تشخیص و شناسایی عیب در تجهیزات دوار با استفاده از آنالیزپوش سیگنال ارتعاشات و تبدیل موجک بسته ای

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 959

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ELEMECHCONF03_0728

تاریخ نمایه سازی: 9 مرداد 1395

چکیده مقاله:

تجهیزات دوار در بسیاری از صنایع، جزو تجهیزات کلیدی به شمار می رود و تداوم عملکرد این تجهیزات، متکی به عملکرد مناسب آنها می باشد. بنابراین لازم است فرآیند وضعیت سنجی و تشخیص عیب برای جلوگیری از خرابی و کارکرد بد این اجزاء ارائه شود. انواع توربین ها، ژنراتورها و موتورهای الکتریکی از جمله تجهیزاتی هستند که آنالیز ارتعاشات بهترین روش برای مانیتورینگ وضعیت و عیب یابی آن ها می باشد. در این مقاله روشی جدید به منظور عیب یابی در یاتاقان ها به عنوان مهمتین عامل خرابی در تجهیزات دوار ارائه می گردد. در این روش، سیگنال ارتعاشات با استفاده از یک شتاب سنج که بر روی بدنه تجهیز نصب می گردد دریافت شده و سپس با استفاده از تکنیک های پردازش سیگنال به تشخیص و شناسایی عیب پرداخته می شود. سیگنال ارتعاشات تجهیزات دوار غیرخطی، غیرایستا و به شد نویزی است. همچنین مؤلفه های فرکانسی ضعیف ناشی از عیب در این سیگنال به طور نسبی تحت تاثیر سیگنال های ارتعاشی قوی تر قرار می گیرند. بنابراین استخراج مولفه های فرکانسی مشخصه عیب کار آسانی نیست. در روش ارائه شده به منظور پردازش سیگنال ارتعاشات از تکنیک آنالیز پوش به کمک تبدیل هیلبرت استفاده گردیده است. یکی از نکات بسیار مهم برای استخراج موثر مؤلفه های فرکانسی مشخصه عیب، تعیین مناسب پهنای باند و فرکانس مرکزی برای یافتن باند فرکانسی روزنانس سیگنال ارتعاشات می باشد. در این مقاله از روشی نوین به منظور یافتن خودکار باند فرکانسی روزنانس سیگنال ارتعاشات مبتنی بر تبدیل موجک بسته ای و با بهره گیری از معیار کورتسیس استفاده شده است. نتایج روش اائه شده با استفاده از داده های عملی نشان می دهد الگوریتم ارئه شده به خوبی قادر است مؤلفه های فرکانسی ناشی از عیب را از سیگنال ارتعاشات استخراج کرده و براساس آن می توان سالم و یا معیوب بودن و نیز محل عیب را شناسایی کرد.

نویسندگان

سعید رجبی

دانشجوی کارشناسی ارشد، دانشگاه ترتبیت مدرس

حمیدرضا مومنی

دانشیار، دانشگاه تربیت مدرس

امین رمضانی

استادیار، دانشگاه تربیت مدرس

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Zhang, Yongxiang, and R. B. Randall. "Rolling element bearing fault ...
  • Zarei, Jafar. "Induction motors bearing fault detection using pattern techniques." ...
  • Signal Processing 23.5 (2009): 1509-1517. ...
  • Bin, G. F., et al. "Early fault diagnosis of rotating ...
  • p acket s-Empiric al mode decomposition feature extraction and neural ...
  • Widodo, Achmad, et al. "Fault diagnosis of low speed bearing ...
  • Scheffer, Cornelius, and Paresh Girdhar. Practical machinery vibration analysis and ...
  • El-Thalji, Idriss, and Erkki Jantunen. "A summary of fault modelling ...
  • Dwyer, Roger F. "Detection of non-Gaussian signals by frequency domain ...
  • Ho, D., and R. B. Randall. "Optimisation of bearing diagnostic ...
  • Wang, Dong, et al. "Bearing fault diagnosis using singular value ...
  • Isermann, Rolf, and Dominik Fiissel. "Supervision, Fault -Detection and Fault- ...
  • Zhu, Kunpeng, Yoke San Wong, and Geok Soon Hong. "Wavelet ...
  • Mallat, Stephane. A wavelet tour of signal processing. Academic press, ...
  • نمایش کامل مراجع