Schwingungsmessung: So läuft die Technik in der Praxis

Das unübersichtliche Angebot an Schwingungsmesstechnik macht es für Maschinenbauer, vor allem Neulinge auf diesem Gebiet, schwer, die bestmögliche Technik beziehungsweise das am besten geeignete Messsystem herauszufinden. Diese Zusammenfassung gibt eine Übersicht der Anwendungsfälle und den aktuellen Stand der Technik.

Die Ursachen für gefährliche Schwingungen in Maschinen und Anlagen mit bewegten Massen können sehr vielfältig sein: Unwuchten, Ausrichtfehler, Wellenkrümmung, Fundamentprobleme, Kavitation, Verzahnungsfehler in Getrieben, Anbackungen an Lüfterschaufeln, Wirbelschwingungen in Gasen und Flüssigkeiten, elektrische oder magnetische Störungen und viele weitere Ursachen. Für so gut wie jeden Anwendungsfall gibt es den passenden Experten – und diese werden auch tatsächlich benötigt. Die Vibrationsmessung und vor allem die kompetente Analyse von Schwingungsproblemen, erfordert ein solides Grundlagenwissen, Erfahrung oder zumindest eine gute Beratung.

Dabei ist der Bedarf groß, in industriellen Anlagen Schwingungen zu messen, zu bewerten und zu überwachen – nicht nur bei Prozessmaschinen, sondern zunehmend auch an Fertigungsmaschinen. So haben viele Anbieter von Automatisierungstechnik ihr Produktangebot um Komponenten für die Schwingungsmessung erweitert und bieten für einige Anwendungen Schwingungsklemmen an, passend für ihr Gesamtsystem. Diese Entwicklung belegt den wachsenden Bedarf in der Fabrik- und Fertigungsautomatisierung. Schwingungen und Anlagenzustand sollen am besten gleich zusammen mit den automatisierungstechnischen Komponenten erfasst werden.

Wie sich große Maschinen vor Schwingungen schützen lassen

Schwingungen an großen rotierenden Maschinen wie Turbinen und Generatoren, Kompressoren oder Großverdichtern sind besonders kritisch. Werden die Schwingungsamplituden zu hoch, drohen schwerste und sehr teure Schäden. Um für diese Fälle besondere Sicherheit zu bieten, wurden entsprechende Anforderungen für Schutzsysteme definiert, zum Beispiel in der DIN ISO 10816 (neu 20816) und der API 670. Typische Überwachungsgrößen in diesen Maschinen sind die Messung der absoluten Lagerschwingung (mit Beschleunigungs- oder Schwinggeschwindigkeitssensoren), die relative Wellenschwingung (mit berührungslosen Wegsensoren) und die Messung der axialen Wellenbewegung (ebenfalls mit berührungslosen Wegsensoren).

Schwingungen treten mit unterschiedlichen Phasenlagen auf. Erst das Messen der Phasenlage ermöglicht die Analyse der Schwingungsursachen. Aus diesem Grund wird meist zusätzlich mittels Referenz-Sensoren die Wellenposition erfasst (und gleichzeitig die Drehzahl gemessen). Überwacht werden dann Kennwerte, die die Höhe der Schwingung bewerten (etwa die Schwingungsweite Smax, die Schwingungsamplitude vRMS, RMS-Werte harmonischer Schwingungsanteile, …).

Mit einer nachgelagerten Analyse-Software ist eine tiefergehende Diagnose der Schwingungsursachen möglich. FFT-, Kaskade-, Wasserfall-, Orbit-, Polar-, Bode, oder Nyquist- und Wellenmittelpunktdiagramm sind die typischen Analyseformen im Zeit- oder Frequenzbereich.

Für die Erfassung der Schwingungswerte kommen berührungslose Wegsensoren, Piezo- Beschleunigungssensoren, linearisierte (oft elektrodynamische) Schwinggeschwindigkeitssensoren und Luftspaltsensoren zum Einsatz.

Maschinenüberwachung nach DIN ISO 10816

An Lüfter, Motoren, Pumpen wird häufig die Maschinenüberwachung nach DIN ISO 10816 / 20816 zugrunde gelegt. Charakteristisch für diese Norm ist das Ausweisen des Schwingungszustandes durch vier Bewertungszonen A, B, C und D:

• A = neue Maschine
• B = geeignet für Dauerbetrieb
• C = nur noch begrenzte Zeit lauffähig. Bei nächster Gelegenheit Abhilfe schaffen
• D = Schäden an der Maschine können entstehen

Für diese Art der zustandsorientierten Überwachung ist es essentiell, dass das Überwachungsgerät auch tatsächlich den Vorgaben der Norm bezüglich der Signalaufbereitung folgt. Auf dem Markt sind stationäre und modulare Systeme lieferbar, die von einem Kanal aufwärts skaliert werden können. Stationäre Systeme sind für die Hutschienenmontage geeignet und verfügen über Schnittstellen (Feldbus, 4…20 mA, Digitalausgänge) zu einer SPS oder Leittechnik. Handgeräte kommen in mobilen Applikationen zum Einsatz und können von Routengängern verwendet werden. Hilfreich ist, dass einige Handgeräte eine automatische Messstellenerkennung über RFID nutzen und so ohne große Einarbeitung einsetzbar sind.

Gemessen wird häufig der Effektivwert der Schwinggeschwindigkeit in einem festen Frequenzbereich von 3 bis 1.000 Hz als Summenkennwert. Dieser Kennwert ist besonders aussagekräftig, weil die Höhe der Schwinggeschwindigkeit gleichzeitig ein Maß für die Höhe der an der Maschine erzeugten Schwingungsenergie ist. Die Schwinggeschwindigkeit ist für die Überwachung meist wichtiger als die Messung der Beschleunigung.

So wird der Zustand von Wälzlagern überwacht

Die Zustandsüberwachung von Wälzlagern ist eine etablierte Technik. Motoren, Pumpen und Lüfter mit Wälzlagern werden entweder mit Handmessgeräten in regelmäßigen Abständen geprüft oder mit fest installierten Systemen überwacht. Bedeutungsvoll sind in diesem Zusammenhang Lagerschadenskennwerte wie der BCU- oder k(t)-Wert, sogenannte Stossimpulskennwerte. Diese Kennwerte fassen den Gesundheitszustand eines Wälzlagers zu einem Summenwert zusammen. Instandhalter erhalten damit eine zuverlässige Entscheidungsgrundlage für einen präventiven Austausch des Lagers. Aus der Sicht vieler Instandhaltungsleiter ist eine Online-Überwachung des BCU-Wertes, auch mittlerer und kleinerer Aggregate, wünschenswert.

Zur Wälzlagerdiagnose kommen aufgrund Ihrer Empfindlichkeit und hohen Bandbreite meist Beschleunigungssensoren zum Einsatz. Neben den oben dargestellten Kennwerten ist eine gängige Auswertung die Berechnung eines Hüllkurvenfrequenzspektrums. Dieses Auswertungsverfahren ermöglicht die Beurteilung verschiedener, sogenannter Schadenssymptomfrequenzen. Wälzlager haben bauartbedingte, feste Schadenssymptomfrequenzen für Schäden am Innen- und Außenring, den Wälzkörpern (Kugeln oder Walzen) und dem Käfig. Jede Schadenssymptomfrequenz kann einzeln bewertet werden. So sind genaue Aussagen zum Lagerzustand möglich. Die Basis dieser Messtechnik ist, dass Lagerschäden hochfrequente periodische Stoßanregungen erzeugen. Das Hüllkurvenfrequenzspektrum ermöglicht durch eine geschickte signaltechnische Verarbeitung (Hochpass + Gleichrichtung + Tiefpass) eine präzise Auswertung.

Intelligente Signalanalyse und Industrial Analytics

In einigen Fällen reichen die hier bislang beschriebenen Verfahren nicht aus, um die Ursachen von Schwingungsproblemen zu finden und zu überwachen. In solchen Fällen werden weitere Messwerte und Anlagenparameter erfasst und zusammenhängend mit den Schwingungen analysiert. Erst die Korrelation von mehreren Einflussfaktoren liefert dann einen aussagekräftigen Wert, der überwacht werden kann. Dafür erforderlich sind Methoden der intelligenten Signalanalyse, auch bekannt unter ‚Industrial Analytics‘ oder ‚Maschine Learning‘. Ob Korrelationsverfahren oder tiefergehende statistische Verfahren notwendig sind muss je nach Anwendungsfall entschieden werden.

Mit Hilfe von Industrial Analytics-Methoden ist es zusätzlich möglich, Optimierungspotenziale in Maschinen aufzudecken, Qualitätsprobleme zu analysieren oder auch den Wirkungsgrad der Maschine zu steigern. Hinter den Korrelationsverfahren stecken aufwändige und berechnungsintensive Algorithmen. Insbesondere wenn die Anzahl der Eingangsgrößen hoch ist, reicht ein PC nicht mehr aus um die Daten zu verarbeiten und die Berechnung muss in die Cloud verschoben werden. Namhafte Cloud-Plattformen bieten längst Möglichkeiten an die Messwerte – auch Schwingungsmesswerte – statistisch zu analysieren. Die notwendigen Auswertungsmethoden, Regeln und Algorithmen werden von Data Analysten erstellt und in die Cloud-Systeme integriert. Ist der Einsatz cloud-basierter Systeme geplant, muss darauf geachtet werden, dass die Schwingungsmesstechnik über geeignete IIoT-Schnittstellen verfügt. MQTT ist eines der Standardprotokolle, das zur Kommunikation zwischen Feldgeräten und der Cloud verwendet werden kann.

Systeme für eine webbasierte Schwingungsüberwachung

Die Web-Technologie hat längst Einzug in die Schwingungsmessung gehalten. Verfügbar sind Erfassungs- und Überwachungsgeräte die direkt als IIoT-Gerät mit dynamischen Eingangskanälen und integrierter, webbasierter Visualisierungs- und Analysesoftware in die Cloud integriert werden können. Die Konfiguration und die Onlinedarstellung von Schwingungen und Kennwerten erfolgt bei diesen Geräten direkt über ausgereifte Analysediagramme und praxistaugliche Diagnosefunktionen mit dem Web-Browser. Oft verfügen solche Geräte über einen internen Datenspeicher, der Daten – autark von der Cloud – zwischenpuffern kann.

Sensorarten und ihre Funktionsweise in der Schwingungsmessung

Schwingungsmessung ist essenziell, um Maschinen, Bauwerke und Fahrzeuge vor unerwarteten Belastungen zu schützen. Dazu kommen verschiedene Sensorarten zum Einsatz, die je nach Anwendungsfall unterschiedliche physikalische Prinzipien nutzen.

Beschleunigungssensoren – die Allrounder in der Schwingungsmessung

Beschleunigungssensoren (Accelerometer) messen die Geschwindigkeit und Intensität von Vibrationen. Sie arbeiten meist mit piezoelektrischen oder MEMS-Technologien.

• Piezoelektrische Beschleunigungssensoren enthalten Quarz- oder Keramikelemente, die bei mechanischem Druck eine Spannung erzeugen. Diese Sensoren sind besonders robust und für industrielle Anwendungen geeignet, etwa zur Überwachung von Motoren oder Turbinen.
• MEMS-Beschleunigungssensoren (Micro-Electro-Mechanical Systems) nutzen winzige bewegliche Strukturen, die Kapazitätsänderungen messen. Sie sind kleiner, energieeffizient und finden sich in Smartphones, Wearables und modernen industriellen Monitoring-Systemen.

Geschwindigkeitssensoren – ideal für langsame Schwingungen

Geschwindigkeitssensoren, oft als Seismometer bekannt, messen die Geschwindigkeit von Vibrationen. Sie arbeiten elektromechanisch: Eine federnd gelagerte Masse bewegt sich in einer Spule, wodurch eine Spannung entsteht. Diese Sensoren eignen sich besonders für niederfrequente Schwingungen und finden Einsatz in der Bauwerksüberwachung, Erdbebenmessung und Schwingungsanalyse großer Maschinen.

Weg- oder Verschiebungssensoren – für hochpräzise Messungen

Wenn es darauf ankommt, die exakte Bewegung oder Verschiebung einer Oberfläche zu messen, sind Wegsensoren die erste Wahl.

• Induktive Sensoren (LVDT - Lineare Variable Differentialtransformatoren) messen magnetische Feldänderungen und sind besonders präzise, aber empfindlich gegenüber elektromagnetischen Störungen.
• Kapazitive Sensoren nutzen die Änderung der elektrischen Kapazität zwischen zwei Elektroden zur Distanzmessung und eignen sich für hochpräzise Anwendungen in der Forschung und Mikroelektronik.
• Laservibrometer arbeiten kontaktlos und messen Schwingungen per Doppler-Effekt. Sie sind extrem genau und werden in Luft- und Raumfahrt, der Automobilindustrie und in der zerstörungsfreien Werkstoffprüfung eingesetzt.

Dehnungsmessstreifen – wenn Materialien überwacht werden müssen

Dehnungsmessstreifen (DMS) erkennen Materialverformungen, indem sie Veränderungen im elektrischen Widerstand messen. Sie sind besonders nützlich in der Strukturüberwachung von Bauwerken, Maschinen und Fahrzeugen. Durch ihre hohe Empfindlichkeit können sie kleinste Materialermüdungen frühzeitig erfassen und so Schäden verhindern.

Akustische Emissionssensoren – Vibrationen hörbar machen

Diese Sensoren erfassen hochfrequente akustische Signale, die durch Risse, Reibung oder Materialermüdung entstehen. Sie werden vor allem zur Früherkennung von Schäden in Metallstrukturen, Rohrleitungen oder Druckbehältern eingesetzt.

Der richtige Sensor für jede Anwendung

Je nach Einsatzgebiet gibt es spezialisierte Sensoren für die Schwingungsmessung. Beschleunigungssensoren sind universell einsetzbar, während Laservibrometer höchste Präzision liefern. Dehnungsmessstreifen und akustische Emissionssensoren helfen, strukturelle Schwächen frühzeitig zu erkennen. Die Wahl des passenden Sensors ist entscheidend für eine zuverlässige Überwachung und eine frühzeitige Fehlererkennung.

Schwingungsüberwachung im Ex-Bereich

Im Ex-Bereich oder bei verteilten Maschinen werden oft drahtlose Überwachungssysteme eingesetzt. Solche Systeme können Maschinenschwingungen und Temperatur synchron messen und den Maschinenzustand überwachen. Ein drahtloses System besteht aus drei Einzelkomponenten: Funksensoren, drahtlose Messwerterfassungsstation und Analysesoftware. Die Software dient der Überwachung des Maschinenzustandes in Echtzeit und ermöglicht den Anwendern, Fehler der Maschine im Voraus zu erkennen.

In weit verteilten Industriearealen wird zunehmend Long Range-WAN, kurz LoRaWAN, als Übertragungsmedium für die Messsignale eingesetzt. LoRaWAN bietet die Möglichkeit mit autark arbeitenden, batteriegespeisten Sensoren große Industrieareale abzudecken. LoRaWAN eignet sich besonders für die Schwingungsmessung im Sinne von Condition Monitoring und es ist davon auszugehen, dass in Kürze intelligente Sensoren verfügbar sein werden.

Motorstromanalyse als Überwachungswerkzeug

Die Motorstromanalyse beruht darauf, dass sich mechanische Defekte wie Lagerschäden, Unwuchten oder Kavitation direkt im Motorstrom abbilden und durch präzise Strom- und Spannungsmessung – quasi aus der Distanz – erfasst werden können. Solche CMS-Systeme sind für die meisten elektromotorisch angetriebenen Geräte und Generatoren geeignet. Diagnostiziert wird ein sehr breites Spektrum an elektrischen und mechanischen Fehlern, die nicht nur den Motor oder Generator, sondern auch die angeschlossenen Maschinen wie Pumpen, Lüfter, Kompressoren und Turbinen umfassen. Solche Systeme liefern Hinweise auf die Art und Schwere der Entwicklung von Fehlern. Für eine Untersuchung wird ein Motor mit Stromzangen und Spannungswandlern verbunden. Ein Auswertungsgerät erfasst über einen Zeitraum von etwa 30 Minuten die Messwerte, erstellt eine Maschinenanalyse und generiert daraus einen übersichtlichen Bericht, in dem die Schadenssymptome beziehungsweise der Gesundheitszustand der Maschine bewertet wird. Entsprechende Lösungen sind sowohl für den stationären als auch den mobilen Einsatz verfügbar.

Moderne Analysemethoden in der Schwingungsmessung

Die Analyse von Schwingungen ist ein zentraler Bestandteil der vorausschauenden Instandhaltung und Qualitätskontrolle. Dank moderner Technologien lassen sich Vibrationen heute präziser und effizienter untersuchen als je zuvor. Neben klassischen Methoden wie der Fourier-Analyse spielen auch neue Verfahren wie maschinelles Lernen, IoT und Big Data eine immer größere Rolle.

Fourier-Analyse – Frequenzkomponenten sichtbar machen

Eine der bekanntesten Methoden zur Schwingungsanalyse ist die Fourier-Transformation (FFT – Fast Fourier Transform). Sie wandelt ein komplexes Schwingungssignal in seine einzelnen Frequenzbestandteile um und ermöglicht so die Identifikation von Unwuchten, Lagerschäden oder Resonanzen.

Besonders in der Maschinenüberwachung ist diese Technik weit verbreitet, da sie hilft, typische Fehlerbilder zu erkennen. So können beispielsweise ungewöhnliche Schwingungsmuster in einem Elektromotor auf einen beginnenden Lagerschaden hinweisen.

Wavelet-Analyse – zeitliche Veränderungen genau erfassen

Während die Fourier-Analyse sich auf die Zerlegung in Frequenzanteile konzentriert, bietet die Wavelet-Analyse einen anderen Ansatz. Sie eignet sich besonders für kurzfristige Ereignisse, wie plötzliche Stöße oder Risse, die in einer herkömmlichen Frequenzanalyse möglicherweise nicht auffallen würden.

Diese Methode wird häufig in der Strukturüberwachung von Brücken, Windkraftanlagen und Hochhäusern eingesetzt, da sie präzise erkennt, wie sich Schwingungen über die Zeit verändern.

Modale Analyse – Schwingungsverhalten von Strukturen verstehen

Die modale Analyse hilft dabei, die natürlichen Eigenfrequenzen und Schwingungsformen einer Struktur zu bestimmen. Besonders in der Luft- und Raumfahrt oder im Fahrzeugbau ist diese Methode wichtig, um sicherzustellen, dass Bauteile nicht unerwartet in Resonanz geraten und Schaden nehmen.

Ein Beispiel aus der Praxis ist die Entwicklung von Fahrzeugchassis, bei denen gezielt geprüft wird, ob bestimmte Frequenzbereiche problematisch sind. Dadurch können Ingenieure die Konstruktion anpassen, bevor ein Prototyp überhaupt gebaut wird.

Künstliche Intelligenz – smarte Fehlererkennung in Echtzeit

Mit der fortschreitenden Digitalisierung setzen immer mehr Unternehmen auf künstliche Intelligenz (KI), um Schwingungsmuster zu analysieren. KI-gestützte Systeme lernen aus historischen Daten und können Abweichungen frühzeitig erkennen, bevor ein Schaden entsteht.

Maschinelles Lernen kommt vor allem in der Predictive Maintenance (vorausschauenden Wartung) zum Einsatz. Sensoren überwachen permanent den Zustand von Maschinen, während Algorithmen mögliche Defekte vorhersagen. Dies reduziert ungeplante Ausfälle und Wartungskosten erheblich.

Ein Beispiel ist die automatische Erkennung von Lagerschäden in Windkraftanlagen. Anhand der Schwingungsdaten kann die KI kleinste Anomalien erfassen und eine Wartung empfehlen, bevor es zu einem Ausfall kommt.

IoT und Big Data – Schwingungsanalyse in Echtzeit

Durch das Internet of Things (IoT) lassen sich Sensoren vernetzen, sodass Schwingungsdaten in Echtzeit analysiert werden können. Hier kommt Big Data ins Spiel: Große Mengen an Sensordaten werden gesammelt und mit modernen Analyseverfahren ausgewertet.

Eine besonders fortschrittliche Anwendung ist die Nutzung von digitalen Zwillingen – virtuellen Modellen realer Maschinen. Diese Zwillinge simulieren das Verhalten von Anlagen unter realen Bedingungen und helfen dabei, mögliche Probleme frühzeitig zu identifizieren.

Ein weiteres Beispiel ist Edge Computing, bei dem Sensordaten direkt vor Ort verarbeitet werden. Dies ermöglicht schnelle Reaktionszeiten und verhindert Verzögerungen, die durch den Datentransfer in die Cloud entstehen könnten.

Die Schwingungsmessung hat sich in den letzten Jahren stark weiterentwickelt. Während klassische Methoden wie die Fourier-Analyse weiterhin eine wichtige Rolle spielen, ermöglichen neue Technologien wie KI, IoT und Big Data eine noch präzisere und vorausschauende Fehlererkennung. Durch den Einsatz intelligenter Systeme lassen sich Maschinenzustände in Echtzeit überwachen, Wartungskosten reduzieren und ungeplante Stillstände vermeiden. In der Industrie wird die Kombination aus modernen Sensoren und smarter Analyse immer mehr zum Standard – und macht die Schwingungsmessung effizienter als je zuvor.