Smarte Schwingungsdiagnose an Antriebselementen von Straßenbahnen zur Zustandsüberwachung

Straßenbahnen sind eines der wichtigsten urbanen Verkehrsmittel, um den wachsenden öffentlichen Personennahverkehr (ÖPNV) ökologisch, nachhaltig und emissionsfrei zu transformieren. Doch mit verstärkter Auslastung wächst der Wartungsbedarf und das Verlangen nach einer zustandsabhängigen Instandhaltungsstrategie. Die Schwingungsdiagnose ist eine gängige Methode für die Zustandsüberwachung von Maschinen. In dieser Arbeit wird gezeigt, wie mittels energieeffizienter und smarter Sensorsysteme trotz rauer Betriebsbedingungen eine Zustandsüberwachung der Drehgestelle von Straßenbahnen gelingt. Mittels Datenanalyse werden die relevantesten Einflussfaktoren auf die Diagnose identifiziert und darauf aufbauend ein smartes Messkonzept vorgestellt. Die im Messkonzept einzusetzenden Sensorsysteme besitzen eine hohe energetische Verfügbarkeit, die für die Realisierung einer Energieversorgung basierend auf Vibrations-Energiewandler untersucht wird. Für einen minimalinvasiven Einsatz der Sensorsysteme wird ein Softsensor zur Erfassung der Drehzahl entwickelt, der kurze, verrauschte, multifrequente und aperiodische Schwingungssignale als Eingangsgrößen besitzt. Dieser unterdrückt Rauschen und schätzt die Drehzahl ohne Vorkenntnisse zum Maschinenaufbau. Zur Klassifikation des Drehgestellzustands werden Klassifikationsmodelle entwickelt, die die störenden Schwingungseinflüsse aus dem Rad-Schiene-Kontakt erkennen und Aussagen zur Instandhaltungsbedürftigkeit der Drehgestelle zulassen.