Time-frequency methods for processing non-stationary diagnostic vibroacoustic signals

• Autorzy: Mokrzan Daniel , Szymański Grzegorz M.

Warianty tytułu

PL

Czasowo-częstotliwościowe metody przetwarzania niestacjonarnych diagnostycznych sygnałów wibroakustycznych

• Języki publikacji: EN PL

Abstrakty

EN

The article presents the issues of interpretation of non-stationary vibroacoustic diagnostic signals. The reasons of the incomplete usefulness of the traditional analysis solely in the field of time or frequency for such cases are explained. The use of time-frequency methods is presented as the proposed solution. The literature was reviewed in aspect of the methods currently used or on which the research is carried out. Older applications, such as the short-time Fourier transform and more complex and contemporary applications such as the Hilbert-Huang transform, are mentioned. Further development directions were also assessed, taking into account the combination of methods and the use of artificial neural networks, assessing the latter as giving the greatest potential in aspect of the evolution of signal processing methods.

PL

W artykule zaprezentowano problematykę interpretacji niestacjonarnych wibroakustycznych sygnałów diagnostycznych. Wyjaśniono przyczyny niepełnej przydatności tradycyjnej analizy wyłącznie w dziedzinie czasu lub częstotliwości dla takich przypadków. Jako proponowane rozwiązanie przedstawiono wykorzystanie metod czasowo-częstotliwościowych. Dokonano przeglądu literatury w aspekcie metod obecnie wykorzystywanych lub nad którymi prowadzone są badania. Wymieniono zarówno zastosowania starsze jak krótkoczasowa transformata Fouriera oraz bardziej złożone i współczesne jak transformata Hilberta-Huanga. Dokonano również oceny dalszych kierunków rozwoju z uwzględnieniem kombinacji metod oraz wykorzystania sztucznych sieci neuronowych oceniając te ostatnie jako dające największy potencjał w aspekcie ewolucji metod przetwarzania sygnałów.

Słowa kluczowe

EN

vibroacoustic diagnostics; non-stationary signal; time-frequency method

PL

diagnostyka wibroakustyczna; sygnał niestacjonarny; metoda czasowoczęstotliwościowa

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Pojazdy Szynowe
• Rocznik: 2021
• Tom: Nr 3
• Strony: 44--57
• Opis fizyczny: Bibliogr. 41 poz., rys.

Twórcy

autor

Mokrzan Daniel

• Politechnika Poznańska

autor

Szymański Grzegorz M.

• Politechnika Poznańska

Bibliografia

• [1] Augustyniak P. Przybornik falkowej analizy sygnałów. I Krajowa Konferencja Użytkowników MATLABA 1995.
• [2] Barczewski R. Diagnozowanie układów na podstawie analizy zmian krzywej szkieletowej uzyskiwanej metodą STFT-AFC. Diagnostyka 2000;23:15–18.
• [3] Batko W, Ziółko M. Zastosowanie teorii falek w diagnostyce technicznej. Warszawa: WIMiR; 2002.
• [4] Baydar N, Ball A. A comparative study of acoustic and vibration signals in detection of gear failures using Wigner-Ville distribution. Mechanical Systems and Signal Processing 2001;15:1091–1107.https://doi.org/10.1006/mssp.2000.1338.
• [5] Burdzik R, Konieczny Ł, Deuszkiewicz P, Vaskova I. Application of time-frequency method for research on influence of locomotive wheel slip on vibration. Journal of Vibroengineering 2018;20:2998–3008. https://doi.org/10.21595/jve.2018.20450.
• [6] Cempel C. Diagnostyka wibroakustyczna maszyn. Poznań: Wydawnictwo Politechniki Poznańskiej; 1985.
• [7] Chen Z-S, Rhee SH, Liu G-L. Empirical mode decomposition based on Fourier transform and band-pass filter. International Journal of Naval Architecture and Ocean Engineering 2019;11:939–951.https://doi.org/10.1016/j.ijnaoe.2019.04.004.
• [8] Cheng G, Cheng Y, Shen L, Qiu J, Zhang S. Gear fault identification based on Hilbert–Huang transform and SOM neural network. Measurement 2013;46:1137–1146.https://doi.org/10.1016/j.measurement.2012.10.026.
• [9] Climente-Alarcon V, Antonino-Daviu JA, Riera-Guasp M, Puche-Panadero R, Escobar L. Application of the Wigner–Ville distribution for the detection of rotor asymmetries and eccentricity through high-order harmonics. Electric Power Systems Research 2012;91:28–36. https://doi.org/10.1016/j.epsr.2012.05.001.
• [10] Fedotenkova M, Hutt A. Research report: Comparison of different time-frequency representations. INRIA. Nancy: 2014.
• [11] Górecki K, Szmajda M, Zygarlicki J, Zygarlicka M, Mroczka J. Zaawansowane metody analiz w pomiarach jakości energii elektrycznej. Pomiary Automatyka Kontrola 2011;57:284–286.
• [12] Haan JM De. METHODS FOR TIME-FREQUENCY ANALYSIS. University of Karlskrona, 1998.
• [13] Hartono D, Halim D, Widodo A, Roberts G. Bevel Gearbox Fault Diagnosis using Vibration Measurements. MATEC Web of Conferences 2016;59:06002.https://doi.org/10.1051/matecconf/20165906002.
• [14] Jaworek K, Kownacki C, Pauk J. Transformata falkowa - nowoczesne narzędzie do analizy sygnałów pomiarowych. Zeszyty Naukowe Politechniki Białostockiej Budowa i Eksploatacja Maszyn 2001:199–212.
• [15] Jin X. Key problems faced in high-speed train operation. Journal of Zhejiang University Science A 2014;15:936–945. https://doi.org/10.1631/jzus.A1400338.
• [16] Katunin A. Damage Identification and Quantification in Beams Using Wigner-Ville Distribution. Sensors 2020;20:6638. https://doi.org/10.3390/s20226638.
• [17] Kim BS, Lee SH, Lee MG, Ni J, Song JY, Lee CW. A comparative study on damage detection in speed-up and coast-down process of grinding spindle-typed rotor-bearing system. Journal of Materials Processing Technology 2007;187–188:30–36. https://doi.org/10.1016/j.jmatprotec.2006.11.222.
• [18] Klemiato M. Przetwarzanie Sygnałów - Materiały dydaktyczne studiów podyplomowych AGH -Automatyka i Robotyka. Kraków: 2021.
• [19] Komorski P, Szymański GM, Nowakowski T, Orczyk M, Awrejcewicz J. Advanced acoustic signal analysis used for wheel-flat detection. Latin American Journal of Solids and Structures 2021;18:1–14.https://doi.org/10.1590/1679-78256086.
• [20] Laval X, Mailhes C, Martin N, Bellemain P, Pachaud C. Amplitude and phase interaction in Hilbert demodulation of vibration signals: Natural gear wear modeling and time tracking for conditio monitoring. Mechanical Systems and Signal Processing 2021;150:107321.https://doi.org/10.1016/j.ymssp.2020.107321.
• [21] Li D, Wang Y, Yan W-J, Ren W-X. Acoustic emission wave classification for rail crack monitoring based on synchrosqueezed wavelet transform and multi-branch convolutional neural network. Structural Health Monitoring 2021;20:1563–1582. https://doi.org/10.1177/1475921720922797.
• [22] Manhertz G, Bereczky A. STFT spectrogram based hybrid evaluation method for rotating machine transient vibration analysis. Mechanical Systems and Signal Processing 2021;154:107583. https://doi.org/10.1016/j.ymssp.2020.107583.
• [23] Newland DE. Practical Signal Analysis: Do Wavelets Make Any Difference? Volume 1A: 16th Biennial Conference on Mechanical Vibration and Noise, American Society of Mechanical Engineers; 1997. https://doi.org/10.1115/DETC97/VIB-4135.
• [24] Osadchiy A, Kamenev A, Saharov V, Chernyi S. Signal Processing Algorithm Based on Discrete Wavelet Transform. Designs 2021;5:41. https://doi.org/10.3390/designs5030041.
• [25] Padovese LR. Hybrid time–frequency methods for non-stationary mechanical signal analysis. Mechanical Systems and Signal Processing 2004;18:1047–1064.https://doi.org/10.1016/j.ymssp.2003.12.003.
• [26] Peng D, Liu Z, Wang H, Qin Y, Jia L. A Novel Deeper One-Dimensional CNN With Residual Learning for Fault Diagnosis of Wheelset Bearings in High-Speed Trains. IEEE Access 2019;7:10278–10293. https://doi.org/10.1109/ACCESS.2018.2888842.
• [27] Peng ZK, Tse PW, Chu FL. A comparison study of improved Hilbert–Huang transform and wavelet transform: Application to fault diagnosis for rolling bearing. Mechanical Systems and Signal Processing 2005;19:974–988. https://doi.org/10.1016/j.ymssp.2004.01.006.
• [28] Plucińska A, Pluciński E. Probabilistyka. Statystyka matematyczna Procesy stochastyczne Rachunek prawdopodobieństwa. Warszawa: Wydawnictwo Naukowe PWN; 2021.
• [29] Polyshchuk V V., Choy FK, Braun MJ. Gear Fault Detection with Time-Frequency Based Parameter NP4. International Journal of Rotating Machinery 2002;8:57–70.https://doi.org/10.1155/S1023621X02000064.
• [30] Rizvi SHM, Abbas M. An advanced Wigner–Ville time–frequency analysis of Lamb wave signals based upon an autoregressive model for efficient damage inspection. Measurement Science and Technology 2021;32:095601. https://doi.org/10.1088/1361-6501/abef3c.
• [31] Safizadeh MS, Lakis AA, Thomas M. Using Short-Time Fourier Transform in Machinery Diagnosis.Proceedings of the 4th WSEAS International Conference on Electronic, Signal Processing and Control, Stevens Point, Wisconsin, USA: World Scientific and Engineering Academy and Society (WSEAS); 2007.
• [32] Sandsten M. Time-Frequency Analysis of Time-Varying Signals and Non-Stationary Processes. An Introduction. Lund University; 2020.
• [33] Song Y, Liang L, Du Y, Sun B. Railway Polygonized Wheel Detection Based on Numerical TimeFrequency Analysis of Axle-Box Acceleration. Applied Sciences 2020;10:1613.https://doi.org/10.3390/app10051613.
• [34] Strackeljan J, Lahdelma S. Smart Adaptive Monitoring and Diagnostic Systems. 2nd International Seminar on Maintenance, Condition Monitoring and Diagnostics, Oulu, Finland: 2005.
• [35] Szmajda M, Górecki K, Mroczka J. Gabor Transform, SPWVD, Gabor-Wigner Transform and Wavelet Transform - Tools for Power Quality monitoring. Metrology and Measurement Systems 2010;17:383–396.
• [36] Szymański GM, Misztal A, Misztal W. Zastosowanie krótkoczasowej analizy częstotliwościowej do wyznaczenia częstotliwości wymuszeń odrzutowego silnika lotniczego na stanowisku badawczym. Autobusy: Technika, Eksploatacja, Systemy Transportowe 2017;18:1328–1332.
• [37] Tatara T, Kożuch B. Analiza propagacji drgań wywołanych przejazdami pociągów z zastosowaniem FFT i STFT. Zeszyty Naukowo-Techniczne Stowarzyszenia Inżynierów i Techników Komunikacji w Krakowie 2016;109:177–189.
• [38] Vu V-H, Thomas M, Lakis AA, Marcouiller L. Short-Time Autoregressive (STAR) Modeling for Operational Modal Analysis of Non-stationary Vibration. Vibration and Structural Acoustics Analysis, Dordrecht: Springer Netherlands; 2011, p. 59–77. https://doi.org/10.1007/978-94-007-1703-9_3.
• [39] Wójcik A, Pankanin G. Zastosowanie transformaty Hilberta-Huanga do przetwarzania sygnału z przepływomierza wirowego. Przeglad Elektrotechniczny 2012;88:37–45.
• [40] Wu J-D, Huang C-K. An engine fault diagnosis system using intake manifold pressure signal and Wigner–Ville distribution technique. Expert Systems with Applications 2011;38:536–544 https://doi.org/10.1016/j.eswa.2010.06.099.
• [41] Zhu Q, Wang Y, Shen G. Research and comparison of time-frequency techniques for nonstationary signals. Journal of Computers 2012;7:954–958. https://doi.org/10.4304/jcp.7.4.954-958

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2021).