Startseite/Branchen/Industrieanlagen & Maschinen/Elektrozylinder
IndustrieanlagenKraftschätzungValidierung auf öffentlichen Daten

Die Axialkraft einer Kugelgewindespindel schätzen, ohne Kraftsensorik nachzurüsten

Eine Edge-AI, die die Axialkraft an der Kugelgewindespindel aus Motorstrom und Geschwindigkeit schätzt, die im Servoantrieb bereits vorliegen. Keine zusätzliche Sensorik, keine Cloud-Anbindung, lauffähig auf der vorhandenen Steuerung.

Kontext

Die von einem Elektrozylinder aufgebrachte Kraft wirkt letztlich vollständig als Axialkraft auf die Kugelgewindespindel und deren Lager. Beim Einpressen, Verschrauben und Pressen ist diese Kraft der Prozess selbst: Sie entscheidet über die Qualität des Bauteils. Zugleich ist sie die Größe, in der sich Verschleiß und nachlassende Schmierung zuerst zeigen.

Der Einbau einer Kraftmessdose in eine Serienmaschine ist jedoch kaum realisierbar: Kosten und Bauraum sprechen in den meisten Konstruktionen dagegen. Was am Prüfstand direkt gemessen werden kann, bleibt an der Anlage im Betrieb verborgen. Als Ersatzgröße dient üblicherweise der Motorstrom. Der Strom folgt jedoch dem Drehmoment, und zwischen Drehmoment und Axialkraft liegen die Trägheit und die Nachgiebigkeit des Mechanismus. Ein konstanter Umrechnungsfaktor zwischen den beiden Größen existiert nicht.

Was wir untersucht haben

Wir haben ein Modell entwickelt, das die Axialkraft ausschließlich aus Signalen schätzt, die im Servoantrieb bereits vorliegen: den einzelnen Phasenströmen, dem Wirkstrom und der Geschwindigkeit. An der Maschine wurde nichts nachgerüstet. Das Modell basiert auf der Klasse leichtgewichtiger Machine-Learning-Verfahren (Reservoir Computing), mit der wir projektübergreifend arbeiten.

Die Validierung erfolgte anhand eines öffentlichen Datensatzes, in dem Elektrozylinder im Dauerbetrieb bis zum Ausfall gefahren und dabei sämtliche Sensoren über die gesamte Laufzeit aufgezeichnet wurden. Dasselbe Vorgehen haben wir auf drei Zylinder desselben Typs angewendet. Trainiert wurde jedes Modell ausschließlich auf dem Anfang der Lebensdauer des jeweiligen Zylinders, ohne die Daten der drei Zylinder zusammenzuführen. Die Genauigkeit wurde auf einem späteren Abschnitt gemessen, der weder für das Training noch für die Parameterwahl verwendet wurde.

Was sich gezeigt hat

Der Verlauf der Axialkraft ließ sich auf dem nicht zum Training verwendeten Abschnitt reproduzieren, und zwar bei allen drei Zylindern auf gleichem Niveau: Die Größe ist ohne Kraftmessdose in der Maschine zugänglich.

Das zugehörige Modell bleibt unter einem Kilobyte und läuft unverändert auf der vorhandenen Steuerung. Keine GPU, keine Cloud-Anbindung.

Es handelt sich um eine interne Validierung auf öffentlich verfügbaren Daten, nicht um ein Ergebnis aus dem Produktivbetrieb. Gegen Ende der Lebensdauer folgt die Schätzung der Messung nicht mehr; das Modell ist auf gesundes Verhalten trainiert und lässt sich daher nicht auf eine Maschine übertragen, die bereits kurz vor dem Ausfall steht. Anomalieerkennung und Restnutzungsdauer waren nicht Gegenstand dieser Untersuchung.

Dies könnte auf Ihre Anlagen zutreffen

Wenn die Presskraft über die Bauteilqualität oder Ihre Wartungsintervalle entscheidet, der Einbau einer Kraftmessdose aber nicht in Frage kommt, lohnt sich der Ansatz möglicherweise: Elektrozylinder, elektrische Pressen, Einpress- und Schraubstationen, Transfer- und Positionierachsen. Die benötigten Signale liefert Ihr Servoantrieb bereits. Ein kurzes Gespräch genügt in der Regel, um festzustellen, ob Ihr Fall für diesen Ansatz geeignet ist.

Der umgekehrte Ansatz, bei dem die Kraft herausgelöst wird, die der Bewegungsvorgabe nicht zuzuordnen ist, ist auf der Seite Drehmomentschätzung einer Servoachse beschrieben.

Stehen Sie vor einer ähnlichen Herausforderung?

Wir nehmen 2026 weiterhin neue Proof-of-Concept-Projekte an. Falls Sie eine Echtzeit-Vorhersageaufgabe haben, die auf vorhandener Edge-Hardware ausgeführt werden soll, freuen wir uns auf einen Austausch.

Über einen Proof-of-Concept sprechen
Impressum
Entrox Systems GmbH i.G.
Pelkovenstraße 71, 80992 München, Deutschland
Vertretungsberechtigte Geschäftsführer: Sebastian Baur, Daniel Köglmayr
E-Mail: info@entrox-systems.com · Telefon: +49 170 6936478
Eintragung im Handelsregister: Amtsgericht München, HRB-Nummer in Beantragung
Umsatzsteuer-Identifikationsnummer: in Beantragung
Verantwortlich für den Inhalt nach § 18 Abs. 2 MStV: Tamon Nakano, Pelkovenstraße 71, 80992 München