Erfassung von Zahnradschäden im Betrieb – Highspeedaufnahme und Machine Learning zur Schadensfortschrittsanalyse und für Condition Monitoring (HighspeedGearVision)

• Antragsteller: Professor Dr.-Ing. Karsten Stahl
• Fachliche Zuordnung: Konstruktion, Maschinenelemente, Produktentwicklung
• Förderung: Förderung seit 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 532790251

Zahnradgetriebe sind für viele Antriebssysteme ein elementarer Bestandteil. Ein unerwarteter Ausfall geht daher in der Regel mit hohen Risiken für Menschen, Maschinen und Kosten einher. Aus diesem Grund ist eine genaue Kenntnis von möglichen Schäden, deren Entstehung und Fortschritt, wichtig. Die Informationen dienen sowohl im Entwurf für eine optimale Auslegung, wie auch im Betrieb für Condition Monitoring durch die Korrelation mit Sensorsignalen. Heutigen Modellen und Untersuchungen fehlen allerdings Daten mit hochaufgelöster und kontinuierlicher Schadensinformation, vor allem in den Momenten, in denen Schädigungen schnell fortschreiten. Das bedeutet, es werden oft nur zu Beginn und Ende, teils in wenigen Unterbrechungen von Getriebeversuchsläufen oder Feldläufen die auftretenden Schädigungen quantitativ aufgenommen. Kontinuierliche Schadensinformation über die gesamte Lebensdauer, sogenannte Run-to-Failure-Daten, sind nur aufwendig zu erreichen und stehen daher der Forschung nicht zur Verfügung. Mit dem vorliegenden Forschungsprojekt soll ein innovativer Ansatz erforscht werden, um genau diesen zeitlichen und örtlichen Schadensfortschritt von Oberflächenschäden im laufenden Prüfstandsbetrieb kontinuierlich aufnehmen zu können. Aufgrund der teils sehr hohen Geschwindigkeiten wird hierfür eine Highspeed-Bildaufnahmetechnologie in Prüfstand und Messdatenerfassung integriert und mittels automatischer Bilderkennung und Machine-Learning-Algorithmen kontinuierlich quantifizierbare Schadensaussagen abgeleitet. Dadurch können einerseits grundlegende Kenntnisse über die Schadensentstehung und dessen Fortschritt gewonnen werden, die für die Detailierung und Validierung von Wirkmechanismen und Schadensmodellen wichtig sind. Andererseits kann die nötige Schadensinformation für die Erforschung von präzisen Condition-Monitoring-Algorithmen abgeleitet werden.

• DFG-Verfahren: Sachbeihilfen