Ziel

Die vorliegende Arbeit verfolgt das Ziel, eine nichtinvasive Zustandsüberwachung von Gleitlagern mithilfe von Schallemissionen (Acoustic Emissions, AE) zu ermöglichen. Der Schwerpunkt liegt insbesondere auf der Detektion von unerwünschten Mischreibungsereignissen zwischen Kurbelwelle und Gleitlager unter Zuhilfenahme datengetriebener Methoden aus dem Bereich des maschinellen Lernens. Zu diesem Zweck wurde eine Messdatenbank generiert, welche anhand von Lagerprüfstandstests erstellt wurde. Hierbei wurde das Prüflager mit unterschiedlichen AE-Sensoren an mehreren Positionen instrumentiert. Die Tests wurden unter verschiedenen Betriebsbedingungen durchgeführt, um repräsentativ jene von Großmotoren nachzubilden.

Aufgaben

  • Einarbeitung in den experimentellen Versuchsaufbau (Lagerprüfstand, Messtechnik und Messparameter)
  • Vorverarbeitung der Messdaten von Lagerprüfstand und AE-Sensoren
  • Untersuchung der Zusammenhänge zwischen Mischreibungsereignissen und AE-Sensor-Signalen durch eine explorative Datenanalyse
  • Entwicklung eines datengetriebenen Modells zur Erkennung von Mischreibungsereignissen anhand von AE-Sensor-Signalen

Voraussetzungen

Programmierkenntnisse in Python oder R; Erfahrung im Bereich Datenanalyse

 

Möglicher Beginn: Ab sofort
Dauer: Ca. 6 Monate

Kontakt:

Univ.-Prof. Dr.-Ing. Nicole Wermuth, +43 (316) 873-30087, nicole.wermuth@lec.tugraz.at
Dipl.-Ing. Christian Laubichler, +43 (316) 873-30089, christian.laubichler@lec.tugraz.at