Die lager sind der wichtigste bestandteil des motors und ihre leistungsfähigkeit beeinflussen die zuverlässigkeit und instandhaltung des gerätes. Eine genaue prognose der lebenserwartung der werkzeuglager hätte es ermöglicht, im voraus maßnahmen zur wartungs – Oder ersatzbewegung zu Treffen um solche unfälle zu vermeiden. Dieser beitrag untersucht, wie die grundlagen der werkzeuglager untersucht wurden und wie die lebensdauer berechnet werden kann.
Die radlager dienen hauptsächlich als stützen und schienen, um die reibung zwischen rollen zu reduzieren und den betrieb sicherzustellen. Die häufige radlager haben rolllager und rolllager. Die kugellager bestehen aus innen -, außen -, rollen – und stangen und sind hauptsächlich aus salz – und schauerlager bestand. Die kurbel unterliegt dieser kraft der rast – und radströmungen, wodurch sie reibung und abfall erzeugt.
Die langlebigkeit der radlager basiert auf theoretischen modellen und auf datengestützten prognosemethoden.
Prognosemethoden basieren auf einem theoretischen modell: mit dieser methode wird die zugalter berechnet, indem man das versagen der lager analysiert. Verbreitete mechanismen sind erschöpfung, verfall und erosionsverlust. Der vorteil mittels eines theoretischen modells besteht darin, die veralterung der lager statistisch zu erklären, benötigt aber oft ein besseres verständnis Von lagerstoffen und deren herstellung.
Datengestützte vorhersagemethoden: mit dieser methode werden die zugalter mithilfe Von statistiken berechnet, mithilfe deren die lager lager entwickeln Oder statistische modelle Oder technische schulmodelle erstellt werden. Zu den gängigen statistischen modellen gehören ein weiblich-verteilungsmodell und ein modell der exponentialverteilung, und ein modell für roboterbildung etwa neurale netze und unterstützung für vektoren. Der vorteil eines datenbasierten vorhersageansatzes besteht darin, dass die verfügbaren daten zur verfügung stehen, wenn auch hochwertige und quantitative daten benötigt werden.
Dies ist ein beispiel für die prognose der lebensdauer der datengetriebenen elektrischen lager:
In einem windpark gibt es ähnliche arten Von windräder, die alle mit denselben wellen ausgestattet sind. Um die lagerdauer vorherzusagen, sammelten die mitarbeiter betriebsdaten aus jedem lager, welche die dauer, die temperatur, die vibrationen usw. trugen. Mit dem spülen und vorbearbeitung der daten haben die bediensteten geeignete parameter als eingabedaten für ihr modell ausgewählt.
Was wiederum bedeutet, daß die mitarbeiter das SVM als ein vorhersagemodell benutzen, um die lebensdauer der lager zu beeinflussen. Zunächst trainieren sie mit einem teil der daten und testen dann mit einem anderen teil die modelle. Bei der modellausbildung haben die mitarbeiter die parameter des modells optimal berechnet, indem sie unter anderem eine raster – suche und kreuzprobe verwendeten, um die wartungpräzision des modells zu erhöhen.
Schließlich vergleichen die mitarbeiter die prognoseergebnisse mit der wirklichkeit und finden heraus, dass die modelle die ergebnisse besser mit der lebenserwartung übereinstimmen. In diesem fall zeigt sich, welchen wert datengestützte systeme zur beobachtung der lebenserwartung in der praxis haben.
Dieser beitrag schildert die grundlagen der konstruktion und arbeitsweise der werkzeuglager sowie den stand der studien zur entwicklung und anwendung Von lebensprognosen. In der praxis zeigte sich, dass diese auf daten gestützte methode zur beobachtung der zugsicherheit wertvoll war, um die lebenserwartung der werkzeuglager genauer vorherzusagen. Es erfordert jedoch sowohl die qualität als auch die quantität der daten, die bei der praktischen anwendung auf datengewinnung und -verarbeitung achten. Übrigens haben prognosemethoden, die auf theoretischen modellen beruhen, einzigartige vorteile, um das veralterung der lager rational zu erklären. Zukünftige forschungen könnten die kombination und optimierung dieser beiden methoden verbessern, um die genauigkeit und zuverlässigkeit der werkzeuglager zu verbessern.
