einen Computer, ein mobiles Endgerät wie ein Smartphone oder ein Tablet-Computer, einen Server, einen Cloud basierten Server oder einen Netzwerkknoten. Beispielsweise kann mittels des Senders 22 ein Warnsignal auf ein mobiles Endgerät eines Mitarbeiters oder an eine Überwachungszentrale einer produzierenden Industrieanlage übermittelt werden, so dass eine Wartungsmaßnahme am Zahnstangen-Linearantrieb 1 geplant und zeitnah durchgeführt werden kann.
-
In 3 ist ein schematisches Diagramm eines Verfahrens gemäß mindestens einigen Ausführungsformen der vorliegenden Erfindung gezeigt. Das Verfahren zur Vorhersage des Zustands von einem Zahnstangen-Linearantrieb umfasst das Erfassen einer Zeitreihe von Sensordaten des Zahnstangen-Linearantriebs und/oder von Ereignisdaten hinsichtlich des Zahnstangen-Linearantriebs. Sensordaten können beispielsweise erfasst werden von einem Drehzahlsensor zur Messung einer Drehzahl-Zeitreihe des Antriebsritzels. Auch Sensordaten von einem Lagesensor zur Bestimmung der Lage der Zahnstange des Zahnstangenlinearantriebs und Sensordaten von einem Stromsensor zur Überwachung der Stellgröße des Motorstroms können erhoben werden. Die erfassten Sensordaten liefern die Eingangsdaten für eine Berechnungseinheit.
-
Das Berechnen einer Zeitreihe von zukünftigen Sensordaten wie einer prognostizierten Drehzahl-Zeitreihe des Zahnstangen-Linearantriebs erfolgt durch mindestens ein trainiertes erstes künstliches neuronales Netzwerk. Das erste künstliche neuronale Netzwerk weist ein mehrschichtiges rekurrentes neuronales Netzwerk auf, das mehrere verdeckte Schichten und eine Ausgabeschicht aufweist, wobei die verdeckten Schichten des rekurrenten neuronalen Netzwerkes jeweils LSTM-Module aufweisen.
-
Anschließend erfolgt das Ausgeben der erfassten Zeitreihe von Sensordaten und der berechneten Zeitreihe von zukünftigen Sensordaten an eine Auswerteeinheit zum Analysieren und Bewerten der erfassten Zeitreihe von Sensordaten und der berechneten Zeitreihe von zukünftigen Sensordaten. Das Analysieren und Bewerten der erfassten Zeitreihe von Sensordaten und der berechneten Zeitreihe von zukünftigen Sensordaten erfolgt durch eine Auswerteeinheit in Form eines trainierten MCNN. Das Analysieren und Bewerten der erfassten Zeitreihe von Sensordaten und der berechneten Zeitreihe von zukünftigen Sensordaten durch die Auswerteeinheit erfolgt üblicherweise auf Basis von vordefinierten Auswerteregeln zur Bestimmung von Maßnahmen, welche einen teilweisen oder vollständigen Systemausfall des Zahnstangen-Linearantriebs verhindern.
-
Als Ergebnis gibt eine Ausgabeeinheit eine Zustandsvorhersage des Zahnstangen-Linearantriebs aus. Beispielsweise wird ein generiertes Systemausfallwarnsignal über eine Schnittstelle ausgegeben.
-
Aufgrund der erfassten Zeitreihe von Sensordaten ist es somit möglich, den aktuellen Zustand des Zahnstangen-Linearantriebs zu erfassen, zu beschreiben und zu bewerten. Ausführungsformen der vorliegenden Erfindung ermöglichen darüberhinaus die Vorhersage eines zukünftigen Zustands des Zahnstangen-Linearantriebs. Als notwendig erkannte Instandhaltungsmaßnahmen können mit Hilfe der Zustandsvorhersage zeit-, qualitäts- und kostenoptimal geplant und durchgeführt werden.
-
ABKÜRZUNGEN
-
- KFZ
- Kraftfahrzeugindustrie
- LSTM
- Long Short Term Memory
- MCNN
- Multi-Scale-Convolutional-Neural-Net
- SPS
- Speicherprogrammierbare Steuerung
-
BEZUGSZEICHENLISTE
-
- 1
- Zahnstangen-Linearantrieb
- 2
- Antriebsritzel
- 3
- Stromsensor
- 4
- Zahnstange
- 5
- Lagesensor
- 6
- Drehzahlsensor
- 7
- Sensordaten
- 8
- Ereignisdaten
- 9
- Vorrichtung
- 10
- Erfassungseinheit
- 11
- Berechnungseinheit
- 12
- erstes künstliches neuronales Netz
- 13
- Ausgabeeinheit
- 14
- Auswerteeinheit
- 15
- zweites künstliches neuronales Netz
- 16
- Ausgabe
- 17
- Rotation
- 18
- Translation
- 19
- Empfänger
- 20
- Prozessor
- 21
- Speicher
- 22
- Sender
