Techniki budowy nieliniowych modeli diagnostycznych z wykorzystaniem szeregów czasowych drgań mechanicznych

• Autorzy: Puchalski A.

Identyfikatory

DOI

10.15199/148.2016.10.4

Warianty tytułu

EN

Techniques of the construction of nonlinear diagnostic models based on time series of mechanical vibrations

• Języki publikacji: PL

Abstrakty

PL

W artykule omówiono zastosowanie metod analizy nieliniowych szeregów czasowych drgań do oceny ich wartości informacyjnej do celów diagnostycznych układów mechanicznych na przykładzie zespołów napędowych w pojazdach. Trzy techniki detekcji oraz ekstrakcji sygnałów obejmowały analizę w zrekonstruowanej, zanurzonej przestrzeni fazowej szeregu czasowego, prowadzącą do segmentacji sygnału w zakresie dynamiki chaotycznej i losowej, analizę multifraktalną oraz analizę rozkładów stabilnych prawdopodobieństwa.

EN

The paper discusses the use of methods of nonlinear time series analysis of vibrations to assess their informational value for the diagnostic purposes of the mechanical systems on the example of vehicle powertrain. Three detection and extraction techniques of signals included an analysis of the reconstructed embedded phase space of time series which leads to the segmentation of the signal in terms of the chaotic and random dynamics, multifractal analysis and the analysis of alpha-stable probability distributions.

Słowa kluczowe

PL

nieliniowy model diagnostyczny; drgania mechaniczne; analiza szeregów czasowych; analiza multifraktalna

EN

nonlinear diagnostic model; mechanical vibration; time series analysis; multifractal analysis

• Wydawca: Wydawnictwo SIGMA-NOT ; Sieć Badawcza Łukasiewicz - Instytut Mechanizacji Budownictwa i Górnictwa Skalnego
• Czasopismo: Przegląd Mechaniczny
• Rocznik: 2016
• Tom: nr 10
• Strony: 33--36
• Opis fizyczny: Bibliogr. 14 poz., tab., wykr.

Twórcy

autor

Puchalski A.

• Uniwersytet Technologiczno-Humanistyczny w Radomiu, ul. Malczewskiego 29, 26-600 Radom

Bibliografia

• [1] Batko W., Z. Dąbrowski, J. Kiciński. 2008. Nonlinear Effects In Technical Diagnostics. Radom: Wydawnictwo ITE - PIB.
• [2] Batko W. i in. 2005. Nowoczesne metody badania procesów wibroakustycznych, cz. I. Radom: Wydawnictwo ITE - PIB.
• [3] Kantz H., T. Schreiber. 2004. Nonlinear time series analysis. Cambridge: Cambridge University Press.
• [4] Vitanova N.K., N.P. Hoffmannc, B. Wernitz. 2014. "Nonlinear time series analysis of vibration data from a friction brake: SSA, PCA and MFDFA". Chaos, Solitons & Fractals Volume (69): 90-99.
• [5] Puchalski A. 2015. "A technique for the vibration signal analysis in vehicle diagnostics". ELSEVIER Mechanical Systems and Signal Processing (56-57): 173-180.
• [6] Gao J.B. 2013. "Complex systems and emergence: How theory meets reality". Advances in Mechanics, 43(4): 359-389.
• [7] Kantelhardt I.W. 2011. "Fractal and Multifractal Time Series". Mathematics of Complexity and Dynamical Systems 463-487.
• [8] Komorska I., A. Puchalski. 2015. "On-line diagnosis of mechanical defects of the combustion engine with principal components analysis". JVE International LTD. Journal of Vibroegineering, (17)8: 4279-4288.
• [9] Gao J.B. et. al. 2007. Multiscale Analysis of Complex Time Series- Integration of Chaos and Random Fractal Theory and Beyond. John Wiley & Sons, Inc.
• [10] Puchalski A., I. Komorska. 2015. "Analysis of the combustion engine dynamics by unified measure in the phase space of the vibration signal". Vibroengineering Procedia (6): 330-334.
• [11] Puchalski A. 2015. "Multiscale analysis of vibration signals in engine valve system". JVE International LTD. Journal of Vibroegineering (17)7: 3586-3593.
• [12] Lin J., Q. Chen. 2014. "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 (48): 174-187.
• [13] Moura E.P. 2009. "Applications of detrended-fluctuation analysis to gearbox fault diagnosis". Mechanical Systems and Signal Processing (23): 682-689.
• [14] Yu G., Ch. Li, J. Zhang. 2013. "A new statistical modeling and detection method for rolling element bearing faults based on alpha-stable distribution". Mechanical Systems and Signal Processing (41): 155-175.