Skip to content
BY 4.0 license Open Access Published by De Gruyter March 27, 2019

Zustandsüberwachung von Vorschubantrieben mithilfe eingebetteter Sensoren

Erkennung von verschleißbedingten Vorspannungsverlusten anhand des dynamischen Verhaltens des Vorschubantriebs

Condition Monitoring for Feed Drives Using Embedded Sensors
Johannes Ellinger , Maximilian Benker , James Rowe , Robin Kleinwort , Michael F. Zäh and Sebastian Unsleber

Kurzfassung

Um spanende Werkzeugmaschinen möglichst profitabel betreiben zu können, muss der aktuelle Verschleißzustand der Maschinen hinreichend genau bekannt sein. Dies kann durch kontinuierliche Zustandsüberwachung erreicht werden. Neuartige, direkt in die Komponenten des Antriebsstranges von Werkzeugmaschinen integrierte Sensoren bieten die Möglichkeit, dies auf einfache und kostengünstige Weise durchzuführen. Als Indikator für Verschleiß kann dabei direkt das dynamische Verhalten des Antriebsstranges herangezogen und so eine hohe Anlagenverfügbarkeit sichergestellt werden.

Abstract

For maximizing the profitability of cutting operations the actual condition of the used machine-tools must be precisely known. This can be done by continuous condition monitoring. Using new sensors directly embedded in the feed drive system is an enabler for simple and low-cost condition monitoring. It is possible to use the dynamic behaviour of the feed drive as an indicator for wear. This way, high availability as well as high machining precision can be ensured.


Johannes Ellinger, M. Sc., geb. 1990, studierte Maschinenbau an der Technischen Universität München und ist Wissenschaftlicher Mitarbeiter am iwb.

Maximilian Benker, B. Sc., geb. 1990, studierte Wirtschaftsingenieurwesen an der Technischen Universität Berlin und ist Wissenschaftlicher Mitarbeiter am iwb.

James Rowe, M. Sc., geb. 1994, studierte Maschinenbau an der Technischen Universität Troyes und war im Rahmen eines Praktikums am iwb tätig.

Robin Kleinwort, M. Sc, geb. 1988, studierte Maschinenbau an der Technischen Universität München und ist Wissenschaftlicher Mitarbeiter am iwb.

Prof. Dr.-Ing. Michael F. Zäh, geb. 1963, leitet seit 2002 gemeinsam mit Prof. Dr.-Ing. Gunther Reinhart das Institut für Werkzeugmaschinen und Betriebswissenschaften (iwb) der Technischen Universität München.

Dr. Sebastian Unsleber, geb. 1987, ist Projektleiter bei der Bosch Rexroth AG in Schweinfurt. Nach dem Studium der Nanostrukturtechnik an der Julius-Maximilians-Universität Würzburg promovierte er am Lehrstuhl für Technische Physik in Würzburg.


Literatur

1. Verl, A.; Heisel, U.; Walther, M.; Maier, D.: Sensorless Automated Condition Monitoring for the Control of the Predictive Maintenance of Machine Tools. CIRP Annals58 (2009) 1, S. 37537810.1016/j.cirp.2009.03.039Search in Google Scholar

2. Zaeh, M.; Kleinwort, R.; Fagerer, P.; Altintas, Y.: Automatic Tuning of Active Vibration Control Systems Using Inertial Actuators. CIRP Annals66 (2017) 1, S. 365368.10.1016/j.cirp.2017.04.051Search in Google Scholar

3. Walther, M.: Antriebsbasierte Zustandsdiagnose von Vorschubantrieben. Zugl.: Disseration, Universität Stuttgart, ISW/IPA 2011. Band 183: Forschung und Praxis. Jost-Jetter, Heimsheim2011Search in Google Scholar

4. Maier, D.: Sensorlose online Zustandserfassung von Vorschubantriebskomponenten in Werkzeugmaschinen. Zugl.: Stuttgart, Univ., Diss., 2014. Band 157: Berichte aus dem Institut für Maschinenelemente, Antriebstechnik, CAD, Dichtungen, Zuverlässigkeit. IMA, Stuttgart2015Search in Google Scholar

5. Zhai, S.; Reinhart, G.: Predictive Maintenance als Wegbereiter für die instandhaltungsgerechte Produktionssteuerung. ZWF113 (2018) 5, S. 29830110.3139/104.111912Search in Google Scholar

6. Farrar, C.; Worden, K.: Structural Health Monitoring. John Wiley & Sons, Ltd, Chichester, UK201210.1002/9781118443118Search in Google Scholar

7. Tsai, P; Cheng, C; Hwang, Y.: Ball Screw Preload Loss Detection Using Ball Pass Frequency. Mechanical Systems and Signal Processing48 (2014) 1 – 2, S. 779110.1016/j.ymssp.2014.02.017Search in Google Scholar

8. Chang, J.-L.; Chao, J.-A.; Huang, Y.-C.; ChenJ.-S.: Prognostic Experiment for Ball Screw Preload Loss of Machine Tool through the Hilbert-Huang Transform and Multiscale Entropy Method. 2010 International Conference on Information and Automation (ICIA): The 2010 IEEE International Conference on Information and Automation. IEEE2010, S. 37638010.1109/ICINFA.2010.5512064Search in Google Scholar

9. Altintas, Y.; Park, S.: Dynamic Compensation of Spindle-Integrated Force Sensors. CIRP Annals53 (2004) 1, S. 30530810.1016/S0007-8506(07)60703-3Search in Google Scholar

10. Holm-Hansen, B.; Gao, R.: Structural Design and Analysis for a Sensor-integrated Ball Bearing. Finite Elements in Analysis and Design34 (2000) 3 – 4, S. 25727010.1016/S0168-874X(99)00042-6Search in Google Scholar

11. Luo, M.; Luo, H; Axinte, D.; Liu, D.; Mei, J.; Liao, Z.: A Wireless Instrumented Milling Cutter System with Embedded PVDF Sensors. Mechanical Systems and Signal Processing110 (2018), S. 55656810.1016/j.ymssp.2018.03.040Search in Google Scholar

12. Hillenbrand, J.; Spohrer, A.; Fleischer, J.: Zustandsüberwachung bei Kugelgewindetrieben – Integration von DMS-Sensorik in Kugelgewindetriebemuttern. wt Werkstattstechnik online108 (2018) 7/8, S. 493498Search in Google Scholar

13. Rebelein, C.; Vlacil, J.; Zaeh, M.: Modeling of the Dynamic Behavior of Machine Tools: Influences of Damping, Friction, Control, and Motion. Production Engineering Research and Development11 (2017) 1, S. 617410.1007/s11740-016-0704-5Search in Google Scholar

14. Rebelein, C; Semm, T; Zäh, M.: Simulation von Dämpfungseffekten in der gesamten Werkzeugmaschinenstruktur. ZWF112 (2017) 11, S. 736740Search in Google Scholar

Online erschienen: 2019-03-27
Erschienen im Druck: 2019-03-28

© 2019, Carl Hanser Verlag, München

This work is licensed under the Creative Commons Attribution 4.0 International License.

Downloaded on 9.12.2022 from https://www.degruyter.com/document/doi/10.3139/104.112046/html
Scroll Up Arrow