Drohnen- und Schwingungsdiagnose für Brückenkrane
Die Vier-in-Eins-Hyperfusions-Diagnoseplattform für Brückenkrane integriert drei Subsysteme – Infrarot-Thermografie, Drohnen-Inspektion aus großer Höhe sowie Schwingungs- und Ölanalyse – in einem einheitlichen Überwachungssystem. Durch die synergetische Analyse multi-modaler Signale ermöglicht sie eine frühzeitige Warnung und präzise Lokalisierung von Gerätefehlern.
Gemäß den Anforderungen des DIN 15018 (Krane; Grundsätze für Stahltragwerke) und der FEM 1.001 (Krane – Sicherheit – Mobilkrane) an das Gesundheitsmanagement von Anlagen sind die Fehlerbilder an kritischen Komponenten von Brückenkranen vielfältig und miteinander verknüpft: Verschleiß an Getriebezahnrädern erzeugt Vibrationen und Metallpartikel im Öl, die Alterung von Motorwicklungen führt zu lokalen Temperaturerhöhungen, und Risse im Hauptträger sind aus großer Höhe mit bloßem Auge kaum erkennbar. Eine einzelne Messmethode kann nicht alle Fehlertypen abdecken. Die von Kelude Schwerindustrie entwickelte Vier-in-Eins-Hyperfusions-Diagnoseplattform KL-DIAG-4000 vereint die drei Subsysteme Infrarot-Thermografie, multi-sensorische Drohneninspektion sowie Schwingungs- und Ölanalyse auf einer einheitlichen Datenplattform. Dies ermöglicht eine zeitliche und räumliche Synchronisation sowie eine koordinierte Warnung der multi-modalen Signale und steigert so die Diagnosegenauigkeit und -abdeckung signifikant.
Gesamtarchitektur des Vier-in-Eins-Systems
Das KL-DIAG-4000-System verwendet eine Drei-Schichten-Architektur: Die Sensorik-Schicht besteht aus einer Infrarotkamera (Auflösung 640×480, NETD<30mK), einer multi-sensorischen Drohnenplattform (4K-Visual + 640×512 Wärmebild + LiDAR), Vibrationsbeschleunigungsmessern (IEPE-Typ, Frequenzgang 0,5 Hz bis 10 kHz) und Online-Ölsensoren (Kombination aus Partikelzählung, Viskosität und Feuchtigkeit). Die Datenfusionsebene ist auf einem Edge-Computing-Gateway (NXP i.MX 8M Plus, 4 Kerne Cortex-A53 + 2 Kerne Cortex-M7) implementiert und führt Algorithmen zur Synchronisation der Zeitbasis und zur Merkmalsfusion aus. Die Anwendungsebene überträgt die Daten über 4G/5G an die Cloud-Plattform und bietet Dashboard-Anzeigen, Warnmeldungen und Trendanalysen.
Die Daten der einzelnen Subsysteme werden mit unterschiedlichen Abtastraten von 10 Hz bis 1 kHz erfasst. Das Edge-Gateway verwendet das Precision Time Protocol (PTP) IEEE 1588v2 für eine Synchronisation im Sub-Mikrosekundenbereich, um sicherzustellen, dass die Zeitstempel von Vibrationsphase und Wärmebild übereinstimmen. Alle Daten werden zentral in der Zeitreihendatenbank InfluxDB gespeichert. Jeder Brückenkran erzeugt täglich etwa 2,8 GB Rohdaten, die nach der Edge-Kompression auf 120 MB pro Tag reduziert werden können.
Nach der Merkmalsextraktion an der Edge werden nur die Merkmalsvektoren und Alarmereignisse hochgeladen, was die Bandbreitenbelastung des industriellen Werkstattnetzwerks erheblich reduziert. In einem Stahlwerk beispielsweise, wo 12 Brückenkrane im Schmelzbereich an die KL-DIAG-4000-Plattform angeschlossen sind, beträgt die tägliche Upload-Datenmenge der Edge-Gateways etwa 1,4 GB (Rohdaten ca. 33,6 GB/Tag). Jedes Gateway hat eine Leistungsaufnahme von nur 12 W (passive Kühlung, lüfterlos) und ist in einem IP65-Schutzgehäuse untergebracht, das für die extremen Temperaturschwankungen und Vibrationen in Kranumgebungen ausgelegt ist. Die Plattform unterstützt die industriellen Protokolle Modbus TCP, OPC UA und MQTT und ist mit gängigen SPS-Herstellern kompatibel (Siemens S7-1200/1500, Rockwell ControlLogix, Mitsubishi FX5U), was die Integration in bestehende MES- und SCADA-Systeme erleichtert.
Submodul 1: Infrarot-Thermografie zur Temperaturerhöhungsdiagnose
Das Infrarot-Thermografiemodul besteht aus einer fest installierten Wärmebildkamera (montiert über dem Führerhaus, Sichtfeld 67°×52°) und einer tragbaren Inspektionskamera. Es scannt automatisch alle 4 Stunden die wichtigsten elektrischen und mechanischen Komponenten des Brückenkrans. Das System verwendet ein KI-basiertes Semantik-Segmentierungsmodell (basierend auf der U-Net-Architektur), um automatisch 38 kritische Temperaturmessbereiche (ROIs) zu extrahieren, darunter Motorverdrahtung, Kühler des Frequenzumrichters, Reibbelag der Bremse und Kabelverbindungen. Die Temperaturschwellwerte für jeden Bereich werden automatisch anhand der Technischen Spezifikation des jeweiligen Geräts abgeglichen.
Wenn die Temperaturanstiegsrate eines ROI 5 °C/Stunde überschreitet oder die absolute Temperatur einen Schwellwert übersteigt (z. B. Motorwicklung ≥130 °C, gemäß F-Klasse-Isolationsgrenzwert in Anlehnung an DIN EN 60085), löst das System automatisch eine Warnung aus und speichert das Wärmebildvideo dieses Zeitraums. Betriebsdaten zeigen, dass dieses Modul eine Vorwarnzeit von 48 bis 72 Stunden für die Vorwärmung der Motorlager ermöglicht. Die Infrarotdaten fließen auch in die multi-modale Fusionsentscheidung ein und werden mit Vibrationsmerkmalen kreuzvalidiert, um die Fehlalarmrate zu reduzieren.
Die Wärmebildkamera ist mit einem elektrisch fokussierbaren Objektiv (Brennweite 25 mm, Sichtfeld 24°×18°) ausgestattet. Bei einem Arbeitsabstand von 15 m beträgt die räumliche Auflösung pro Pixel etwa 0,6 mm, was ausreicht, um überhitzte Kabelanschlüsse und lokale Wärmeflecken am Außenring von Lagern zu erkennen. Jede Inspektion erzeugt ein Wärmebild, das automatisch im Anlagendossier archiviert wird und historische Trendvergleiche ermöglicht: Wartungspersonal kann in der Plattformoberfläche die Temperaturkurve desselben ROI für die letzten 30, 90 oder 180 Tage abrufen. Eine Umgebungstemperatur-Korrekturlinie (basierend auf den Daten des Werkstatt-Umgebungstemperatursensors) wird überlagert, um anomale, fehlerbedingte Temperaturanstiege von saisonalen Schwankungen zu unterscheiden. Der integrierte Temperaturdifferenz-Algorithmus basiert auf den von der ISO 18434-1 empfohlenen zweistufigen Schwellwerten: Δt≥5 °C (Vergleich mit symmetrischem Punkt) und Δt≥8 °C (Vergleich mit historischer Basislinie).
Submodul 2: Multisensor-Höheninspektion mit Drohnen
Die an einer Quadrokopter-Drohne (DJI Matrice 350 RTK) montierte Multisensor-Plattform umfasst eine 4K-Visualkamera, eine Wärmebildkamera mit 640×512 Pixeln und einen Livox Mid-360-Laserscanner. Die Drohne inspiziert automatisch entlang vordefinierter 3D-Flugrouten und erfasst dabei Hochbauteile wie das obere Flanschblech des Hauptträgers, die Verbindungsbereiche der Endträger, die Katzbahn, die Schleppleitung und die Drahtseile. Die Flugbahn wird mittels RTK-Differenzial-GPS (Zentimeter-genaue Positioniergenauigkeit) in Verbindung mit einem zuvor erstellten BIM-Modell autonom navigiert – ein manueller Eingriff ist nicht erforderlich.
Die visuellen Bilder werden in Echtzeit mit dem YOLOv8-Objekterkennungsmodell verarbeitet. Dadurch lassen sich Ablösungen der Beschichtung, Schraubenlockerungen (mittels Hough-Transformation zur Erkennung der Winkelabweichung der Schraubenköpfe) und Drahtseilbrüche (Linienabtastung zur Erkennung von Oberflächentexturänderungen) automatisch identifizieren. Die LiDAR-Punktwolke dient der Erkennung von Abweichungen in der Geradheit der Schiene (Norm-Anforderung ≤ 2 mm/m, gemäß GB/T 10183-2020) sowie von Veränderungen der Krümmung des Hauptträgers. Jede Inspektion erzeugt einen strukturierten Bericht, der den Fehlertyp, die Positionskoordinaten (bezogen auf das Kran-Koordinatensystem) und die Risikoklasse ausweist. Ein typischer Inspektionszyklus ist monatlich; die Inspektion eines einzelnen Brückenkrans dauert etwa 15 Minuten.
Die Inspektionsberichte der Drohne werden automatisch mit historischen Daten abgeglichen, um neue Fehler und Trends bei bestehenden Fehlern zu kennzeichnen. Für abgelöste Beschichtungen berechnet das System den Anteil der abgeblätterten Fläche mittels eines Bildsegmentierungsalgorithmus (DeepLabV3+) und generiert eine Trendkurve. Wenn die abgeblätterte Fläche in einem Bereich bei zwei aufeinanderfolgenden Messungen um mehr als 20 % zunimmt, wird dies als beschleunigter Beschichtungsversagen gewertet und eine vorzeitige Korrosionsschutzbehandlung empfohlen. Die Veränderungskurve der Hauptträger-Krümmung ist ebenfalls eine wichtige Eingangsgröße für die Prädiktive Wartung: Gemäß FEM 1.001 sollte die Krümmung in der Spannweitenmitte zwischen 0,9/1000 und 1,4/1000 der Spannweite liegen. Eine Warnung wird ausgelöst, wenn die per LiDAR gemessene Vorbiegung unter 0,5/1000 fällt oder die Abnahmerate 0,1/1000 pro Jahr überschreitet. Die KL-DIAG-4000-Plattform integriert diese strukturellen Gesundheitskennwerte mit Vibrations- und Infrarotdaten in einem einheitlichen Anlagen-Dashboard.
Submodul 3: Akustisch-Vibrations-Öl-Fusionsdiagnose
Die Akustisch-Vibrations-Öl-Fusionsdiagnose bildet den Kern der Diagnose-Engine. An den Getrieben, Motoren und Trommellagergehäusen sind IEPE-Beschleunigungssensoren (PCB 352C33, Messbereich ±50 g) zur Erfassung von Vibrationssignalen installiert. Zusätzlich überwacht ein Online-Ölsensor (Parker Kittiwake KS10) am Getriebeboden kontinuierlich die Anzahl metallischer Partikel, die Viskosität und den Wassergehalt des Öls. Die Vibrationsanalyse verwendet die vierstufigen Schwellenwerte der Vibrationsstärke nach ISO 10816-3:2009 (≤ 1,8 / 1,8–4,5 / 4,5–11,2 / ≥ 11,2 mm/s für Geräte der Klasse I). Zusätzlich werden Frequenzbereichsmerkmale (Energieanteile der Seitenbänder der ersten und zweiten Harmonischen im FFT-Spektrum) und Zeitbereichsmerkmale (Kurtosis, Impulsfaktor) extrahiert.
Wenn die Vibrationsstärke den gelben Schwellenwert (4,5 mm/s) überschreitet und gleichzeitig eine Konzentration ferromagnetischer Partikel im Öl von > 2000 Partikeln/ml festgestellt wird, klassifiziert das System den Zustand als frühen Zahnradverschleiß (nicht als Lagerfehler), mit einem Konfidenzwert von ≥ 0,85. Durch diesen Mechanismus der Vibrations-Öl-Kreuzvalidierung wird die Fehlalarmrate der eindimensionalen Diagnose von etwa 18 % auf etwa 4 % bei der Fusionsdiagnose reduziert. Das Akustisch-Vibrations-Öl-Modul führt alle 12 Stunden eine umfassende Analyse durch; die Analyse dauert etwa 8 Minuten (inklusive Vibrationsimpulserfassung, Ölprobenahme und KI-Inferenz).
Mehrstufige Kooperationswarnung und Wirksamkeitsbewertung
Die kooperative Warnung der Vier-in-Eins-Plattform basiert auf einem mehrstufigen evidenzbasierten Datenfusionsalgorithmus. Jedes Submodul berechnet unabhängig einen Fehlerwahrscheinlichkeitswert (0–1), die anschließend auf Entscheidungsebene mittels gewichteter D-S-Evidenztheorie (Dempster-Shafer-Theorie) fusioniert werden. Die Gewichtungskoeffizienten werden dynamisch basierend auf der Diagnosekonfidenz jedes Submoduls für die spezifische Fehlermodus angepasst. Beispielsweise betragen die Gewichte für Zahnradverschleiß: Vibration 0,45, Öl 0,40, Infrarot 0,10, Drohne 0,05.
In einem Pilotprojekt an sechs 32-t-Gießkränen in einem Stahlwerk erzeugte das System über einen Betriebszeitraum von sechs Monaten insgesamt 42 Warnungen. Davon wurden 35 nach einem Stopp als echte Fehlersymptome verifiziert (Genauigkeit 83,3 %), 7 waren Fehlalarme (hauptsächlich durch plötzliche Umgebungstemperaturänderungen verursachte Infrarot-Fehlmessungen). Im Vergleich zur herkömmlichen eindimensionalen Diagnose verbesserte die Fusionsdiagnose die durchschnittliche Vorwarnzeit von 7,2 Tagen (nur Vibrationsdiagnose) auf 12,5 Tage (eine Steigerung von 73,6 %). Kelude Schwerindustrie nutzt die Diagnosedaten dieser Plattform, um die Algorithmusmodelle kontinuierlich zu optimieren und den Kunden vierteljährlich ein Plattform-Upgrade-Paket bereitzustellen.
| Diagnose Einsatzszenario | eindimensional Diagnose Genauigkeit | Fusion Diagnose Genauigkeit | Vorwarnzeit |
|---|---|---|---|
| Getriebezahnrad Verschleiß | 71.3% | 89.7% | 14~21Tag |
| Motorlager Vorwärmung | 65.8% | 86.2% | 48~72Stunde |
| Drahtseil Drahtbruch | 78.4% | 91.5% | unmittelbar |
| Schiene Geradheit Maßabweichung | 82.1% | 94.3% | unmittelbar(Inspektion) |
| Hauptträger Riss | 58.6% | 82.9% | 7~14Tag |
| Mittelwert | 71.2% | 88.9% | — |
Häufig gestellte Fragen
F: Welche Vorteile bietet die integrierte Vier-in-Eins-Diagnoseplattform gegenüber drei separaten Einzelsystemen?
A: Der entscheidende Vorteil liegt in der Daten-Synergie. Drei separate Systeme verfügen jeweils über eigene Datenerfassungsgeräte, eigene Übertragungskanäle und eigene Verwaltungsoberflächen – eine systemübergreifende Zeitsynchronisation und Merkmalskorrelation ist nicht möglich: Zeigt der Schwingungssensor eine Anomalie, befindet sich die Inspektionsdrohne womöglich noch am Laden. Nach der einheitlichen Zeitbasissynchronisation des KL-DIAG-4000 kann das System bei einer vom Schwingungssensor erfassten Stoßanomalie automatisch das zeitgleiche Wärmebild und die Ölpartikeldaten abrufen und eine lückenlose Fehlerbeweiskette erstellen. Darüber hinaus liegen die Bereitstellungskosten der einheitlichen Plattform rund 35 % unter denen dreier Einzelsysteme (gemeinsame Nutzung von Edge-Gateway, Stromversorgung und Kommunikationsverbindung).
F: Wie wird die Flugzuverlässigkeit und -sicherheit der Drohne in staubigen bzw. heißen Brückenkran-Werkstatthallen gewährleistet?
A: Zum Einsatz kommt die Industriedrohne DJI Matrice 350 RTK mit Schutzart IP55 und einem Arbeitstemperaturbereich von −20 bis +50 °C. Vor dem Flug werden die Umgebungsbedingungen automatisch geprüft – bei Windgeschwindigkeiten über 8 m/s, Staubkonzentrationen über 5 mg/m³ oder Temperaturen außerhalb des Arbeitsbereichs wird der Start automatisch verweigert. Während des gesamten Fluges sind die vorderen und hinteren Hindernisvermeidungsradare aktiv (horizontaler Erfassungsbereich 0,5–20 m, vertikal 0,5–15 m); bei einem Abstand von weniger als 2 m zur Stahlkonstruktion des Brückenkrans wird automatisch abgebremst. Bei RTK-Signalverlust oder Unterbrechung der Fernsteuerungsverbindung über mehr als 5 Sekunden kehrt die Drohne automatisch zum Startpunkt zurück (RTH-Funktion). Bei tatsächlichen Einsätzen in Stahlwerken wurden über 1.200 Flüge ohne einen einzigen Sicherheitsvorfall absolviert.
F: Muss der Ölsensor für die kombinierte Schwingungs- und Ölanalyse regelmäßig kalibriert und gewartet werden?
A: Der Online-Ölsensor Parker Kittiwake KS10 hat einen werkseitigen Kalibrierungszyklus von 12 Monaten. Der Sensor verfügt über eine integrierte Selbstprüffunktion, die täglich automatisch eine Empfindlichkeitsprüfung durchführt. Die Metallpartikelzählung basiert auf dem Laser-Lichtschattenprinzip; alle 3 Monate ist eine Genauigkeitskalibrierung mit einer Standard-Partikeldispersion erforderlich (das mitgelieferte Kalibrierungsset enthält Standardproben mit 1.000 Partikeln/mL und 5.000 Partikeln/mL). Die Viskositätsmessung nutzt das Prinzip der Quarzmikrowaage und muss alle 6 Monate kalibriert werden. Unter normalen Ölbedingungen (Norm AS 1638, Klasse ≤ 8) zeigt der Sensor eine zuverlässige Dauerbetriebsleistung mit einer mittleren Betriebsdauer zwischen Ausfällen (MTBF) von ≥ 18.000 Stunden.
F: Welche Umbauten am vorhandenen Brückenkran sind für die Implementierung der Vier-in-Eins-Plattform erforderlich?
A: Die wesentlichen Umbauarbeiten umfassen: Installation des Edge-Computing-Gateways und des 4G/5G-Kommunikationsmoduls im Elektroschrank des Brückenkrans (Belegung von 2U-Rackplatz); Bohren und Gewindeschneiden an den Motorlagern, den Getriebe-Ein-/Ausgängen und den Trommellagergehäusen zur Montage von IEPE-Schwingungssensoren (Standardausstattung: 8–12 Messpunkte pro Kran); Installation eines Online-Ölsensor-Kreislaufs an der Ölablassöffnung des Getriebes; Montage der Halterung für die Wärmebildkamera sowie der Strom- und Kommunikationskabel oberhalb des Führerhauses. Die Einflugroute der Drohne kann ohne Umbau des Krans selbst importiert werden. Die genannten Arbeiten können innerhalb des regulären Wartungsfensters (ca. 2 Tage) durchgeführt werden; die Stillstandszeit beträgt ≤ 4 Stunden (Verdrahtung des elektrischen Steuerungssystems).
