Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

Störschallunterdrückung bei Luftschallanalysen in industriellen Fertigungsstrecken

 
: Nowak, Johannes; Grollmisch, Sascha; Cano, Estefanía; Lukashevich, Hanna; Liebetrau, Judith

Seeber, B. ; Deutsche Gesellschaft für Akustik -DEGA-, Berlin:
Fortschritte der Akustik. DAGA 2018 : 44. Jahrestagung für Akustik, 19.-22. März 2018, München
Berlin: DEGA, 2018
ISBN: 978-3-939296-13-3
ISBN: 3-939296-13-9
pp.595-598
Deutsche Jahrestagung für Akustik (DAGA) <44, 2018, München>
German
Conference Paper
Fraunhofer IDMT ()

Abstract
Dieses Paper stellt aktuelle Forschungsarbeiten zur automatisierten akustischen Qualitätsbewertung von Elektromotoren in industriellen Fertigungsstrecken vor. Im Fokus der Untersuchungen stehen mehrkanalige Luftschallanalysen und insbesondere die Unterdrückung von Störschall, mit dem Ziel den Stör-Nutzsignalverhältnis zu optimieren und somit Luftschallanalysen auch in lauten Umgebungen zu ermöglichen. Konkret werden unterschiedliche Ansätze evaluiert, um Störschall, wie z.B. den Umgebungslärm in einer Werkshalle, zu unterdrücken und somit das Betriebsgeräusch des Elektromotors zu isolieren und seinen Zustand mithilfe maschineller Lernverfahren zu erkennen. Um dies zu erreichen werden in den Experimenten drei Ansätze evaluiert: erstens wird der Einfluss der gerichteten Schallaufnahme bewertet, zweitens werden Quellentrennverfahren angewandt und drittens werden die maschinellen Lernverfahren zur Zustandsklassifikation durch entsprechendes Training gegen Störschalleinflüsse gehärtet. Für die Experimente wurde eine Fertigungszelle nachgebildet, um unter realitätsnahen Bedinungen den Einfluss von Störschall auf die Klassifikationgenauigkeit zu testen. Als Prüflinge wurden baugleiche Elektromotoren analysiert, die nach entsprechender Manipulation leicht unterschiedliche Klangcharakteristika aufwiesen. Die Ergebnisse zeigen, dass alle drei vorgestellten Ansätze das Stör-Nutzsignalverhältnis optimieren können und die Klassifikationgenauigkeit des nachgeschalteten maschinellen Lernverfahren verbessert. Die Kombination aller drei Verfahren ermöglicht die effektivste Störsignaluntterdrückung und erlaubt somit die automatisierte Qualitätsbewertung von Elektromotoren in industriellen Fertigungsstrecken basierend auf Luftschallanalysen.

: http://publica.fraunhofer.de/documents/N-503230.html