PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Wymiar fraktalny sygnału drgań jako wskaźnik uszkodzeń w diagnozowaniu pojazdów

Autorzy
Treść / Zawartość
Identyfikatory
Warianty tytułu
EN
The fractal dimension of the vibration signal as an defects indicator in vehicles diagnostics
Języki publikacji
PL
Abstrakty
PL
W artykule przedstawiono wyniki prac naukowych ukierunkowanych na rozwiązanie zadania automatycznej detekcji zużycia i uszkodzeń mechanicznych silnika spalinowego. Bazując na metodach analizy fraktalnej zaproponowano technikę detekcji uszkodzeń mechanicznych układu napędowego pojazdu na podstawie sygnałów przyspieszenia drgań obudowy przekładni głównej. Analizowano cechy diagnostyczne zależne od skali czasowej obserwacji. Badania prowadzono metodami analizy fluktuacji detrendowanych. Wyznaczono widma osobliwości zarejestrowanych sygnałów wibracyjnych. Jako miarę uszkodzeń przekładni głównej zweryfikowano poziom multifraktalności sygnału.
EN
The paper presents the results of research work targeted at solving the problem of automatic detection of wear and mechanical damage of the internal combustion engine. Based on the fractal formalizm the method of mechanical fault detection of the vehicle powertrain was proposed. Diagnostic features dependent on the time scale of mechanical vibration observation were analyzed. Investigations were performed by means of the detrended fluctuation analysis. The singularity spectra of vibration signals obtained in monitoring a gearbox vibration signal were determined. The multifractality level of a signal was tested and verified as defects measure.
Rocznik
Strony
1313--1315
Opis fizyczny
Bibliogr. 9 poz., pełen tekst na CD
Twórcy
autor
  • Uniwersytet Technologiczno-Humanistyczny w Radomiu, Instytut Eksploatacji Pojazdów i Maszyn
Bibliografia
  • 1. Batko W., Dąbrowski Z., Kiciński J., „Nonlinear Effects In Technical Diagnostics”, Wydawnictwo ITE – PIB Radom 2008.
  • 2. Puchalski A., Komorska I., Looking for vibrational measure of vehicle powertrain using multifractal analysis, “Vibroengineering Procedia” 2014, Vol. 3, Oct 2014, 351-356.
  • 3. Butar F. B., Kale M. Fractal analysis of time series and distribution properties of Hurst exponent, “Journal of Mathematical Sciences and Mathematics Education”, 2011 Vol. 6, Issue 1, 8-1.
  • 4. Kantelhardt I. W., Fractal and Multifractal Time Series, “Mathematics of Complexity and Dynamical Systems”, 2011, 463-487.
  • 5. Moura E. P., Vieira A. P., Irmao M. A. S., Silva A. A. Applications of detrended-fluctuation analysis to gearbox fault diagnosis, “Mechanical Systems and Signal Processing” 2009, Vol. 23, 682689.
  • 6. Moura E. P., Souto C. R., Silva A. A., Irmao M. A. S. Evaluation of principal component analysis and neural network performance for bearing fault diagnosis from vibration signal processed by RS and DF analyses, “Mechanical Systems and Signal Processing” 2011, Vol. 25, 1765-1772.
  • 7. Lin J., Chen Q. Fault diagnosis of rolling bearings based on multifractal detrended fluctuation analysis and Mahalanobis distance criterion, “Mechanical Systems and Signal Processing” 2013, Vol. 38, 515-533.
  • 8. Lin J., Chen Q. A novel method for feature extraction using crossover characteristics of nonlinear data and its application to fault diagnosis of rotary machinery, “Mechanical Systems and Signal Processing” 2014, Vol. 48, 174-187.
  • 9. Puchalski A., Multiscale analysis of vibration signals in engine valve system, JVE International LTD.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-2ae57f6f-cb39-4557-9029-bf97255e2b6c
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.