Beschreibung

Ausführungsbeispiele der vorliegenden Erfindung beziehen sich auf ein Sensorsystem zur Zustandsüberwachung einer mechanischen Komponente oder Anlage. Bevorzugte Ausführungsbeispiele beziehen sich auf das Sensorsystem mit Fokus auf das Sensieren, das Sensorsystem mit Fokus auf einen Lernmodus oder auf das Sensorsystem mit Fokus auf weiteren kombinatorischen Aspekten. Ein weiteres Ausführungsbeispiel bezieht sich auf ein Verfahren zur Zustandsüberwachung einer Anlage mit einer oder mehreren mechanischen Komponenten sowie auf ein entsprechendes Computerprogramm.

Mechanische Anlagen werden beispielsweise mit üblicher schwingungsbasierter Sensorik überwacht (schwingungsbasierte CM-Systeme). Hierbei kommen beispielsweise Vibrationssensoren zum Einsatz. Ein typisches Überwachungsbeispiel eines Vibrationssensors ist eine Windenergieanlage oder der Antriebsstrang einer Lokomotive. Mit Vibrationssensoren können beispielsweise grobe Fehler, wie zum Beispiel Unwuchten, detektiert werden. Bei kleineren beziehungsweise langsamer laufenden Anlagen ist eine Überwachung mit Vibrationssensoren schwierig.

Ausgehend hiervon besteht der Bedarf nach einem Konzept zur Zustandsüberwachung einer mechanischen Komponente oder Anlage.

Aufgabe der vorliegenden Erfindung ist ein Konzept zur Zustandsüberwachung zu schaffen, das einen verbesserten Kompromiss aus Einsatzspektrum, Genauigkeit und Konfigurierbarkeit bietet.

Die Aufgabe wird durch den Gegenstand der unabhängigen Patentansprüche gelöst.

Ausführungsbeispiele der vorliegenden Erfindung schaffen ein Sensorsystem zur Zustandsüberwachung einer mechanischen Komponente oder einer Anlage mit einer oder mehreren mechanischen Komponenten. Das Sensorsystem umfasst einen ersten Sensor, wie zum Beispiel einen Vibrationssensor, der ausgebildet ist, eine Vibration der Anlage und/oder der einen oder mehreren mechanischen Komponenten zu detektieren und in Abhängig- keit von der Vibration ein erstes Sensorsignal auszugeben. Das Sensorsystem umfasst ferner einen zweiten Sensor, wie zum Beispiel einen aktiven Acoustic Emission (AE)-Sensor oder einen passiven Acoustic Emission-Sensor, der ausgebildet ist, um ein hochfrequentes Körperschallsignal an der Anlage oder der einen oder mehreren mechanischen Komponenten zu detektieren und um in Abhängigkeit von diesem Signal ein zweites Sensorsignal auszugeben. Synonym für Acoustic Emission wird akustische Emission oder Schallemission z.B. im Sinne von hochfrequentem Körperschall verwendet. Ausgehend von dem ersten Sensorsignal und/oder dem zweiten Sensorsignal ist eine Auskunft über einen Zustand der Anlage oder der mechanischen Komponente möglich, wobei bei entsprechenden Ausführungsbeispielen je nach Betriebszustand das erste oder das zweite Sensorsignal zu bevorzugen ist. Die Auswahl kann beispielswiese anhand eines Drehzahlsignals bestimmt werden. Deshalb umfasst das Hauptausführungsbeispiel eine Auswertevorrichtung, die ausgebildet ist, um ein Zusatzsignal für die Anlage auf Basis des ersten und zweiten Sensorsignals sowie eines Drehzahlsignals abzuleiten.

Ausführungsbeispielen der vorliegenden Erfindung liegt die Erkenntnis zugrunde, dass durch die Kombination von zwei Sensoren, die beispielsweise Körperschall in unterschiedlichen Frequenzbereichen (Vibration und akustische Emission (AE) im Ultraschallbereich) bestimmen können, ein Zustand wesentlich genauer überwacht werden kann, da je nach Anlage beziehungsweise Betriebszustand der Anlage das eine oder das andere Sensorsignal mehr berücksichtigt werden kann. Beispielsweise kann bei einer langsam drehenden Anlage beziehungsweise bei einer Anlage im langsam drehenden Zustand das zweite Sensorsignal (z. B. auf Ultraschallbasis) stärker gewichtet werden, während bei schnell drehenden Anlagen beziehungsweise einer Anlage im schnell drehenden Zustand das erste Sensorsignal (Vibrationssignal) stärker berücksichtigt wird. Deshalb wird entsprechend Ausführungsbeispielen das Drehzahlsignal beim Sensieren verwendet, um die zwei Sensorsignale unter Berücksichtigung ihrer Drehzahlabhängigkeit miteinander zu fusionieren.

An dieser Stelle sei angemerkt, dass eine Vibration typischerweise in Form eines Körperschalls vorliegt und zum Beispiel einen Frequenzbereich von 0,1 Hz bis 100 Hz, bis 500Hz, bis 5kHz, bis 10kHz oder bis 20 kHz haben kann. Ein Signal aus einem Schallemissionsereignis herrührend hat typischerweise einen Frequenzbereich von > 100 Hz, >500Hz, >5kHz, >10kHz oder >20 kHz. Entsprechend einer bevorzugten Varianten > 20 kHz, d.h. außerhalb des „hörbaren Bereichs“. Anstelle des akustischen Audiosignals kann ein akustisches Audiosignal verwendet werden. Das das akustische Audiosignal kann aus einem Schallemissionsereignis herrührt und/oder im Bereich größer 0,1 Hz, größer 0,1 kHz, größer 0,5 Hz, größer 0,5kHz oder größer 10kHz liegt.

Entsprechend Ausführungsbeispielen wird zur Bestimmung der Drehzahl der Anlage oder der einen oder mehreren mechanischen Komponenten ein dritter Sensor eingesetzt, der die Drehzahl detektiert und in Abhängigkeit von der Drehzahl das Drehzahlsignal ausgibt. Alternativ kann die Auswertevorrichtung ausgebildet sein, um das Drehzahlsignal auf Basis des ersten und/oder zweiten Sensorsignals zu bestimmen. Insofern verwendet die Auswertevorrichtung vorteilhafterweise das Drehzahlsignal, z. B. um das erste und das zweite Sensorsignal zueinander zu gewichten beziehungsweise zu präferieren.

Somit ist es also vorteilhafterweise möglich, durch die Verwendung beziehungsweise das Hinzuziehen des Drehzahlsignals, breite Klassen von Anwendungen zu erschließen und das Messsystem schnell an relevante Phänomene anzupassen. Durch die Auswertung von verschiedenen Frequenzbereichen wird außerdem eine Robustheit durch Kombination der Analyse in verschiedenen Frequenzbereichen gesteigert.

Deshalb umfasst die Auswertevorrichtung einen Fusionierer, der ausgebildet ist, das erste und das zweite Sensorsignal zu fusionieren, gegebenenfalls unter Berücksichtigung des Drehzahlsignals. Entsprechend Ausführungsbeispielen kann der Fusionierer ausgebildet sein, um das erste und das zweite Sensorsignal unter Berücksichtigung einer Gewichtung, die von der Drehzahl abhängig ist, zu fusionieren. Beispielweise ist der Anteil des zweiten Sensorsignals umso größer, umso geringer die Drehzahl ist. Entsprechend Ausführungsbeispielen ist das Ergebnis dieser Fusionierung und anschließenden Auswertung ein Zustandssignal, das beispielsweise eine Wartungsinformation ausgibt und/oder einen Wartungsbedarf anzeigt.

Entsprechend einem Ausführungsbeispiel werden die Sensorsignale (erstes und zweites) beziehungsweise das Drehzahlsignal über die Zeit erfasst und ausgewertet und/oder gespeichert. Entsprechend Ausführungsbeispielen ist die Auswertevorrichtung ausgebildet, um eine Veränderung des ersten und/oder des zweiten Sensorsignals und/oder des Drehzahlsignals über die Zeit zu erkennen. Beispielsweise kann die Auswertevorrichtung eine Veränderung des ersten und zweiten Sensorsignals in jeweils paarweiser Kombination über den jeweiligen Zeithorizont erkannt werden. Entsprechend weiteren Ausführungsbeispielen wäre es denkbar, dass die Auswertevorrichtung die Veränderung des ersten und zweiten Sensorsignals zusammen mit dem Drehzahlsignal, das heißt also in Kombination aller drei Signale, über die Zeit beziehungsweise den jeweiligen Zeithorizont erkennt. Das Auswerten über die Zeit hat den Vorteil, dass gegebenenfalls unterschiedliche Drehzahlen über die Zeit angefahren werden, wobei durch die Erkennung über die Zeit hier die Kombination der Informationen für die unterschiedlichen Drehzahlpunkte möglich ist. Beim Anfahren einer Anlage beispielsweise wird erst ein niedriges Drehzahlband und dann ein hohes Drehzahlband angefahren, so dass beispielsweise im hohen Drehzahlbereich Unwuchten, Fehlausrichtungen, Biegeschwingungen der Antriebswelle oder ähnliches erkannt werden, wobei in einem niedrigen Drehzahlbereich dann Schäden am Lagerkäfig, defekte Wälzkörper, fehlende Schmierungen und Verzahnungsschäden erkennbar sind. Im niedrigen Drehzahlbereich wird bevorzugter Weise der Körperschall analysiert, während im hohen Drehzahlbereich bevorzugter Weise das Ultraschallsignal ausgewertet wird. Allgemein ausgedrückt erfordern verschiedene Phänomene Messungen in verschiedenen Frequenzbereichen. Es sei angemerkt, dass der Frequenzbereich des Phänomens aber nicht unbedingt mit der Drehzahl zusammenhängt. Die Frequenzbereiche sind je nach Größe und Antriebsstrang unterschiedlich, hängen aber im Regelfall alle von der Drehzahl ab.

Entsprechend Ausführungsbeispielen wäre es auch denkbar, dass die Auswertevorrichtung ausgebildet ist, um eine Vorklassifikation des ersten und/oder des zweiten Sensorsignals durchzuführen, um vorklassifizierte erste und/oder zweite Sensorsignale auszugeben. Vorteilhafterweise kann mit einer Vorklassifikation die Indikationswirkung beziehungsweise Indikationsfähigkeit der einzelnen Signale erkannt werden. Entsprechend bevorzugten Ausführungsbeispielen erfolgt eine Klassifikation pro Sensor, was die Skalierbarkeit ermöglicht. Bei der Vorklassifikation wird beispielsweise das Sensorsignal dahingehend ausgewertet, ob relevante Anteile vorhanden sind oder nicht. Hierdurch wird dann auch der Berechnungsaufwand bei der allgemeinen Auswertung reduziert.

Entsprechend Ausführungsbeispielen kann die Auswertevorrichtung mit Trainingsdaten trainiert werden. Das Sensorsystem umfasst hierzu eine Eingabeschnittstelle, bei welcher ein Schadensereignis der Auswertevorrichtung von extern angezeigt werden kann. Alternativ kann auch ein weiterer Sensor vorhanden sein, der den Schaden an der Anlage oder mechanischen Komponente direkt detektiert. Die Auswertevorrichtung ist, insbesondere während des Lernmodus, dazu ausgebildet, das Schadensereignis in Kombination mit den aufgezeichneten Werten des ersten und/oder des zweiten Sensorsignals und in Kombination mit dem Drehzahlsignal abzuspeichern, um für die Anlage oder einer vergleichbaren Anlage als Referenz verwendet zu werden. Bei diesem Anlernen wird evaluiert, in welchem Sensorsignal beziehungsweise in der Kombination welcher Sensorsignale das Schadensereignis gut detektierbar ist. Der Berechnungsaufwand wird reduziert, wenn mit vorklassifizierten Daten gearbeitet wird. Die Auswertevorrichtung ist entsprechend weiteren Ausführungsbeispielen ausgebildet, um ein Schadensereignis in Kombination mit den Werten als Lerndaten für einen selbstlernenden Algorithmus oder einen Kl-Algorithmus abzuspeichern. Entsprechend Ausführungsbeispielen ist der selbstlernende Algorithmus beziehungsweise der Kl-Algorithmus ausgebildet, bei Ausführung Indikatoren für eine Zustandsänderung bei der Zustandsüberwachung zu erkennen. Entsprechend Ausführungsbeispielen kann der selbstlernende Algorithmus beziehungsweise Kl-Algorithmus ausgebildet sein, Zustandsklassifikationen nach Art und Auftreten eines Schadensereignisses durchzuführen. Hierbei werden zumindest das erste und das zweite Sensorsignal sowie das Drehzahlsignal verwendet. Entsprechend weiteren Ausführungsbeispielen ist der selbstlernende Algorith- mus/KI-Algorithmus ausgebildet, um die Verwendung des ersten und zweiten Sensorsignals zueinander zur Ermittlung einer Gesamtklassifikation in Abhängigkeit von der Drehzahl zu gewichten. Entsprechend weiteren Ausführungsbeispielen ist der selbstlernende Algo- rithmus/KI-Algorithmus ausgebildet, eine Kennlinie der Gewichtung des ersten und des zweiten Sensorsignals zueinander in Abhängigkeit von einer Drehzahl zu bestimmen. Diese Kennlinie kann beispielsweise derart gestaltet sein, dass das erste Sensorsignal bei niedrigerer Drehzahl höher gewichtet wird als das zweite Sensorsignal, während bei einer zunehmenden Drehzahl sich die Gewichtung entsprechend verändert, so dass dann das zweite Sensorsignal höher gewichtet wird als das erste. Entsprechend weiteren Ausführungsbeispielen ist der selbstlernende Algorithmus ausgebildet, einen Sensorausfall zu de- tektieren und in diesem Fall eine Zustandsklassifikation auf Basis der noch vorhandenen Sensorsignale durchzuführen.

Entsprechend einem Ausführungsbeispiel ist die Auswertevorrichtung auch im Lernmodus ausgebildet, um eine Vorklassifikation des ersten und/oder zweiten Sensorsignals durchzuführen, um vorklassifizierte erste und/oder zweite Sensorsignale auszugeben, oder um für das erste Sensorsignal eine Vorklassifikation durchzuführen und um für das zweite Sensorsignal eine Vorklassifikation durchzuführen, um vorklassifizierte erste und/oder zweite Sensorsignale auszugeben. Alternativ kann die Auswertevorrichtung ausgebildet sein, um einen selbstlernenden Algorithmus/Kl-Algorithmus auszuführen, der ausgebildet ist, um vorklassifizierte erste und/oder zweite Sensorsignale oder die ersten und/oder zweiten Sensorsignale hinsichtlich ihrer Indikationsfähigkeit zu analysieren, oder um die vorklassifizierten ersten und/oder zweiten Sensorsignale oder die ersten und/oder zweiten Sensorsignale hinsichtlich ihrer Indikationsfähigkeit zu analysieren, um eine Gewichtung oder Auswahl des jeweiligen ersten oder zweiten Sensorsignals für eine Fusionierung (als Zwischenebenen der Kl) abzuleiten. Alternativ kann der selbstlernende Algorithmus beziehungsweise Kl- Algorithmus ausgebildet sein, um die vorklassifizierten ersten und/oder zweiten Sensorsignale oder die ersten und/oder zweiten Sensorsignale in ihrer Beziehung zu dem Drehzahlsignal hinsichtlich ihrer Indikationsfähigkeit zu analysieren, oder um die vorklassifizierten ersten und/oder zweiten Sensorsignale oder die ersten und/oder zweiten Sensorsignale in ihrer Beziehung zu dem Drehzahlsignal hinsichtlich ihrer Indikationsfähigkeit zu analysieren, um unter Berücksichtigung des Drehzahlsignals eine Gewichtung oder Auswahl des jeweiligen ersten oder zweiten Sensorsignals für eine Fusionierung (als Zwischenebenen der Kl) abzuleiten.

Bezüglich der Funktionsweise sei angemerkt, dass der Selbstlernalgorithmus beziehungsweise Kl-Algorithmus ausgebildet ist, für das Lernen zufällig die ersten und zweiten Sensorwerte oder den Drehzahlwert auf null oder einen vorbestimmten Wert zu setzen. Hierdurch kann vorteilhafter Weise erkannt werden, ob der jeweilige Sensorwert aktuell eine Aussagekraft bietet. Entsprechend einem Ausführungsbeispiel wird für das Lernen der erste und der zweite Sensorwert getrennt klassifiziert, um einen kombinierten Klassifikator zu trainieren oder um alle Sensorwerte zusammen mit der Drehzahl zu klassifizieren, um einen kombinierten Klassifikator zu trainieren. Alternativ können die Sensorwerte zusammen mit der Drehzahl klassifiziert und trainiert werden.

Ein weiteres Ausführungsbeispiel schafft ein Sensorsystem, bei welchem ein zusätzlicher erster und ein zusätzlicher zweiter oder auch ein zusätzlicher Sensor anderer Art vorgesehen ist. Die Auswertefunktion ist dann ausgebildet, um den zusätzlichen ersten/zusätzlichen zweiten/zusätzlichen anderen Sensor bei der Auswertung beziehungsweise auch beim Training mit zu berücksichtigen. Beispiel für Sensoren eines anderen Typs sind Temperatursensoren (Thermographie) oder Motorstromsensoren.

An dieser Stelle sei angemerkt, dass entsprechend Ausführungsbeispielen jeder erste und/oder jeder zweite Sensor auf einer eigenen Einheit angeordnet sein kann. Alternativ kann das Sensorsystem auch nur eine Einheit umfassen, die den ersten und den zweiten Sensor aufweist.

Bezüglich der Anlage sei angemerkt, dass diese entsprechend einem Ausführungsbeispiel eine Rotationseinheit, wie zum Beispiel eine rotierende Welle, zumindest ein rotarisches Lager oder zumindest ein mechanisches Lager aufweist. Hierbei kann also die eine oder mehreren mechanischen Komponenten eine Lagerung einer Welle darstellen oder die Welle selbst.

Ein weiteres Ausführungsbeispiel schafft ein Verfahren zur Zustandsüberwachung einer Anlage mit einer oder mehreren mechanischen Komponenten. Das Verfahren umfasst die folgenden Schritte:

- Detektieren einer Vibration an der Anlage oder der ein oder mehreren mechanischen Komponenten mittels eines ersten Sensors und Ausgeben eines ersten Sensorsignals in Abhängigkeit von der Vibration;

- Detektieren eines Schallemissionssignals an der Anlage oder der ein oder mehreren mechanischen Komponenten mit einem zweiten Sensor und Ausgeben eines zweiten Sensorsignals in Abhängigkeit von dem Schallemissionssignals; und

- Erfassen der Drehzahl der Anlage; und

- Ableiten eines Zustandssignals für die Anlage auf Basis des ersten und/oder zweiten Sensorsignals und der Drehzahl der Anlage.

Das Verfahren kann entsprechend Ausführungsbeispielen computerimplementiert sein, so dass ein Computerprogramm mit einem Programmcode zur Durchführung des oben erläuterten Verfahrens oder zumindest eines Verfahrensschritts geschaffen wird, wenn das Programm auf einem Computer abläuft.

Weitere Bildungen sind in den Unteransprüchen definiert. Ausführungsbeispiele der vorliegenden Erfindung werden anhand der beiliegenden Zeichnungen erläutert. Es zeigen:

Fig. 1 a ein schematisches Blockschaltbild eines Messsystems gemäß einem

Basisausführungsbeispiel;

Fig. 1 b eine schematische Darstellung zur Illustration von unterschiedlichen

Frequenzbereichen zur Zustandsüberwachung zur Erläuterung von Ausführungsbeispielen;

BERICHTIGTES BLATT (REGEL 91) ISA/EP Fig. 1 c und 1d eine schematische Darstellung eines Messsystems bei einer konkre- ten Anwendung gemäß Ausführungsbeispielen;

Fig. 1 e eine schematische Darstellung zur Illustration einer Messung mit dem

Messsystem aus Fig. 1 c zur Erläuterung von Ausführungsbeispielen;

Fig. 1f bis h schematische Diagramme zur Darstellung von möglichen Testergebnissen zur Erläuterung von Ausführungsbeispielen;

Fig. 2 ein schematisches Blockschaltbild einer Auswertelogik zugehörig zu dem Messsystem gemäß Ausführungsbeispielen; und

Fig. 3 eine schematische Darstellung eines erweiterten Messsystems gemäß weiteren Ausführungsbeispielen.

Bevor nachfolgend Ausführungsbeispiele der vorliegenden Erfindung unter Bezugnahme auf die Figuren erläutert werden, sei darauf hingewiesen, dass gleichwirkende Element und Strukturen mit gleichen Bezugszeichen versehen sind, so dass die Beschreibung derer aufeinander anwendbar beziehungsweise austauschbar ist.

Fig. 1 a zeigt ein schematisches Blockschaltbild eines Messsystems 10 mit einem ersten Sensor 12 und einem zweiten Sensor 14. Darüber hinaus ist ein optionaler dritter Sensor 16 illustriert. Alle Sensoren 12 bis 16 sind mit einer Auswerteeinheit 18 verbunden.

Bei dem ersten Sensor 12 handelt es sich beispielsweise um einen Vibrationssensor, der ausgebildet ist, bei einer zu überwachenden Anlage beziehungsweise einer Komponente 20 einer zu überwachenden Anlage, hier eine Achse 20, Vibrationen zu detektieren und ein entsprechendes Sensorsignal 12s auszugeben. Frequenzen dieses Sensors liegen im Bereich von 0,1 Hz beziehungsweise 10 kHz oder sogar 20 kHz, je nach Dimensionierung. Bevorzugter Weise misst der Vibrationssensor 12 Vibrationen beziehungsweise niederfrequenten Körperschall, die z.B. in einem Frequenzbereich von 0,1 bis 100 Hz oder von 0,5 bis 500 Hz liegen oder allgemein 0,1 Hz bis 20 kHz. Je nach Implementierung können aber auch höhere Frequenzen, z. B. bis 5 kHz, 10 kHz oder 20 kHz gemessen werden, so dass sich dann also ein Messbereich von 0,1 Hz bis 5/10/20 kHz einstellt. Insofern kann allgemein gesprochen der Sensor 12 dazu ausgebildet sein, um Körperschall im hörbaren Be- reich zu detektieren. Der Sensor 14 detektiert ebenfalls Körperschall, allerdings bevorzugter Weise im höheren Frequenzbereich, z. B. ab 500 Hz oder 1 kHz oder ab 10 kHz oder 20 kHz, das heißt also im hörbaren Bereich oder Ultraschallbereich (allgemein gesprochen, akustische Emissionen). Entsprechend einer bevorzugten Variante kann akustische Emission (AE), z.B. im Ultraschallbereich, d.h. > 20 kHz (vgl. oben) gemessen werden. Der Sensor kann beispielsweise als passiver Acoustic Emission-Sensor ausgeführt sein. Entsprechend bevorzugten Ausführungsbeispielen ergänzen die Sensoren 12 und 14 sich so, dass ihre Frequenzbereiche aneinander angrenzen beziehungsweise teilweise überlappen, um insgesamt einen sehr breiten Messbereich abzudecken.

Ausgehend von der ermittelten Schallemission der Komponente 20 gibt der Sensor 14 ein Messsignal 14s ab.

Wie anhand von Fig. 1 b dargestellt ist, sind unterschiedliche Schadensereignisse in unterschiedlichen Frequenzbereichen besser detektierbar. Beispielsweise wird anhand einer Windenergieanlage 20w erläutert, welche Schadensereignisse in welchem Frequenzbereich gut zu detektieren sind. Das Spektrum s20w des Windrads 20w erstreckt sich von 0,1 bis 25000 einer beliebigen Einheit (z. B. Hertz). Im Bereich 0,1 bis 1000 können beispielsweise Resonanzen im Antriebsstrang des Windrades auftreten. Diese deuten auf eine Unwucht, eine Fehlausrichtung oder eine Biegeschwingung der Antriebswelle hin. Die (geometrieabhängige) Wellenlänge und die Frequenz einer sich ausbreitenden (Längs-/Druck-) Schwingung lassen sich anhand der Formel C _so iid = F miteinander in Beziehung setzen, wobei Csoiid die Schallgeschwindigkeit im Material und F die Frequenz und X die Wellenlänge darstellt. Im Bereich 20 bis 25000 sind andere Schadensereignisse, wie zum Beispiel Schäden am Lagerkäfig, defekte Wälzkörper, fehlende Schmierung oder Verzahnungsschäden, gut erkennbar. Bei Verwendung des Sensorsystems 10 aus Fig. 1 a ist sozusagen vorteilhafterweise ein Schadensereignis im niedrigen Frequenzbereich unter Zuhilfenahme des Sensors 12 und ein Schadensereignis zugehörig zu einem hohen Frequenzbereich unter Zuhilfenahme des Sensors 14 detektierbar. Häufig ist je Schadensereignis nicht das gesamte mit dem einzelnen Sensor 12 oder 14 gemessene Spektrum relevant, sondern nur einzelne Frequenzen.

Deshalb ist entsprechend optionalen Ausführungsbeispielen die Auswerteeinheit 18 dazu ausgebildet, jedes Sensorsignal 12s und 14s vorher zu klassifizieren. Hierbei wird die Auswertung auf das jeweilige Frequenzspektrum gerichtet. Das relevante Spektrum bezie- hungsweise der relevante Frequenzbereich kann je nach Drehzahl variieren, wie im Diagramm aus Fig. 1 b anhand der unterschiedlichen Fehlereignisse in den unterschiedlichen Frequenzen 0,1 bis 1000 beziehungsweise 20 bis 25 erkennbar ist. Auch um hier unterscheiden zu können, wird bei der Bewertung ausgehend von einer Drehzahl N zwischen den einzelnen Sensoren 12 und 14 hin- und hergeschaltet beziehungsweise die Präferenz auf eines der Sensorsignale 12s beziehungsweise 14s gelegt. Insofern ist die Auswerteeinheit 18 dazu ausgebildet, ausgehend von der Drehzahl N der Komponente 20, die mittels des Sensors 16 ermittelt wird, die Sensorsignale 12s beziehungsweise 14s auszuwählen beziehungsweise bevorzugt zur Auswertung hinzuzuziehen. Additiv kann auch innerhalb des Sensorsignals 12s beziehungsweise 14s die Drehzahl mitberücksichtigt werden, um die Auswertung des Signals 12s beziehungsweise 14s zu verbessern. Entsprechend einem Ausführungsbeispiel kann das Berücksichtigen der Drehzahl N beim Auswählen des Sensorsignals 12s beziehungsweise 14s dadurch erfolgen, dass in Abhängigkeit von der Drehzahl N eine Gewichtung des einen Sensorsignals (1 aus 12s + 14s) gegenüber dem anderen Sensorsignal 12s beziehungsweise 14s erfolgt. Die Gewichtung kann zwischen 0 und 100 % variieren.

Die Berücksichtigung von unterschiedlichen Frequenzbereichen in Abhängigkeit von der Drehzahl ermöglicht eine Anpassung an relevante Phänomene einerseits und andererseits auch ein breites Anwendungsspektrum mit demselben Sensorsystem 10. Beispielsweise kann mittels desselben Sensorsystems 10 auch der Antriebsstrang einer Lok 20I oder der Rollenförderer 20r mit überwacht werden. Der relevante Bereich s20l des Antriebsstrangs der Lok liegt beispielsweise zwischen 0,8 und 30k einer beliebigen Einheit (z. B. Hertz), während der relevante Frequenzbereich des Rollenförderers 20r, der mit dem Bezugszeichen s20r versehen ist, zwischen 5k und 50k liegt. Wie zu erkennen ist, sind die hohen Werte, z. B. 20k bis 50k dem Ultraschallbereich zuzuordnen, während für die niedrigen Frequenzbereiche 0,1 bis 1000 der relevante niedrige Bereich zwischen 0,8 bis 20k einer Vibration zuzuordnen sind. Die Kombination der zwei Sensoren 12 und 14 zu einem Sensorsystem 10 erhöht insgesamt die Robustheit der Analyse. Bezug nehmend auf Fig. 1c, 1 d und 1 e wird nun eine exemplarische Anwendung des Sensorsystems 10 an einem Elektromotor 20e erläutert. Der Elektromotor 20e ist beispielsweise an seinem Abtrieb mit einem Vibrationssensor 12 ausgestattet. Der Abtrieb ist mit einer Welle 20 verbunden, die von einem akustischen Emissionssensor 14 überwacht wird. Der Sensor 14 ist, wie anhand von Fig. 1 d zu erkennen ist, im Bereich eines Wälzlagers 20b angebracht. Als Messsignal dient hier nicht ein Drehzahlsensor, wie in Fig. 1 a, da hier vom Elektromotor 20e in einfacher Weise über die Elektronik 21 ein Drehzahlsignal abgegriffen werden kann. Die Elektronik 21 erhält auch die Sensorsignale 12s und 14s der Sensoren 12 und 14.

In Fig. 1 e ist das aktuelle Messergebnis dargestellt. Mittels der zwei Sensoren 12 und 14 wird die Vibration, z. B. herrührend von einer ungewuchteten Masse (unbalanced mass 20m) ermittelt. Dieses Signal ist über die Zeit in Diagramm 12s + 14s dargestellt. Durch die Auswerteeinheit wird ein pre-processing betrieben, so dass sich das Diagramm prei _2s + 14s einstellt. Da aktuell, wie anhand des Wertes für die Masse 20m dargestellt ist, kein Balancegewicht vorherrscht, wird dann im Analyseergebnis festgestellt, dass hier kein Schadensereignis vorliegt. Um das Diagramm 12s + 14s aus den zwei Sensorsignalen 12s und 14s zu generieren, wird hier noch der Betriebsparameter Drehzahl hinzugezogen. Mit diesem Aufbau können unterschiedliche Schadensereignisse illustriert werden. Im Zusammenhang mit den Fig. 1f bis 1 h wird nun anhand von drei Diagrammen das pre-processing und Erkennen von Schadensereignissen erläutert.

Fig. 1f zeigt drei akustische Emissionssignale über die Zeit aufgetragen, die sich wie folgt zusammensetzen: ein „burst type signal“ 23b weist über die Zeit einzelne Impulse 23bp auf, welche auf Beschädigungen von Komponenten (hier des Wälzkörpers) Rückschlüsse erlauben. Dieses „burst type signal“ (Burst Signal) 23b wird mit einem „continuous signal“ (kontinuierlichem Rauschsignal, hier das „Hintergrundrauschen“ des Antriebsstrangs im Betrieb) 23c überlagert, um das „mixed mode signal“ (gemischtes Signal) 23m zu erhalten, das dem messtechnisch erfassten Sensorsignal entspricht. In Fig. 1 g ist eine synthetische Kombination dieses „mixed signals“ 23m dargestellt. Dieses wird mit einem am Demonstrator gemessenen Signal aus Fig. 1f verglichen. Wie zu erkennen ist, ist der Signalverlauf sehr ähnlich zu dem synthetischen Signal. Beim Signal aus 1 h ist ein sogenannter „lead break test“ mit einem „bürst“ durchgeführt. Der Lead break Test erfolgt beispielsweise bei stehendem Antrieb und erzeugt einen Burst, der ungefähr dem Signal a) aus Fig. 1f) entspricht.

Das synthetische Signal aus Fig. 1 g oder auch das am Demonstrator gemessene Signal aus Fig. 1f kann als Trainingsdatensatz für Trainingsdaten verwendet werden. Entsprechend Ausführungsbeispielen wird die Auswerteeinheit 18, die beispielsweise einen Kl- Algorithmus beziehungsweise einen selbstlernenden Algorithmus aufweisen kann, ausgehend von einer Vielzahl an Trainingsdatensätzen, trainiert werden. Beispielsweise können mehrere Trainingsdatensätze für unterschiedliche Schadensereignisse oder auch diesel- ben Schadensereignisse der Auswerteeinheit 18 zugespielt werden, die dann die charakteristischen Punkte in den Sensordaten über die Zeit, wie z. B. charakteristischen Frequenzen oder Kombinationen von charakteristischen Frequenzen in Abhängigkeit von der Drehzahl bestimmt. Entsprechend bevorzugten Ausführungsbeispielen wird hierfür ein mehrstufiges Konzept verwendet, das anhand von Fig. 2 erläutert wird.

Fig. 2 illustriert ein mehrstufiges Konzept zur Auswertung von Sensordaten. Fig. 2 zeigt eine Auswertelogik, hier eine Kl-Auswertelogik 30, mit mehreren Eingängen 12‘ - 17_n‘. Die Auswertelogik 30 dient zur Klassifikation und Fusionierung der Sensorwerte der Signale von den Eingängen 12‘ - 17_n‘, um als Ergebnis eine Zustandsinformation auszugeben.

Der Eingang für die Sensordaten ist mit den Bezugszeichen 12‘, 14‘, 17 1 ‘, 17_n‘ versehen. Zusätzlich ist ein Zusatzinput 16‘ denkbar. Es kann beispielsweise davon ausgegangen werden, dass 12‘ der Eingang für den Vibrations-/Körperschallsensor darstellt, 14‘ der Eingang für den akustischen Schallsensor, 16‘ der Eingang für den Drehzahlsensor, wobei in den Eingängen 17_1 ‘ bis 17_n‘ weitere Sensoren, wie z. B. ein Temperatursensor oder Ähnliches hinzukommen können.

Jedes Sensorsignal 12s, 17_1 s und 17_ns wird mit einer Vorklassifikation 31 a-n vorklassifiziert. Anders ausgedrückt heißt das, dass pro Sensortyp ein Vorklassifikator 31 a-n vorgesehen ist, der an den jeweiligen Sensortyp beispielsweise angepasst sein kann. Das Vorsehen eines Vorklassifikators 31 a bis 31 n hat den Vorteil, dass so das ganze System beliebig skalierbar und auf andere Anwendungen mit anderen Sensorsignalen ausweitbar ist.

Die vorklassifizierten Ergebnisse 12sk, 14sk, 17 1 sk und 17_nsk werden in einer Zwischenebene der Kl-Auswerteeinheit 30 kombiniert. Diese Zwischenebene ist mit dem Bezugszeichen 32 versehen, präferiert einzelne vorklassifizierte Signale 12sk bis 17_nsk. Das Präfe- rieren kann beispielsweise auf Basis des Inputsignals 16s des Zusatzinputs 16‘ erfolgen. Zusätzlich wird in der Zwischenebene auch eine Kombination der einzelnen Signale durchgeführt, so dass beispielsweise in Abhängigkeit von der Drehzahl zwischen den zwei Eingängen 12‘ und 14‘ hin- und hergeschaltet wird bzw. diese unterschiedlich gewichtet werden. Das kombinierte Klassifizieren erfolgt dann im nachgeschalteten Klassifikator 34.

Der kombinierte Klassifikator 34 aggregiert die Zwischenergebnisse und führt somit zu einer höheren Genauigkeit durch die Verwendung weiterer Inputdaten. Ferner werden auch Schwächen und Ausfälle einzelner Sensoren, z. B. bei bestimmten Drehzahlen kompensiert.

Das Ergebnis 35 ist dann ein Zustandsergebnis, so dass beispielsweise in der Zwischenebene ausgehend von der Drehzahl erkannt wurde, dass vorzugsweise die Sensoren 12‘ in Kombination mit 17 1 für die Klassifikation verwendet werden, wobei dann die Wertekombination in dem Klassifikator 34 ergeben hat, dass es sich bei derartigen Werten um einen Zustand A oder B handelt. Ein Zustand A kann beispielsweise ein leicht verschlüsselter Zustand der mechanischen Anlage sein.

Entsprechend Ausführungsbeispielen erfolgt in der Vorklassifikation ein Auswerten des Sensorsignals an sich, so dass hier die relevanten Messdaten, wie z. B. Frequenzbereiche oder allgemein Messbereiche herausgefiltert und bereits vorklassifiziert werden.

Bezüglich des Klassifikationsvorgangs sei angemerkt, dass unterschiedliche Sensordatenkombinationen, z. B. von unterschiedlich aufgetretenen Schadensfällen den einzelnen Eingängen 12‘ bis 17n‘ zugespielt werden und diese Sensordaten nach Vorklassifikation ausgewertet werden. Dem Klassifikator 34 und/oder der Zwischenebene 32 und/oder den Vorklassifikatoren 31 a bis 31 n werden zusätzliche Informationen über den aktuellen Zustand, z. B. einen eingetretenen Schadensfall zugespielt, so dass dieser ausgehend von dieser Zusatzinformation folgende Erkenntnisse ziehen kann:

1. Erkennen des charakteristischen Anteils im Sensorsignal 12s bis 17_ns mittels der Vorklassifikation 12a bis 17n.

2. Erkennen der relevanten Signale 12s bis 17_ns mittels der Zwischenebene 32, um beispielsweise eine Gewichtung oder ein einzelnes charakteristisches Signal aus der Mehrzahl der Signale 12s bis 17ns herauszufinden und Kombinieren der vorselektierten und vorklassifizierten Signale zu der Zustandsinformation 35.

3. Zuordnen eines Schadensereignisses einer Sensor-Wertekombination.

Entsprechend Ausführungsbeispielen ist hierbei der Kl-Algorithmus beispielsweise ausgebildet, um zwischen den Sensorsignalen für die Zustandsklassifikation hin- und herzuschalten, eine Gewichtung, z. B. in Abhängigkeit des Zusatzinputs 16‘ zu analysieren und für spätere Messungen zu speichern oder auch die Sensorsignale ausgehend von der Mehrzahl der Sensorsignale gegenseitig zu validieren. Anders ausgedrückt heißt das, dass der Kl-Algorithmus die Indikationsfähigkeit der einzelnen Sensorsignale analysiert, verifiziert und bewertet, so dass die Aussagekraft/Indikationsfähigkeit der Sensorsignale für den Betrieb bekannt ist.

Entsprechend einem bevorzugten Ausführungsbeispiel erfolgt die Gewichtung zwischen dem ersten Sensorsignal, z. B. des akustischen Emissionssensors, und dem zweiten Sensorsignal, z. B. des Vibrationssensors, in Abhängigkeit von einer Drehzahl. Wie bereits erläutert, ist beispielsweise der eine Sensortyp bei niedrigen Drehzahlen und der andere Sensortyp bei hohen Drehzahlen der aussagekräftigere. Um diesen Rechnung zu tragen, wird zwischen den zwei Sensorsignalen oder zwischen von den Sensorsignalen abgeleiteten Signalen abhängig von einem Drehzahlsignal die Gewichtung durchgeführt. Diese Drehzahlabhängigkeit ist von Anlage zu Anlage nicht zwingend gleich. So kann beispielsweise eine kleine Anlage über einen sehr schmalen (niedrigen) Drehzahlbereich mit dem einen Sensortyp bevorzugt arbeiten und über einen breiten (hohen) Drehzahlbereich bevorzugt mit dem anderen Sensortyp arbeiten, während eine im Wesentlichen größere Anlage beispielsweise einen breiten (niedrigen) Drehzahlbereich unter Verwendung des einen Sensortyps nutzt und ein schmaler (hoher) Drehzahlbereich mit dem anderen Sensortyp. Entsprechend Ausführungsbeispielen gibt es nicht die eine Übergangsfrequenz, sondern in allen Übergangsbereichen gleitende Übergangsfrequenzen. Diesen wird Rechnung getragen, indem hier beispielsweise das Gewichtungsverhältnis von dem einen Sensorsignal zu dem anderen Sensorsignal in Abhängigkeit der Drehzahl variiert wird. Diese Variation kann anhand einer Kennlinie der Gewichtung erfolgen. Um diese Kennlinie herauszufinden, wird entsprechend Ausführungsbeispielen ein selbstlernender Algorithmus oder Kl-Algorithmus verwendet, der während des Betriebs und/oder während einer Lernphase die entsprechende Gewichtung ermittelt. Durch diesen Ansatz ist es vorteilhafterweise möglich, dass ein und dasselbe Sensorsystem bzw. insbesondere ein und dieselbe Auswertung für das Sensorsystem für unterschiedlichste Anlagen (beispielsweise klein, mittel oder groß) verwendet wird und sich die Auswertevorrichtung bzw. der Auswertealgorithmus selbstlernend an die entsprechende Anlage anpasst, indem er die optimale Gewichtungskennlinie ermittelt. Nachfolgend werden zwei Beispiele für Gewichtungskennlinien für zwei unterschiedliche Anlagentypen erläutert. Ein erster Anlagentyp bezieht sich auf eine große Rotationsmaschine, wie z. B. eine Windkraftanlage. Hier wird bevorzugter Weise der akustische Emissionssensor in niedrigen Drehzahlbereichen und der Vibrationssensor in hohen Dreh- zahlbereichen verwendet. Bei niedrigen Drehzahlen, z. B. kleiner 10 Umdrehungen pro Minute, liegt dann beispielsweise die Gewichtung bei 90:1. Bei hohen Drehzahlen (z. B. größer 25 Umdrehungen pro Minute) liegt dann beispielsweise die Gewichtung bei 10:90. Im Bereich dazwischen wird der Gewichtungsfaktor entsprechend variiert. Auch kann eine Gewichtungsvariation ober- und unterhalb der exemplarisch erläuterten Schwellen erfolgen, oder eine beliebige andere Abhängigkeit von der Drehzahl, inklusive mehrerer Übergangsfrequenzen.

Bei dem zweiten Anlagentyp handelt es sich um eine Walze eines Rollenförderers. Bei hohen Drehzahlen, z. B. größer 100 Umdrehungen pro Minute, wird insbesondere auf das Vibrationssignal abgestellt (90:1 Gewichtung), während bei kleineren Drehzahlen (kleiner 30 Umdrehungen pro Minute) vor allem auf das akustische Emissionssignal abgestellt wird (10:90). Der Bereich dazwischen kann wiederum durch eine Kennlinie als Übergangsbereich betrachtet werden.

Entsprechend Ausführungsbeispielen ist die Kennlinie linear. Entsprechend weiteren Ausführungsbeispielen ist die Kennlinie progressiv, S-förmig oder hat einen anderen Verlauf. Auch kann die Kennlinie derart ausgestaltet sein, dass ab einer gewissen Drehzahl ein Sensor überhaupt nicht mehr berücksichtigt wird, so dass sich also dann hier ein Gewichtungsfaktor 0 ergibt.

Entsprechend Ausführungsbeispielen wird nicht das Sensorsignal selber, sondern die mit Teilen des neuronalen Netzes vorverarbeiteten Signale gewichtet fusioniert. Daher auch immer die Ergänzung „oder von den Sensorsignalen abgeleitete Signale“. Ein genauer Wert ist nicht zwingend nötig, im neuronalen Netz sind es typischerweise Werte im Wertebereich [0,1]. Wichtig zu erwähnen ist, dass es auch mehr als ein Gewichtungswert sein kann. Ein Beispiel dafür wäre, dass auf Grundlage der jeweiligen Sensorwerte eine Zustandsklassifikation nach drei Zustandsklassen (gut, Fehler 1 , Fehler 2) durchgeführt wird. Beispielsweise kann es dann 3 Gewichtungswerte geben, wo die Konfidenzlevels der einzelnen Klassifikatoren je nach Klasse gewichtet werden.

Bezug nehmend auf Fig. 3 wird ein erweitertes Ausführungsbeispiel eines Sensorsystems 10‘ erläutert. Das Sensorsystem 10‘ umfasst die Datenverarbeitung 20‘, die einerseits von einer Sensorplattform 14* sowie andererseits von einer weiteren Sensorplattform 12* sowie einer optionalen weiteren Datenquelle 17* die Information erhält. Über die Sensorplattform 12* (DAQ Frontend) wird das Drehzahlsignal (vgl. Bezugszeichen 16), ein Vibrationssignal (vgl. Bezugszeichen 12) und ein Motorstromsignal (vgl. Bezugszeichen 16m) erhalten und als Sensordaten der Auswerteeinheit 20 zur Verfügung gestellt.

Die Auswerteeinheit 20 kann durch die maschinelle Lernfunktion 35, z. B. um eine Schnittstelle zum Erhalten bzw. Einheit zum Erkennen von Schadensereignissen erweitert werden. Bedient wird die Einheit 20 in Kombination mit dem maschinellen Lernen 35 durch eine GUI 37.

Obwohl manche Aspekte im Zusammenhang mit einer Vorrichtung beschrieben wurden, versteht es sich, dass diese Aspekte auch eine Beschreibung des entsprechenden Verfahrens darstellen, sodass ein Block oder ein Bauelement einer Vorrichtung auch als ein entsprechender Verfahrensschritt oder als ein Merkmal eines Verfahrensschrittes zu verstehen ist. Analog dazu stellen Aspekte, die im Zusammenhang mit einem oder als ein Verfahrensschritt beschrieben wurden, auch eine Beschreibung eines entsprechenden Blocks oder Details oder Merkmals einer entsprechenden Vorrichtung dar. Einige oder alle der Verfahrensschritte können durch einen Hardware-Apparat (oder unter Verwendung eines Hardware-Apparats), wie zum Beispiel einen Mikroprozessor, einen programmierbaren Computer oder eine elektronische Schaltung ausgeführt werden. Bei einigen Ausführungsbeispielen können einige oder mehrere der wichtigsten Verfahrensschritte durch einen solchen Apparat ausgeführt werden.

Je nach bestimmten Implementierungsanforderungen können Ausführungsbeispiele der Erfindung in Hardware oder in Software implementiert sein. Die Implementierung kann unter Verwendung eines digitalen Speichermediums, beispielsweise einer Floppy-Disk, einer DVD, einer Blu-ray Disc, einer CD, eines ROM, eines PROM, eines EPROM, eines EEPROM oder eines FLASH-Speichers, einer Festplatte oder eines anderen magnetischen oder optischen Speichers durchgeführt werden, auf dem elektronisch lesbare Steuersignale gespeichert sind, die mit einem programmierbaren Computersystem derart Zusammenwirken können oder Zusammenwirken, dass das jeweilige Verfahren durchgeführt wird. Deshalb kann das digitale Speichermedium computerlesbar sein.

Manche Ausführungsbeispiele gemäß der Erfindung umfassen also einen Datenträger, der elektronisch lesbare Steuersignale aufweist, die in der Lage sind, mit einem programmierbaren Computersystem derart zusammenzuwirken, dass eines der hierin beschriebenen Verfahren durchgeführt wird. Allgemein können Ausführungsbeispiele der vorliegenden Erfindung als Computerprogrammprodukt mit einem Programmcode implementiert sein, wobei der Programmcode dahingehend wirksam ist, eines der Verfahren durchzuführen, wenn das Computerprogrammprodukt auf einem Computer abläuft.

Der Programmcode kann beispielsweise auch auf einem maschinenlesbaren Träger gespeichert sein.

Andere Ausführungsbeispiele umfassen das Computerprogramm zum Durchführen eines der hierin beschriebenen Verfahren, wobei das Computerprogramm auf einem maschinenlesbaren Träger gespeichert ist.

Mit anderen Worten ist ein Ausführungsbeispiel des erfindungsgemäßen Verfahrens somit ein Computerprogramm, das einen Programmcode zum Durchführen eines der hierin beschriebenen Verfahren aufweist, wenn das Computerprogramm auf einem Computer abläuft.

Ein weiteres Ausführungsbeispiel der erfindungsgemäßen Verfahrens ist somit ein Datenträger (oder ein digitales Speichermedium oder ein computerlesbares Medium), auf dem das Computerprogramm zum Durchführen eines der hierin beschriebenen Verfahren aufgezeichnet ist. Der Datenträger, das digitale Speichermedium oder das computerlesbare Medium sind typischerweise gegenständlich und/oder nicht-vergänglich bzw. nicht-vorübergehend.

Ein weiteres Ausführungsbeispiel des erfindungsgemäßen Verfahrens ist somit ein Datenstrom oder eine Sequenz von Signalen, der bzw. die das Computerprogramm zum Durchführen eines der hierin beschriebenen Verfahren darstellt bzw. darstellen. Der Datenstrom oder die Sequenz von Signalen kann bzw. können beispielsweise dahingehend konfiguriert sein, über eine Datenkommunikationsverbindung, beispielsweise über das Internet, transferiert zu werden.

Ein weiteres Ausführungsbeispiel umfasst eine Verarbeitungseinrichtung, beispielsweise einen Computer oder ein programmierbares Logikbauelement, die dahingehend konfiguriert oder angepasst ist, eines der hierin beschriebenen Verfahren durchzuführen. Ein weiteres Ausführungsbeispiel umfasst einen Computer, auf dem das Computerprogramm zum Durchführen eines der hierin beschriebenen Verfahren installiert ist.

Ein weiteres Ausführungsbeispiel gemäß der Erfindung umfasst eine Vorrichtung oder ein System, die bzw. das ausgelegt ist, um ein Computerprogramm zur Durchführung zumindest eines der hierin beschriebenen Verfahren zu einem Empfänger zu übertragen. Die Übertragung kann beispielsweise elektronisch oder optisch erfolgen. Der Empfänger kann beispielsweise ein Computer, ein Mobilgerät, ein Speichergerät oder eine ähnliche Vorrichtung sein. Die Vorrichtung oder das System kann beispielsweise einen Datei-Server zur Übertragung des Computerprogramms zu dem Empfänger umfassen.

Bei manchen Ausführungsbeispielen kann ein programmierbares Logikbauelement (beispielsweise ein feldprogrammierbares Gatterarray, ein FPGA) dazu verwendet werden, manche oder alle Funktionalitäten der hierin beschriebenen Verfahren durchzuführen. Bei manchen Ausführungsbeispielen kann ein feldprogrammierbares Gatterarray mit einem Mikroprozessor Zusammenwirken, um eines der hierin beschriebenen Verfahren durchzuführen. Allgemein werden die Verfahren bei einigen Ausführungsbeispielen seitens einer beliebigen Hardwarevorrichtung durchgeführt. Diese kann eine universell einsetzbare Hardware wie ein Computerprozessor (CPU) sein oder für das Verfahren spezifische Hardware, wie beispielsweise ein ASIC.

Die hierin beschriebenen Vorrichtungen können beispielsweise unter Verwendung eines Hardware-Apparats, oder unter Verwendung eines Computers, oder unter Verwendung einer Kombination eines Hardware-Apparats und eines Computers implementiert werden.

Die hierin beschriebenen Vorrichtungen, oder jedwede Komponenten der hierin beschriebenen Vorrichtungen können zumindest teilweise in Hardware und/oder in Software (Computerprogramm) implementiert sein.

Die hierin beschriebenen Verfahren können beispielsweise unter Verwendung eines Hardware-Apparats, oder unter Verwendung eines Computers, oder unter Verwendung einer Kombination eines Hardware-Apparats und eines Computers implementiert werden.

Die hierin beschriebenen Verfahren, oder jedwede Komponenten der hierin beschriebenen Verfahren können zumindest teilweise durch Hardware und/oder durch Software ausgeführt werden. Die oben beschriebenen Ausführungsbeispiele stellen lediglich eine Veranschaulichung der Prinzipien der vorliegenden Erfindung dar. Es versteht sich, dass Modifikationen und Variationen der hierin beschriebenen Anordnungen und Einzelheiten anderen Fachleuten ein- leuchten werden. Deshalb ist beabsichtigt, dass die Erfindung lediglich durch den Schutzumfang der nachstehenden Patentansprüche und nicht durch die spezifischen Einzelheiten, die anhand der Beschreibung und der Erläuterung der Ausführungsbeispiele hierin präsentiert wurden, beschränkt sei.