Langzeittests zur Analyse und Optimierung von Schwingungen

© Center for Wind Power Drives, RWTH Aachen University

Datenflut aus der Simulation von Lasten

Bauteile unterliegen während ihrer Laufzeit normalerweise den unterschiedlichsten Belastungen, den es stets zu genügen gilt, seien diese statischer oder dynamischer Art. Um das tatsächliche Verhalten eines Bauteils unter dynamischen Bedingungen testen zu können, werden in der Entwicklungsphase eines Bauteils auch Langzeittests bzw. Dauertests durchgeführt. Hierbei fallen allerdings bei dynamischen Messungen enorme Mengen an Daten an, welche zu folgendem Konflikt führen.

Präzision gegen Rechenaufwand

Herausforderungen

Einerseits sollen der Übersichtlichkeit geschuldet, alle Daten des Schwingungsverhaltens über den gesamten Zeitraum schnell analysierbar sein, aber andererseits muss der Datensatz für das Verständnis der Zusammenhänge des Schwingungsverhaltens in einer hohen Auflösung vorliegen. Der zugrundeliegende Konflikt lautet somit, den richtigen Kompromiss zwischen Speicheraufwand und Genauigkeit bei einer Schwingungsmessung über einen großen Zeitraum zu finden.

Mess- und Analysetechnik für Langzeittests ohne Kompromisse

Unsere Lösung

Ein Monitoring System in Verbindung mit einer Auswertungssoftware, die diesen eigentlichen Widerspruch löst und somit gleichzeitig bei der Genauigkeit und Geschwindigkeit der Datenanalyse punktet.

Die IFTA Systeme in Verbindung mit der Auswertesoftware IFTA TrendViewer ermöglichen eine sehr einfache Handhabung großer Datenmengen, wie sie beispielsweise in Langzeittests von Bauteilen anfallen. Der eigentliche Widerspruch zwischen großen Datenmengen (Rechenaufwand) zu einer schnellen Analyse, wird auf eine sehr elegante Art und Weise gelöst. Je nach Analysezweck können die Daten in unterschiedlichen Modi betrachtet werden. Um den gesamten Zeitraum zu erfassen, ist es ausreichend, die Daten mit einer geringeren Auflösung darzustellen, wobei bei Bedarf punktgenau mit höchster Auflösung an bestimmte Stellen gezoomt werden kann. Somit lassen sich sehr großen Datenmengen der Langzeitschwingungsanalyse kompromisslos verarbeiten.