Akustische Echtzeit-Erkennung des Messerzustandes in Feldhäckslern

In der vorliegenden Dissertation wurde die Machbarkeit einer akustischen Messerzustandserkennung am selbstfahrenden Feldhäcksler untersucht. Gegenstand waren die Charakteri- sierung des schneidkraftinduzierten Körperschalls, Untersuchung des Zusammenhangs von Körperschall und Schleifintensität bzw. Ernteleistung, Erarbeitung von Auslegungskriterien für die Sensorik (Position, Messrichtung, Frequenzbereich) und für die Analysesoftware (Zeit- und Frequenzbereichsverfahren). Der Schneidprozess wurde in seiner prinzipiellen Wirkungsweise mit einem analytischen Modell beschrieben und die Schneidkräfte entsprechend der Parameter der Versuchsmaschinen berechnet. Mit einer experimentellen Modalanalyse wurde das dynamische Verhalten der Gegenschneide inkl. des Gegenlagers untersucht. Körperschallmessungen in der Grassilage-, Ganzpflanzensilage- und Maissilageernte an einem selbstfahrenden Feldhäcksler wurden bei unterschiedlich intensiv geschliffenen Messern und in der Ernte ohne Schleifen durchgeführt. Die Ergebnisse der Simulation und aus dem Feld zeigen gleichermaßen, dass die schneidkraftinduzierten Körperschallsignale von den Anteilen in der Messerfolgefrequenz und deren höheren Harmonischen dominiert sind. Die Messposition an der Gegenschneide ist anderen Positionen im Häcksler deutlich überlegen und es ist an dieser Position eine Messung in allen drei Richtungen möglich. Mit einem linearen multiplen Regressionsverfahren und einem statistischen Klassifikationsverfahren mit der Methode der SVM konnten die Schallpegelveränderungen in Abhängigkeit von der Schleifintensität gut beschrieben werden. Sowohl in der Gras- als auch in der Maisernte konnte eine Schallpegelzunahme in Abhängigkeit von der Erntefläche detektiert werden, Erntebedingungen und insbesondere Ackerschlagwechsel haben einen deutlichen Einfluss. Die Klassifizierung zeigt v.a. für die Maisernte mit insgesamt ca. 700 t Erntegut eine Klassifizierungsgenauigkeit von über 92 %.