2020 Kooperationsprojekt

KILL VIB – Reduzierung von Vibrationen und Geräuschemissionen infolge von Käfiginstabilitäten in Wälzlagerungen

Trotz des vergleichsweise einfachen Aufbaus eines Wälzlagers können aufgrund bestimmter Kontaktsituationen komplexe dynamische Phänomene beobachtet werden. So kann ein Wälzlager unter bestimmten Betriebsbedingungen Vibrationen und eine unangenehme Geräuschentwicklung verursachen. Diese werden sehr häufig durch eine hochdynamische und als „instabil“ bezeichnete Bewegung des Käfigs hervorgerufen. Aktuell können derartige Käfigbewegungen und -vibrationen lediglich durch komplexe und zeitaufwendige Dynamiksimulationen berechnet werden.

Optisch gemessene (a) und in der Mehrkörpersimulation berechnete (b) Käfigdeformation und –dynamik (Quelle: Friedrich-Alexander-Universität Erlangen-Nürnberg, Lehrstuhl für Konstruktionstechnik (KTmfk), Schwarz)

Ziel des Projekts KILL VIB war es, eine Methodik zu entwickeln, die auf Basis einer Vielzahl an validierten Dynamiksimulationen eine einfache und zeiteffiziente Vorhersage der Käfigdynamik ermöglicht. Diese Methodik kann in den Produktentwicklungsprozess integriert werden und somit die Auslegung von Wälzlagern hinsichtlich ihres dynamischen Verhaltens verbessern.

Im Rahmen des Projekts wurden mehr als 4.000 Dynamiksimulationen verschiedener Wälzlager- und Käfigtypen durchgeführt. Diese werden je nach berechneter Käfigdynamik in verschiedene Bewegungstypen eingeteilt. Die Bewertung erfolgt mit einer für die Klassifikation von Käfigbewegungen entwickelten Kennzahl (Cage Dynamics Indicator). Sie ermöglicht eine automatisierte und objektive Auswertung der Käfigbewegung. Eingangsparameter der Simulationen sowie der ermittelte Bewegungstyp bilden zusammen die Datenbasis für einen Machine Learning Algorithmus. Dieser kann anhand der zugrundeliegenden Daten vorhersagen, ob sich der Käfig aufgrund der Eingangsparameter in einem kritischen Bewegungszustand befinden wird.  Zudem wurden im Projekt optische Messungen zur Ermittlung von Käfigbewegungen durchgeführt, um die Qualität der Dynamiksimulationen und des Machine Learning Algorithmus zu beurteilen, wobei eine sehr gute Übereinstimmung gezeigt werden konnte.

Projektfinder
.
Forschungsverbünde

In strategisch wichtigen Bereichen werden von der Forschungs­stiftung auch Forschungs­verbünde initiiert und gefördert.

.
Projektleitung
Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU)
Lehrstuhl für Konstruktionstechnik (KTmfk)
Projektpartner
Schaeffler Technologies AG & Co. KG