Sensorik Zustandsdiagnose auf drahtlosen Sensorknoten

Autor / Redakteur: Stefan Lorisch, Sebastian Schirrmacher * / Holger Heller

Mit Hilfe einer Datenanalyse auf einem Mikrocontroller in unmittelbarer Nähe der Messstelle entstehen intelligente Sensorknoten, die eine Zustandsprognose von Getriebebauteilen ermöglichen.

Firmen zum Thema

Schiffsgetriebe: Drahtlose Überwachung durch energieautarke Miniatur-Sensoren
Schiffsgetriebe: Drahtlose Überwachung durch energieautarke Miniatur-Sensoren
(Bild: Reintjes GmbH)

Die Entwicklung von miniaturisierten, energieautarken Sensorknoten zur drahtlosen Überwachung von Schiffsgetrieben ist Ziel des aktuellen Forschungsprojekts DriveCoM „Einsatz drahtloser Kommunikationstechnologie zur wirtschaftlichen Zustandsüberwachung von Schiffsgetrieben“ des Instituts für Integrierte Produktion Hannover (IPH).

Die Zustandsdiagnose erfolgt mit Hilfe von verteilten energieautarken Sensorknoten, die kabellos miteinander kommunizieren können [Lan12]. Vorteil des drahtlosen Sensornetzwerkes ist der Verzicht auf den notwendigen Verkabelungsaufwand an schwer zugänglichen Stellen im gekapselten Getriebe. Durch die energetische Versorgung des Sensorknotens mittels Energy Harvesting-Technologien, wird der Verkabelungsaufwand weiter reduziert und Wartungseinsätze zum Austausch erschöpflicher Energieversorgungen, wie Batterien, entfallen [Sch13].

Für die Zustandsüberwachung im Schiffsgetriebe sollen Schwingungen gemessen und unmittelbar an der Messstelle auf kritische Betriebszustände und Entwicklungen analysiert werden [Dav98]. Zur Realisierung der autarken Funktionalität der Sensorknoten muss eine intelligente Recheneinheit die notwendigen Prozesse steuern und überwachen. Dazu wurden verschiedene Mikrocontroller (MCU) hinsichtlich ihres Energieverbrauchs analysiert. Der PIC18F47J13 von Microchip benötigt im Betriebszustand lediglich 5,8 μA und verfügt über Sleep-Modi, in denen lediglich Ströme im nA-Bereich benötigt werden. Gleichzeitig verfügt die MCU über einen Rechentakt von 48 MHz.

Sensorboard mit Schwingungssensor

Zur Speicherung der Schwingungsdaten ist auf dem Sensorknoten noch ein zusätzlicher FRAM mit 2 MBit Speicherkapazität vorgesehen, da die verwendete MCU nur über 3760 Byte RAM verfügt. Alle Komponenten sind für den Betrieb bei 3,3 V Eingangsspannung ausgelegt und werden auf einem Sensorboard zusammengefügt (Bild 1).

Die Auswahl eines geeigneten Schwingungssensors erfolgt anhand der Funktionskriterien Signalbandbreite, Messbereich, Empfindlichkeit sowie der notwendigen Versorgungsspannung und Leistungsaufnahme. Der Schwingungssensor ADXL350 (Analog Devices) weist eine Signalbandbreite von 1600 Hz, einen Messbereich bis zu 8 g, eine Empfindlichkeit von 512 LSB/G sowie eine variable Eingangsspannung von 2 bis 3,6 V bei 140 μA Stromverbrauch auf.

Darüber hinaus verfügt das Sensorboard über weitere Anschlussmöglichkeiten für die Energieversorgung und zusätzliche Peripherie. Für den Betrieb der applizierten und angeschlossenen Hardwarekomponenten auf dem Sensorboard wird eine Energie von 50 mW einmal stündlich für eine Messzeit von 10 s benötigt. Im Folgenden werden die Berechnungsgrundlagen der Signalanalyse vorgestellt und auf dem Mikrocontroller umgesetzt.

Mit Hilfe der vorgestellten Hardware kann die Zustandsdiagnose mit Hilfe von Signalverarbeitungsalgorithmen erfolgen. Wichtigstes Diagnosewerkzeug für die Zustandsüberwachung stellt die Frequenz- und Hüllkurvenanalyse dar [Wes07]. Durch Krafteinwirkung des Schiffsmotors auf das Getriebe, werden alle Bauteile (z.B. Lager, Wellen, Zahnräder) zur Schwingung angeregt.

Durch Kenntnis der Kinematik und der Geschwindigkeit des Getriebes lassen sich einzelne Frequenzen direkt bestimmten Bauteilen zuordnen. Um die auftretenden Frequenzen aus den gemessenen Schwingungsdaten zu identifizieren, ist die Anwendung der Diskreten Fourier Transformation (DFT) notwendig. Der Algorithmus wurde für den PIC18F47J13 optimiert, um Rechenzeit und die damit benötigte Energiemenge zu reduzieren.

Die Berechnung einer DFT erfolgt gemäß der Gleichung:

N steht für die Anzahl, der in die Berechnung eingehenden Werte. Mit Hilfe der Indizes k und j erfolgt eine Gewichtung der Werte für den zugehörigen Frequenzbereich. Rechenoperationen mit Sinus- und Kosinusfunktionen können auf einem Mikrocontroller vorab hinterlegt werden, um den Rechenaufwand zu reduzieren. Dazu werden die komplexen Faktoren der Gleichung bestimmt, um die Berechnungen für Sinus- und Kosinuswerte einmalig vorab tätigen und in einer Lookup-Tabelle speichern zu können. Der Messwert wird aus dem statischen Speicher geladen, die Gewichtung der Frequenzanteile bestimmt und aufsummiert. Abschließend werden aus Real- und Imaginäranteil die Vektorlängen berechnet.

Frequenzanalyse auf dem Mikrocontroller

In Voruntersuchungen in Form von Schwingungsmessungen im Schiffsgetriebe konnte ein zugehöriges Frequenzspektrum aufgenommen werden. Die Betrachtung des Frequenzspektrums ergab, dass signifikante Spektrallinien in einem begrenzten Frequenzbereich auftreten. Daher wird die DFT auf der MCU nur im Bereich des identifizierten Spektralbereichs von 1 kHz bis 1,3 kHz berechnet, was als Berechnung einer partiellen DFT bezeichnet wird. Die Rechenzeit für die 9,1 Mio. auftretenden Fließkommaoperationen, für ein Datenvolumen von 8192 Werten beträgt 10 min und 31 s. Eine Möglichkeit zur Reduzierung der Rechenzeit besteht in der Transformation der Fließkommazahlen in Ganzzahlen. Die Ganzzahloperationen reduzieren die Berechnungszeit um weitere 2 min und 19 s.

In Bild 2 sind die partielle DFT in Fließkomma- und Ganzzahlberechnung sowie der Gesamtverlauf der DFT dargestellt. Die partielle Fließkommaberechnung stimmt mit dem ursprünglichen Verlauf vollständig überein. Die Ganzzahlberechnung weist im Vergleich zu den Fließkommaberechnungen Abweichungen in der Ausprägung der Amplituden von bis zu 30% auf. Ursache dafür ist die Größenbegrenzung des Wertebereichs auf der MCU von maximal 4 Byte. Die dominanten Spektrallinien sind trotz dieser Abweichungen eindeutig identifizierbar.

Bei weiteren Schwingungsmessungen wurde festgestellt, dass die dominanten Frequenzen mit der Geschwindigkeit des Schiffes variieren. Durch Auswertung der an den tatsächlichen Messstellen anfallenden Daten wurde deutlich, dass die ursprünglich identifizierten Frequenzbereiche zwischen 1 und 1,3 kHz über mehr als 800 Hz differieren können und somit die Berechnung des gesamten Spektralbereichs notwendig wird. Vor dem Hintergrund der vorgesehenen Energieversorgung von 500 mWs durch Energy Harvesting würde die dafür benötigte Rechenzeit der MCU in einer negativen Energiebilanz resultieren.

Durch die stark schwankenden Frequenzen im Schiffsgetriebe kommt eine Verwendung der DFT auf der MCU nicht in Frage. Abhilfe schafft die Berechnung und Auswertung von Indikatoren. Der Effektivwert der Beschleunigung, der Betrag des maximal auftretenden Messwerts sowie der Körperschallkennwert (K(t)), der einer möglichen Schädigungsklasse zugeordnet werden kann, sind neben relevante Indikatoren, die aus einer aktuellen Schwingungsmessung mit simplen Rechenoperationen bestimmt werden können.

Signalkennwerte auf dem Mikrocontroller

Liegen die Indikatoren in einem vorher definierten Toleranzbereich, werden lediglich die berechneten Kennwerte übertragen. Liefern die Indikatoren Hinweise auf eine Schädigung, so wird die gesamte Datenmenge übertragen, um auf einem übergeordneten System eine detaillierte Signalanalyse (z.B. Frequenzanalyse und Hüllkurvenanalyse) durchführen zu können. Die Übertragung der gesamten Messdaten wird in Anlehnung an Methoden zur Zustandsüberwachung bei Windenergieanlagen als zusätzliche Absicherung einmal täglich durchgeführt. Die Rechenzeit für 23 aussagekräftige Indikatoren beträgt mit der MCU lediglich 8,5 s.

Durch die Berechnung von Signalkennwerten sinkt der Aufwand für die stündliche drahtlose Datenübertragung. RFID bietet die Möglichkeit mit einem aktiven Lesegerät den Sensorknoten passiv auszulesen. Das heißt, der Sensorknoten muss nicht die Energie für die eigentliche Funkübertragung bereitstellen, sondern lediglich für die Überführung der Messdaten durch die MCU an die RFID-Funkschnittstelle. Durch die Festlegung, dass ein Rohdatensatz einmal täglich übertragen werden soll, steigt der Aufwand an die RFID-Technologie.

Bei der Funkübertragung von den oben genannten 8192 Messdaten wurde eine Übertragungszeit von 61 s gemessen. Diese Zeit gilt es geschickt einzuplanen (z. B. durch Verzicht einer Messung oder Aufteilung der Funkübertragung), damit weiterhin eine positive Energiebilanz vorliegt. Des Weiteren werden industrielle Funkstandards wie ZigBee oder Bluetooth analysiert. Möglicherweise zeigen sich bei Verwendung der alternativen Funktechnologien Vorteile hinsichtlich der Übertragungszeit oder der benötigten Energiemenge.

Effizienter und zeitsparender Rechenvorgang

Neben der vorgestellten Lösung wird ein weiterer Ansatz verfolgt. Die Nutzung eines leistungsstärkeren digitalen Signalprozessors (DSP) bietet die Möglichkeit, eine Fast-Fourier-Transformation (FFT) auf dem Sensorknoten durchführen zu können. Die Abbildung einer FFT ist mit dem PIC18F47J13 durch den geringen Speicherbereich von lediglich 3760 Bytes RAM nicht möglich. Daher wird ein dualer Ansatz verfolgt, indem die stromsparende MCU für die Steuerung des Sensorboards zuständig ist (Aktivierung der Sensoren, Ablegen der Messdaten im Speicher), während der DSP zur Berechnung der FFT zugeschaltet wird. Beispielsweise verfügt der TMS320C5505 (Texas Instruments) über einen Coprozessor, der für die Berechnung einer FFT mit 1024 Werten ausgelegt ist und damit sehr energieeffizient arbeiten kann.

Im ersten Schritt wurden 8192 Werte rein softwarebasiert berechnet. Für die Berechnung des Frequenzspektrums gemäß der DFT auf dem Mikrocontroller wurden lediglich 4 s bei einem Rechentakt von 1000 MHz benötigt, wobei eine Energiemenge von 60 mWs notwendig wurde. Diese Energiemenge ist in Verbindung mit dem Betrieb der Sensorik für die Messung und das Speichern der Daten mit den eingangs erwähnten 500 mWs noch zu hoch. Deshalb wird im weiteren Verlauf die Berechnung der FFT auf dem Hauptprozessor in für den Coprozessor berechenbare Längen separiert, sodass der Rechenvorgang energieeffizienter und zeitsparender vollzogen werden kann. Eine Analyse des daraus resultierenden Energiebedarfs schließt die weiteren Untersuchungen ab.

Förderhinweis:

Das Projekt „DriveCoM – Einsatz drahtloser Kommunikationstechnologie zur wirtschaftlichen Zustandsüberwachung von Schiffsgetrieben“ mit dem Förderkennzeichen 03SX350A wird mit Mitteln des Bundesministeriums für Wirtschaft (BMWi) im Rahmen des Forschungsprogramms „Maritime Technologien der nächsten Generation“ im Themenfeld „Schiffstechnik“ gefördert und vom Projektträger Jülich (PT-J) betreut.

Referenzen

[Dav98] Davies, A.: "Handbook of Condition Monitoring - Techniques and Methodology", Springer Science+Business, 1st Edition, Dordrecht 1998.

[Lan12] Lang, K. D; Benecke, S.; Kravcenko, E.: "Entwurfsunterstützung für Energieautarke Condition Monitoring Systeme", Abschlussbericht zum Forschungsvorhaben 16V3377, GfM Gesellschaft für Maschinendiagnose mbH, Berlin 2012.

[Sch13] Schröder, T.: "Funk-Sensornetzwerk belauscht Maschinen", in: weiter.vorn, Fraunhofer-Gesellschaft, H. 2-2013, pp. 14-15.

[Wes07] Wessely, M., et. al.: "Monitoring of Roller Bearings in the Context of Predictive Maintenance", in: First International EURASIP Workshop on RFID Technology, RFID 2007, Wien 2007.

* Stefan Lorisch ist Wissenschaftlich Technischer Mitarbeiter,

* Sebastian Schirrmacher ist Projektingenieur bei IPH – Institut für Integrierte Produktion Hannover.

Artikelfiles und Artikellinks

(ID:43013673)