تشخیص عیوب بیرینگ توسط روش تجزیه مدهای تجربی

نویسندگان

1 دانشکده مکانیک دانشگاه امیرکبیر/دانشگاه تربیت دبیر شهید رجایی

2 دانشگاه تربیت دبیر شهید رجایی

چکیده

بلبرینگ‌ها یکی از قطعات پرمصرف و مهم در صنایع مختلف می‌باشند. تشخیص به‌موقع عیوب بلبرینگ‌ها می‌تواند از خسارات جانی و مالی جلوگیری کند. شناسایی عیوب در بلبرینگ‌ها به‌‌ویژه در مراحل اولیه و زمانیکه سیگنال غیرخطی و غیرایستا باشد بسیار مشکل است. یکی از روش‌های تشخیص عیب این قطعات از طریق آنالیز ارتعاشات می‌باشد. در این مقاله از روش تجزیه تجربی مدها که روشی جدید برای پردازش سیگنال‌های غیر خطی و غیر ایستا می‌باشد استفاده شده است. روش تجزیه تجربی مدها در سال 1998 توسط آقای هوانگ ابداع شد. در این پژوهش به کمک روش فوق، سیگنال اولیه مربوط به حالت بلبرینگ سالم و حالت بلبرینگ معیوب به توابع مد ذاتی تجزیه شد. با بررسی و تحلیل توابع مد ذاتی از میان 8 تابع مد ذاتی به‌دست آمده از هر سیگنال، اولین تابع مد ذاتی برای حالت بلبرینگ سالم و نیز حالت بلبرینگ معیوب تحت بار‌های متفاوت صفر تا سه اسب بخار انتخاب گردید. از تابع مد ذاتی اول شش ویژگی در حوزه زمان استخراج گردید. این ویژگی‌ها برای حالت بلبرینگ سالم و نیز وضعیت بلبرینگ معیوب برای حلقه خارجی، حلقه داخلی و ساچمه تحت بارهای صفر تا سه اسب بخار محاسبه و انتخاب گردید. ویژگی‌ها به عنوان بردار ورودی به شبکه انفیس برای تشخیص عیوب به‌کار برده شد. سیستم انفیس طراحی شده توانست با تحلیل سیگنال‌های پیش پردازش شده حالات مختلف را با دقت100% تشخیص دهد. نتایج به‌دست آمده از این تحقیق می‌‌تواند به‌عنوان روشی جدید درعیب‌یابی بلبرینگ‌های ماشین‌آلات دوار مورد استفاده قرار گیرد.

کلیدواژه‌ها


  1. Huang, N.E., Sheng, Z., Long, S.R., Wu, M.C., Shih, H.H., Zheng, Q., Yen, N., Tung, C.C. and liu, H.H. “The Empirical Mode Decomposition and The Hilbertspectrum for Nonlinear and Non-stationary Time Series Analysis”, Proceedings of The Royal Societya, Vol. 454, No. 1971, pp. 903–995, 1998.
  2. Srinivasan, R., Rengaswamy, R. and Miller, R. “A modified Empirical Mode Decomposition (EMD) Process for Oscillation Characterization In Control Loops”, control Eng. Pract. Vol. 15, No. 9, pp. 1135-1148, 2007.
  3. Sonia, C.V., Ramon, G.C. and Georgina, C.L. “Crackle Sounds Analysis by Empirical Mode Decomposition”, IEEE Eng. Biol. Mag. Vol. 26, No. 1, pp. 40-47, 2007.
  4. Ambikairajah, E. “Emerging Features for Speaker Recognition”, 6th Int. Conf. Communications & Signal Processing, Singapore, 2007.
  5. Huang, N.E. and Wu, Z.H. “A review on Hilbert-Huang Transform: Method and its Application to Geophysical Studies”, Rev. Geophys, Vol. 46, No. 2, pp. 1-23, 2008.
  6. Wu, C.H. and Yao, A.F. “Laboratory Measurements of Limiting Freak Waves on Currents”, Journal of Geophysical Research, Vol. 109, No. 12, PP. 1-18, 2004.
  7. Lundquist, J.K. “Intermittent and Elliptical Inertial Oscillations in the Atmospheric Boundary Layer”, Journal of the Atmospheric Sciences, Vol. 60, No. 21, pp. 2661-2673, 2003.
  8. Lin, S., Yang, J. and Zhou, L. “Damage Identification of a Benchmark Building for Structural Health Monitoring”, Smart Materials and Structures, Vol. 14, No. 2, pp. 162-169, 2005.
  9. Jaouher, B.A., Fnaiech, N., Saidi, L., Chebel-Morello, B. and Fnaiech, F. “Application of Empirical Decomposition Bearing Fault Diagnosis Based on Vibration”, Syst. Signal Process. Vol. 89, No. 1, pp. 16-72, 2015.
  10. Mazrooei, M. “EMD a New Approach to Gear box Fault Diagnosis”, 4th Conferonce on Condition Monitoring and Diagnosis pp. 928-938, Sharif University, Tehran, 1388. (In Persian)
  11. Norouzi Keshtan, M. and Nouri Khajavi, M. “Bearings Fault Diagnosis Using Vibrational Signal Analysis by EMD Method”, Research in Nondestructive Evaluation. Vol. 27, No. 3, pp. 155–174, 2016.
  12. Lei, Y., Lin, J., He, Z. and Zuo, MJ. “A Review on Empirical Mode Decomposition in Fault Diagnosis of Rotating Machinery”, Mech Syst Signal Process, Vol. 35, No. 1, pp. 108-26, 2013.
  13. Arnaud, I.Z. “The Hilbert-Huang Transform for Damage Detection in Plate Structures”, MSC Thesis, Maryland University, 2006.
  14. Loparo, K.A. “Bearing Vibration Data set, Case Western Reserve University”;
  15. https://csegroups.edu/bearingdatacenter/pages/download-data-file, 2003.
  16. Hunt, K.J., Haas, R. and Murray, S. “Extending The Function Equivalent of Radial Basis Function Networks and Fuzzy Inference Systems”, IEEE Transaction on Neural Networks ,Vol. 7, No. 3, pp. 776-781, 1996.
  17. Dogan, E. “Reference Evapotranspiration Estimation Using Adaptive Neuro-fuzzy Inference System”, Journal of Irrigation and Drainage vol. 58, No. 3, pp. 617-628,2008.
  18. R.Jang, J.S. and Sun, C.T. “Neuro-Fuzzy Modeling and Control”, Proceedings of IEEE, Vol. 83, No 3, pp. 378-406, 1995.