PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2014 | Vol. 16, no. 4 | 616--621
Tytuł artykułu

Fourier spectrum related properties of vibration signals in accelerated motor aging applicable for age determination

Treść / Zawartość
Warianty tytułu
PL
Właściwości sygnałów wibracyjnych związane z widmem Fouriera w przyspieszonych badaniach starzenia się silnika mających na celu określenie jego wieku
Języki publikacji
EN
Abstrakty
EN
A series of computations based on the Fourier spectrum of vibration signals collected in artificial aging processes have been applied in order to tackle trends existing in the signals' sequence. In this study, features extracted from the (Fourier) spectrum of the vibration signal and expressing monotonic changes with respect to the motor age namely mean frequency, low order statistics of the power spectral density and cepstrum are used. Independence of the time domain data allows independent analysis. Results obtained in case of artificial aging are compared with results in case of controlled bearing faults with increasing severity. Clear distinctions are made and conclusions are drawn from the different behavioural patterns. Future research directions are indicated both in practical and theoretical sense.
PL
Wykonano serię obliczeń opartych na widmie Fouriera sygnałów wibracyjnych zebranych podczas procesów sztucznego starzenia w celu określenia trendów istniejących w sekwencji tych sygnałów. Cechy, jakie można wyodrębnić w (fourierowskim) widmie sygnału drgań, które wykazują monotoniczne zmiany w odniesieniu do wieku silnika wykorzystanego w niniejszym badaniu, to średnia częstotliwość, statystyki niskiego rzędu widmowej gęstości mocy oraz cepstrum. Niezależność danych w dziedzinie czasu umożliwia niezależną analizę. Wyniki sztucznego starzenia porównano z wynikami otrzymanymi podczas dokonywania kontrolowanych uszkodzeń łożyska o rosnącym nasileniu. Wyciągnięto wnioski z obserwowanych, wyraźnie różnych wzorców zachowań. Wskazano przyszłe kierunki badań zarówno w aspekcie praktycznym jak i teoretycznym.
Wydawca

Rocznik
Strony
616--621
Opis fizyczny
Bibliogr. 18 poz., rys., tab.
Twórcy
autor
  • Department of Electrical and Electronics Engineering International Burch University Francuske revolucije bb, Sarajevo, Bosnia and Herzegovina, harun.siljak@ibu.edu.ba
autor
  • Department of Information Technologies International Burch University Francuske revolucije bb, Sarajevo, Bosnia and Herzegovina, abdulhamit.subasi@ibu.edu.ba
Bibliografia
  • 1. Ayaz E, Öztürk A, Seker S, Upadhyaya BR. Fault detection based on continuous wavelet transform and sensor fusion in electric motors. COMPEL: The International Journal for Computation and Mathematics in Electrical and Electronic Engineering 2009; 28(2): 454-470.
  • 2. Cusido J, Romeral L, Ortega JA, Rosero JA, Garcia Espinosa A. Fault detection in induction machines using power spectral density in wavelet decomposition. Industrial Electronics, IEEE Transactions 2008; 55(2): 633-643.
  • 3. Dron JP, Rasolofondraibe L, Couet C, Pavan A. Fault detection and monitoring of a ball bearing benchtest and a production machine via autoregressive spectrum analysis. Journal of Sound and Vibration 218.3 1998: 501-525.
  • 4. Erbay AS. (1999). Multisensor fusion for induction motor aging analysis and fault diagnosis.
  • 5. Erbay AS, B.R. Upadhyaya, McClanahan JP, Seker S. Accelerated aging studies of induction motors, Proc. MARCON 1 (1998) 33.01– 33.14.
  • 6. Han YS, Min SS, Choi WH, Cho KB. A learning pattern recognition system using neural network for diagnosis and monitoring of aging of electrical motor. In Industrial Electronics, Control, Instrumentation, and Automation, 1992. Power Electronics and Motion Control., Proceedings of the 1992 International Conference 1992: 1074-1077. IEEE.
  • 7. Han Y, Song YH. (2003). Condition monitoring techniques for electrical equipment – a literature survey. Power Delivery, IEEE Transactions 2003; 18(1): 4-13.
  • 8. Kay SM, Marple Jr SL. Spectrum analysis—a modern perspective. Proceedings of the IEEE, 1981; 69(11): 1380-1419.
  • 9. Loparo KA. Bearings vibration data set. Case Western Reserve University 2008. http://www.eecs.cwru.edu/laboratory/bearing/download.htm
  • 10. McFadden PD, Smith JD. Vibration monitoring of rolling element bearings by the high-frequency resonance technique—a review. Tribology international 1984; 17(1): 3-10.
  • 11. Proakis JG, Manolakis DG. Digital Signal Processing: Principles, Algorithms, and Applications. Englewood Cliffs, NJ: Prentice Hall, 1996.
  • 12. Şeker S. A reliability model for induction motor ball bearing degradation. Electric Power Components and Systems 2003; 31(7): 639-652.
  • 13. Seker S, Ayaz E. Feature extraction related to bearing damage in electric motors by wavelet analysis. Journal of the Franklin Institute 2003; 340(2): 125-134.
  • 14. Siljak H. Bearing Fault Detection and Distinction based on Hurst Analysis, to appear in International Journal of the Balkan Tribological Association 2014.
  • 15. Sreenivas TV, Niederjohn RJ. Zero-crossing based spectral analysis and SVD spectral analysis for formant frequency estimation in noise. Signal Processing, IEEE Transactions 1992; 40(2): 282-293.
  • 16. Steinwolf A. Random vibration testing beyond PSD limitations. Sound and Vibration 1992; 40(9): 12-21.
  • 17. Su YT, Lin SJ. On initial fault detection of a tapered roller bearing: frequency domain analysis. Journal of Sound and Vibration 1992; 155(1): 75-84.
  • 18. Zheng GT, Wang WJ. A new cepstral analysis procedure of recovering excitations for transient components of vibration signals and applications to rotating machinery condition monitoring. Journal of vibration and acoustics 2001; 123(2): 222-229.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.baztech-70574567-c684-4533-b6de-dacb4feee2cb
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.