Echt-Zeit fähiges drahtloses Sensor Netzwerk zur Form- und Dehnungsmessung für Großstrukturen

Die echtzeitfähige Vermessung großflächiger und verformbarer Bauteile ist in industriellen Fertigungsumgebungen bislang nur eingeschränkt möglich. Gleichzeitig sind präzise Informationen über Form, Verformung und lokale Dehnung beispielsweise bei formgebenden Fertigungsverfahren, der Montage großer Baugruppen oder der Prozessüberwachung in der Luftfahrt- und Windenergieindustrie von hoher Bedeutung. Das entwickelte Sensornetzwerk adressiert diese Herausforderung mit einem modularen, drahtlosen und skalierbaren Messsystem. Eine Vielzahl verteilter Messknoten erfasst die Bauteiloberfläche parallel, sodass die Messzeit unabhängig von der Größe des Messobjekts bleibt und das Netzwerk flexibel an unterschiedliche Geometrien und Messaufgaben angepasst werden kann. Das am Lehrstuhl für Elektrische Messtechnik entwickelte Sensornetzwerk besteht aus Messknoten zur Erfassung der lokalen Oberflächenneigung und verbindenden Messstangen zur Bestimmung der relativen Abstände zwischen benachbarten Knoten. Aus der Kombination dieser Messgrößen werden die räumlichen Positionen der Messknoten sowie die Form und Verformung der Bauteiloberfläche rekonstruiert. Durch die feste Zuordnung der Messpunkte zur Oberfläche können zusätzlich lokale Dehnungen bestimmt werden. Die Messdaten werden drahtlos an eine zentrale Recheneinheit übertragen und dort ausgewertet. Die Messknoten werden für den wieder verwendbaren Einsatz im Produktionsumfeld mittels Vakuum an die Oberfläche des Bauteils angesaugt.

Abb 1: Verbindung zwischen zwei Messknoten mit Sensorgrößen und mechanischen Abmessungen.
Abb 2: Sensornetzwerk mit sieben Messknoten und 12 Verbindungen: 1. Messknoten 2. Messstangen 3. Vakuumschlauch.

Zur Validierung des Messsystems werden Wiederholbarkeit und Messgenauigkeit anhand zweier etablierter Referenzmesssysteme, Photogrammetrie und Lasertracker, untersucht. Hierzu wird ein Flugzeugbauteil (2,7×1,6m) durch zwei linear Motoren gezielt asymmetrisch verformt. Die resultierende Formänderung wird über 58 Belastungszyklen parallel mit dem Sensornetzwerk und beiden Referenzsystemen erfasst und anschließend hinsichtlich Abweichung und Reproduzierbarkeit miteinander verglichen.

Abb 3: Vergleichsmessung zwischen Sensor Netzwerk und konventionellen Messsystem für Großstrukturen auf einem 1,6×2,7m großen Bauteil

Aus der Messreihe lässt sich für jeden Messknoten die Abweichung gegenüber den Referenzmesssystemen sowie deren Streuung bestimmen. Dabei ist kein ausgeprägter systematischer Offset erkennbar. Die maximale Streuung beträgt 0,34mm und liegt damit in einer vergleichbaren Größenordnung, wie die Messunsicherheiten der eingesetzten Referenzsysteme. Zusätzlich ermöglicht das Sensornetzwerk die Bestimmung der Dehnung aus den Positionsänderungen der fest auf der Oberfläche zugeordneten Messpunkte. Dadurch steht neben der Formänderung eine weitere relevante Messgröße für die Prozessüberwachung zur Verfügung. Auch lokale Dehnungen können erfasst werden und zeigen eine gute Übereinstimmung mit den eingesetzten Referenzmesssystemen.

Abb. 4: Abweichung der Sensorknoten zu den Referenzsystemen.
Abb. 5: Berechnet Dehnung aus dem Sensor Netzwerk bei einseitiger Belastung des Bauteils.

Die Entwicklung und Erprobung des Sensornetzwerks ist abgeschlossen. Im nächsten Schritt steht der Transfer in konkrete Anwendungen im Mittelpunkt. Dafür suchen wir Partner und Anwender aus Industrie und Wissenschaft, die das Messsystem für neue Messaufgaben, Prozessüberwachung oder Forschung einsetzen möchten. Wir freuen uns über den Austausch zu möglichen Anwendungen, Kooperationen und applikationsspezifischen Anpassungen!

Kontakt: [email protected]

Spezifikation:

Messvolumen:
Messraster:
Messgenauigkeit:
Netzwerkstruktur:
Messfrequenz:
Datenübertragung:
Übertragungsfehlerrate:
Maximale Betriebsdauer:

max. 15 × 15 × 15 m (bis zu 120 Messsonden)
0,3 – 0,6
0,15 – 0,5 mm (abhängig von der Netzwerkstruktur)
frei anpassbar an die Messaufgabe
5 – 30 s (abhängig von Umgebungsbedingungen)
IO-Link Wireless (Zykluszeit: 5 ms)
< 10⁻⁹ (Bitfehlerwahrscheinlichkeit)
bis zu 12 h

Veröffentlichungen:

Publikation Symbol-Icon
Lars-Michel Bretthauer, Ralf Heynicke und Gerd Scholl. “Proposal of a Cyber Physical Finite Element Sensor Network for Surface Measurements”. In: 2024 IEEE International Instrumentation an Measurement Technology Conference (I2MTC). Mai 2024, S. 1–6. doi: 10.1109/I2MTC60896.2024.10560668.
Publikation Symbol-Icon
L.-M. Bretthauer, R. Heynicke und G. Scholl. “Uncertainty Modeling of a Cyber-Physical Finite Element Sensor Network for Surface Measurements”. In: 22. GMA/ITG-Fachtagung Sensoren und Messsysteme 2024 (Juni 2024), S. 380–387. doi: 10.5162/sensoren2024/D5.1.
Publikation Symbol-Icon
Lars-Michel Bretthauer, Ralf Heynicke und Gerd Scholl. “Monte Carlo Method for Uncertainty Estimations of Cyber-Physical Finite Element Sensor Networks”. de. In: tm – Technisches Messen 91.s1 (Sep. 2024), S. 32–37. issn: 2196-7113. doi: 10.1515/teme-2024-0050.
Publikation Symbol-Icon
L. M. Bretthauer, G. Scholl und R. Heynicke. “Shape Measurement of Large Scale Components Employing Wireless Sensor Networks”. In: Nürnberg: AMA Service GmbH, 2025, S. 261–262. doi: 10.5162/smsi2025/p15.
Publikation Symbol-Icon
Lars-Michel Bretthauer, Ralf Heynicke und Gerd Scholl. “Design methodology and uncertainty estimation of a wireless sensor network for surface strain and shape measurements”. en. In: tm – Technisches Messen (Apr. 2025). issn: 0171-8096, 2196-7113. doi: 10.1515/teme-2025-0008.
HSU

Letzte Änderung: 28. August 2026