banner
Heim / Nachricht / Identifizieren von Lagerproblemen mit Beschleunigungsdemodulation
Nachricht

Identifizieren von Lagerproblemen mit Beschleunigungsdemodulation

Apr 30, 2023Apr 30, 2023

Beschleunigungsdemodulation (gD) ist eine nützliche Technik für alle, die einen bestehenden Lagerdefekt identifizieren möchten. Wenn diese Art von Technologie ordnungsgemäß eingesetzt wird, gibt es kaum einen Grund, warum ein rotierendes Gerät wie ein Motor, eine Pumpe, ein Lüfter, ein Kompressor oder ein Getriebe ohne Vorwarnung ausfallen sollte. Während die größte Stärke der Demodulation in ihrer Fähigkeit liegt, den Zustand von Wälzlagern zu identifizieren, ist sie auch ein wertvolles Werkzeug zur Identifizierung der Schmierwirkung und eines fehlerhaften Zahneingriffs.

Geschichte

Die Geburtsstunde der kommerziellen Demodulation begann Mitte der 1980er Jahre mit der Spike-Energy-Technik von IRD Mechanalysis, die zunächst nur eine Gesamtvibrationsmessung ermöglichte. Nachdem das Unternehmen mit der Messung des Spike-Energiespektrums weitergemacht hatte, versuchten andere Vibrationsunternehmen schnell, eigene Lösungen zu entwickeln, da Endbenutzer dadurch Vorteile bei der Identifizierung maschinenbezogener Probleme erzielen konnten, die möglicherweise zu ungeplanten Ausfallzeiten führen könnten.

Von Lagerzustandseinheiten (BCUs) über Hochfrequenz-Hüllkurven (HFE) bis hin zu Beschleunigungshüllkurven (gE) und jetzt auch Beschleunigungsdemodulation – alle haben gut funktioniert, obwohl geringfügige Variationen verwendet wurden, um ähnliche Ergebnisse zu erzielen. Einige Versionen verwendeten einen Hochpass- oder mehrere Bandpassfilter (BP), während andere erfolgreich waren, indem sie nur einen Hochpassfilter verwendeten (wobei Fmax als Tiefpassfilter fungierte). Die Signalgleichrichtung ist ebenfalls Teil dieser Vibrationsanalysetechnik, wobei Unternehmen Halbwellen- gegenüber Vollwellen-Gleichrichtungsschaltungen verwenden. Allen diesen Techniken ist gemeinsam, dass sie positive Ergebnisse lieferten. Da es sich jedoch um eine Signalverarbeitungstechnik handelt, sollten mehrere Faktoren berücksichtigt werden, um gute Ergebnisse zu erzielen:

Durch wie viele verschiedene Materialien gelangt das Signal zum Sensor? Der Abstand zwischen Sensor und defektem Lager/Zahnrad beeinflusst die Ergebnisse, insbesondere die Amplituden.

Wird er mit einem Gewindebolzen montiert (der den größten dynamischen Messbereich bietet) oder wird der Sensor mit einer anderen Methode montiert?

Einige Filter können das Defektsignal verbergen, indem sie die Defektenergie herausfiltern, während andere die Erfassung des Defektsignals ermöglichen.

Eine vereinfachte Übersicht über den gD-Prozess sieht wie folgt aus (Bild 1): Wenden Sie einen Hochpassfilter auf die rohe Beschleunigungswellenform an, um niedrigere Frequenzen zu eliminieren. Als nächstes korrigieren Sie das verbleibende Signal. Wenden Sie dann einen Tiefpassfilter (das Fmax für die Messung) an und führen Sie eine schnelle Fourier-Transformationsanalyse (FFT) für die resultierende Wellenform durch.

Die folgenden Fallstudien zeigen, wie Beschleunigungsdemodulation verwendet wurde, um defekte Lager in verschiedenen Fertigungsumgebungen zu identifizieren.

Fallstudie Nr. 1: Defektes Lager in einem kritischen Motor

gD bestätigt einen Lagerdefekt im kritischen Motor einer Produktionsanlage früh genug, um eine Vorlaufzeit von fünf Monaten vor dem zuvor geplanten Reparaturausfall im August zu gewährleisten. In diesem Fall lieferte die Kombination vieler Messungen des vom Hersteller eingesetzten Zustandsüberwachungssystems, einem drahtlosen mikroelektromechanischen (MEMS) System, das monatlich 180 Messwerte für sechs verschiedene Vibrationsparameter zusammen mit stetigen Trenddiagrammen liefert, dem Endbenutzer Ergebnisse die Zuversicht, die kritische Anlage bis zum geplanten Ausfall weiter zu betreiben. Aufgrund der Fehlererkennung und der Kritikalität des Motors waren Ersatzteile vor Ort und das Wartungsteam des Werks war bereit, die Maschine auszutauschen, falls sich ihr Zustand vor der geplanten Ausfallzeit erheblich verschlechtern sollte.

Dank der mehrfachen täglichen Messungen des Zustandsüberwachungssystems sowie der Demodulationstechnologie konnte die Notwendigkeit, rund um die Uhr auf Alarme bei Anlagenanlagen mit Wälzlagern zu reagieren, entfallen. In diesem Fall waren in der demodulierten Messung sowie in der Beschleunigungs-FFT Spitzenwerte der Ball Pass Frequency Outer Race (BPFO) erkennbar. Dies ist typischerweise ein Hinweis auf einen fortgeschrittenen Defekt des Lagers.

Fallstudie Nr. 2: 3.000-PS-Elektromotor

Ein 3.000 PS (PS) starker Elektromotor, der einen großen Lüfter mit 890 Umdrehungen pro Minute (U/min) dreht, wurde für den Betatest eines drahtlosen Zustandsüberwachungssystems eingesetzt. Obwohl nur eine Sekunde an Daten erfasst wurde, bevor der Motor zur Reparatur abgeschaltet wurde (umfangreich abgetastet), lieferte dies genügend Informationen, um die Zeitwellenform (TWF) in ein gD-Spektrum nachzubearbeiten. Die Möglichkeit, gespeicherte Daten nachzubearbeiten, war der Schlüssel zur Identifizierung des Motorproblems. Das gD-Spektrum zeigte deutlich einen BPFO im Lager 6332, was dem Foto des defekten Lagers entsprach.

Fallstudie Nr. 3: Schüttelsieblager

Ein Benutzer hatte keine Online-Überwachung seiner kritischen Rüttelsiebe. Wenn sie ausfallen, stellen diese Maschinen ein ernstes Sicherheitsrisiko dar und führen zu erheblichen, kostspieligen Ausfallzeiten für den Bediener. Um diese Probleme zu lösen, entschied sich der Benutzer für die Installation eines drahtlosen, sensorbasierten Systems für diese Anwendung, und die Ergebnisse waren außergewöhnlich. Die Sensoren sind so konzipiert, dass sie den extrem hohen G-Kräften standhalten, die in dieser äußerst anspruchsvollen Betriebsumgebung auftreten. Ein herkömmlicher kabelgebundener Sensor hatte in dieser Anwendung Schwierigkeiten, durchzuhalten.

Der interessante Teil des Diagramms (Bild 2) ist die Unempfindlichkeit der Vibrationsgeschwindigkeitsmessung gegenüber der Lagerdefektenergie im Geschwindigkeitstrenddiagramm (oberer Abschnitt). Die Lagerdefektenergie wird im gD-Trenddiagramm (mittlerer Abschnitt) deutlich erfasst.

Der Defekt verschlimmerte sich über einen Zeitraum von drei Tagen, konnte jedoch vom Zustandsüberwachungssystem, das alle vier Stunden am Tag sechs Messreihen erfasst, leicht erkannt werden. Obwohl drei Tage im Voraus ziemlich kurzfristig sind, konnte das Wartungsteam die Ausfallzeit planen, sicherstellen, dass Teile und Personal vor Ort waren, und die erforderlichen Wartungsarbeiten zu möglichst geringen Kosten für die Anlage durchführen.

gD mit MEMS-Sensoren (sowie Standard-Piezo-Beschleunigungsmessern) ist immer noch eine zuverlässige und genaue Methode zur Identifizierung lagerbezogener Probleme. gD kann dabei helfen, den Status und Zustand von Wälzlagern unabhängig von Geschwindigkeit und Last zu ermitteln. Während Geschwindigkeit und Last einen Einfluss auf die Amplitude bei dieser Art von Messungen haben können, identifiziert gD bei einem Defekt in einer Lagerlaufbahn oder einem Wälzelement das spezifische Problem (z. B. Defekt im Außenring, Innenring des Lagers usw.). . Dies können wertvolle Daten für die Durchführung einer Fehlerursachenanalyse (RCFA) sein, um das erneute Auftreten eines bestimmten und wiederholbaren Fehlers zu verhindern. Wenn eine Maschine regelmäßig einen Defekt am Innenring aufweist, deutet dies möglicherweise auf ein Gehäuse- oder Passungsproblem hin. Alternativ müssen möglicherweise die Lagermontageprozesse der Anlage verfeinert werden, oder die Rundheit der Welle ist ein Problem. Die Kenntnis der Einzelheiten hinter der Ursache eines Mangels kann beim RCFA-Prozess hilfreich sein.

Darüber hinaus handelt es sich bei gD in der Regel um ein Früherkennungstool, das zur Verwaltung der Reparaturplanung und -terminierung verwendet werden kann. Sobald ein Defekt auch in einer standardmäßigen Beschleunigungs- oder Geschwindigkeits-FFT sichtbar ist, ist er so weit fortgeschritten, dass der Reparaturzyklus verkürzt werden muss, um die Möglichkeit teurer, ungeplanter Ausfallzeiten zu verringern.

Frank Mignano ist Condition Monitoring Manager für Amerika bei der Schaeffler Group USA Inc. Weitere Informationen finden Sie unter schaeffler.com.