Schatting van de resterende levensduur van lagers bij variërende snelheid

Deze workshop presenteert de resultaten van ons onderzoeksproject “A Digital Twin for Health Monitoring and Predictive Maintenance”. In dit project hebben we ons gericht op methodologie voor het schatten van de resterende levensduur van lagers bij variërende snelheden. Twee nieuwe benaderingen voor lagerprognostiek gebaseerd op trillingsmetingen zullen worden gepresenteerd, inclusief een experimentele validatie.

• De eerste benadering maakt gebruik van een lager fenomenologisch model om trainingsgegevens te genereren die gebruikt worden in een machine learning algoritme. Hierdoor hoeven de algoritmen niet te worden getraind op basis van degradatiegegevens, die meestal niet beschikbaar zijn.
• De tweede benadering heeft geen modellen nodig, maar vereist één degradatiedataset en is gebaseerd op kenmerkextractie en fusie.

Voor beide benaderingen is de schatting van het einde van de levensduur duidelijk beter dan de huidige praktijk, die gebaseerd is op ontwerpregels. Dit maakt het mogelijk om de stilstandtijd van machines te verminderen en het onderhoudsplan te optimaliseren.