Hoe gezond is een tandwielkast? Realtime schatting van de mesh-stijfheid

In de wereld van industriële machines spelen tandwielkasten een cruciale rol bij het overbrengen van vermogen in een breed scala aan toepassingen. Ondanks hun robuustheid zijn deze gevoelig voor slijtage en schade als gevolg van zware bedrijfsomstandigheden, hoge bedrijfsbelastingen en langdurig gebruik. Vroegtijdige detectie en diagnose van fouten zijn daarom cruciaal om aanzienlijke economische verliezen of mogelijke catastrofes als gevolg van plotseling falen van transmissiecomponenten te voorkomen.

Traditionele methodes van "condition monitoring" zijn voornamelijk gebaseerd op het analyseren van trillingen om indirect de staat van de ingrijping van de tandwielen te beoordelen en zo de gezondheidsstatus van de transmissie te voorspellen. Het correct interpreteren van trillingssignalen – die worden beïnvloed door bedrijfsomstandigheden en het ontwerp van de versnellingsbak – kan echter complex zijn. De nieuwste ontwikkelingen op het gebied van tandwielkastdiagnostiek maken daarentegen gebruik van een directere en efficiëntere aanpak door gebruik te maken van encodermetingen die dichtbij de in elkaar grijpende tandwielen zijn geplaatst om de mesh-stijfheid in realtime nauwkeurig te monitoren. Real-time schatting van de mesh-stijfheid blijkt een robuuste parameter die de gezondheid van de tandwielkast aangeeft en consistent blijft onder verschillende operationele omstandigheden.

Hoe werkt het schatten van mesh-stijfheid?

Deze aanpak combineert een op fysica gebaseerd tandwielmodel met rotatiepositiegegevens verzameld door encoders die op de tandwielassen zijn gemonteerd. Deze methode vereenvoudigt niet alleen het pad tussen de bron van de ingrijping van de tandwielen en de meting ervan, maar verbetert ook de nauwkeurigheid van de diagnostiek. De hoeksteen is de uitgebreide Kalman-filter, een geavanceerd algoritme dat we gebruiken om de encodergegevens te verwerken. De schattingen worden onmiddellijk na de input van een encoder bijgewerkt, waardoor de voorspellingen van de mesh-stijfheid en de algehele gezondheid van de tandwielkast nauwkeuriger wordt.

gears

Experimentele Validatie

De praktische toepassing van deze methode is gevalideerd in een testopstelling aan de University of South Wales (UNSW). Hun experiment maakte gebruik van een enkel tandwielpaar met een wortelscheur van verschillende groottes. Ze berekenden de mesh-stijfheid onder verschillende laadpercentages en snelheden. 

Hieronder zie je een foto van de set-up van het experiment. De grafiek toont aan hoe een significante vermindering van de mesh-stijfheid nabij een beschadigde tand duidelijk te detecteren is. Dit illustreert de nauwkeurigheid van de methode en het potentieel voor het verbeteren van de betrouwbaarheid van de tandwielkast.

graph

Belang voor condition monitoring en het voorspellen van de resterende nuttige levensduur

Dankzij het gebruik van directe meettechnieken en geavanceerde filteralgoritmen, betekent het real-time monitoring van mesh-stijfheid een aanzienlijke sprong voorwaarts in het domein van condition monitoring. Een nieuwe standaard wordt gezet voor industriële onderhoudspraktijken. Het monitoren van mesh-stijfheid biedt waardevolle inzichten in de prestaties van de tandwielkast, waardoor potentiële problemen vroegtijdig kunnen worden geïdentificeerd. Door deze observaties te integreren met geavanceerde classificatiemethoden en voorspellende onderhoudsmodellen, is het mogelijk om fouten proactief aan te pakken, waardoor de uitvaltijd wordt geminimaliseerd en de operationele efficiëntie wordt gemaximaliseerd. Het biedt dus een robuust hulpmiddel voor het verbeteren van de betrouwbaarheid, efficiëntie en prestaties van tandwieloverbrengingen. Dit zal uiteindelijk leiden tot een lager energieverbruik, kostenbesparing en een hogere klanttevredenheid.

Wat betekent dit voor u?

Flanders Make doet al jaren intensief onderzoek op het gebied van condition-based onderhoud en zal op de hoogte blijven van de nieuwste ontwikkelingen op technologisch gebied. Wij hebben diverse softwaretoolboxen ontwikkeld voor de detectie van componentdefecten en beschikken over een aantal testopstellingen waarmee wij hardware en software testen.

Wij kunnen bedrijven begeleiden naar de juiste methodiek en technologie voor hun condition-based onderhoud.

Meer informatie

Meer weten over conditon-based onderhoud en de mogelijkheden voor uw bedrijf? Neem dan contact op.

Thijs Van der Veken, Phd Onderzoeker

Thijs Van der Veken is doctoraatsonderzoeker aan het departement Werktuigbouwkunde van de KU Leuven en maakt deel uit van FlandersMake@KULeuven. Zijn voornaamste onderzoeksinteresses liggen op modelgebaseerde virtuele detectie voor automobieltoepassingen.