Acoustic Emission bei der Maschinen- und Prozessüberwachung – Neue Analysemethoden und Anwendungsgebiete
Franz Domenic Boos, Karl Nienhaus
„Alles messen, was messbar ist, und messbar machen, was noch nicht
messbar ist“ dieses Zitat, welches dem italienischen Gelehrten Galileo Galilei
zugeschrieben wird, verdeutlicht die besondere Stellung der Messtechnik in den ingenieurwissenschaftlichen Disziplinen. Das Sichtbarmachen von technischen bzw. natürlichen Vorgängen und das damit verbundene Messen von physikalischen
Größen ist seit Jahrtausenden die treibende Kraft für das Verständnis unserer
Umwelt. Heute stehen dem Ingenieur eine Vielzahl von Messprinzipien für
die Beschreibung von technischen Vorgängen zur Verfügung, sodass die Auswahl und damit die Frage nach geeigneter Sensortechnik zunehmend komplexer wird.
Die vorliegende Arbeit erweitert diese Fragestellung um die Betrachtung der Acoustic Emission Technologie, deren Analysemethoden und potentielle
Anwendungsgebiete. Infolge der Fortschritte der digitalen Datenverarbeitung und der Entwicklung hochleistungsfähiger Messtechnik ist die Acoustic Emission
Messtechnik in den letzten Jahren immer mehr in den Fokus wissenschaftlicher aber auch industrieller Applikationen gerückt.
Durch die Vielzahl der Anwendungsmöglichkeiten zeigt sich zum einen, welches Potential in dieser Technologie steckt, zum anderen jedoch auch, dass die
Algorithmenentwicklung zur Beschreibung der Acoustic Emission Signale weiter
voranschreiten und für jeden Anwendungsfall angepasst werden muss. Im
Rahmen dieser Arbeit werden drei grundlegende Vorgehensweisen für die Analyse
von Acoustic Emission Signalen vorgestellt – statistische Analysemethoden im
Zeitbereich,frequenzbasierte Analysemethoden und Bursterkennung mit an-
schließender signalformbasierter Analyse. Die unterschiedlichen Analyse-
methoden werden am Beispiel von vier Anwendungsfällen (Material-
erkennung beim Zerspanungsvorgang, Stoffstrom- und Einzelkorncharakterisierung von Kalziumsulfat-Rohstoffen, Rissinitiierung und Risswachstum am Beispiel von Dauerschwingversuchen und Maschinendiagnose am Beispiel der Überwachung von oszillierenden Wälzlagern) gegenübergestellt.
