Parametric early warning diagnostic method for rotating machinery diagnostics

• Autorzy: Czop P. , Staszewski W. , Jabłoński A.

Warianty tytułu

PL

Parametryczna metoda wczesnego ostrzegania dla maszyn wirnikowych

• Języki publikacji: EN

Abstrakty

EN

The aim of the paper is to detect and identify diagnostic symptoms based on parametric modeling with the use of system identification methods in the scope of monitoring techniques intended for rotating machinery under transient operational conditions. The development effort should focus on early warning methods in order to increase detectability and performance of machines operation. The diagnostic symptoms may prove to be a powerful tool for the decision support systems based on easier interpretable parameters of a parametric model. The paper discusses the experimental results obtained with the use of a laboratory test rig as well as data from conducted numerical simulations.

PL

Celem artykułu jest rozpoznanie symptomów diagnostycznych na podstawie modelowania parametrycznego z wykorzystaniem metod identyfikacji systemów w zakresie technik monitorowania przeznaczonych dla maszyn wirnikowych pracujących w przejściowych warunkach operacyjnych. Rozwój metody skupia się na wczesnym ostrzeganiu o pogorszeniu stanu technicznego w celu zwiększenia wykrywalności oraz polepszenia stanu operacyjnego maszyn. Symptomy diagnostyczne mogą okazać się użyteczne dla systemów wspomagania decyzji opartych na łatwo interpretowalnych parametrach modeli parametrycznych. Praca przedstawia wyniki eksperymentalne uzyskane przy pomocy aparatury laboratoryjnej jak również wyniki komputerowych symulacji numerycznych.

Słowa kluczowe

EN

rotating machinery; fault detection; early warning; system identification

PL

maszyna wirnikowa; detekcja uszkodzeń; wczesne ostrzeganie; identyfikacja systemów

• Wydawca: Polskie Towarzystwo Diagnostyki Technicznej
• Czasopismo: Diagnostyka
• Rocznik: 2016
• Tom: Vol. 17, No. 4
• Strony: 49--58
• Opis fizyczny: Bibliogr. 18 poz., rys., tab.

Twórcy

autor

Czop P.

• Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie, Wydział Inżynierii Mechanicznej i Robotyki, Katedra Robotyki i Mechatroniki, Aleja Adama Mickiewicza 30, 30-059 Kraków

autor

Staszewski W.

• Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie, Wydział Inżynierii Mechanicznej i Robotyki, Katedra Robotyki i Mechatroniki, Aleja Adama Mickiewicza 30, 30-059 Kraków

autor

Jabłoński A.

• Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie, Wydział Inżynierii Mechanicznej i Robotyki, Katedra Robotyki i Mechatroniki, Aleja Adama Mickiewicza 30, 30-059 Kraków

Bibliografia

• 1. Al-Badour F, Sunar M, Cheded L, Vibration analysis of rotating machinery using time–frequency analysis and wavelet techniques, Mech. Syst. Signal Process 2011; 25(6): 2083–2101.
• 2. Bently Nevada, RK 4 Rotor Kit Bently Nevada Asset Condition Monitoring, Minden, Nevada USA, Rev. G (04/15) 2015.
• 3. Bently Nevada, Rotor Kit and Oil Whirl/Whip Option, Bently Nevada Corporation, Minden, US, 1994.
• 4. Czop P. Diagnostic models of rotating machinery under transient operating condition. The Silesian University of Technology, Monograph, Gliwice 2001.
• 5. Czop P. Parametric Approach To Rotating Machinery Diagnostics Under Transient Operating Conditions, Diagnostyka 2005; 34: 111-115.
• 6. Dongyang D, Shishuai Z, Comparison of four direct classification methods for intelligent fault diagnosis of rotating machinery, Applied Soft Computing 2016; 46: 459-468.
• 7. Feldman M, Seibold S. Damage Diagnosis of Rotors: Application of Hilbert Transform and Multihypothesis Testing, Journal of Vibration and Control 1999; 5: 421:428.
• 8. Friswell MI, Penny JET, Garvey SD. Parameter Subset Selection in Damage Location, Inverse Problems in Engineering 1997; 5(3): 189-215.
• 9. Heylen W, Lammens S, Sas P. Modal analysis theory and testing, Workbook, Katholieke Universitet Leuven, 1998.
• 10. Huang NE, et al., The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis, Proc. R. Soc. Lond. 1998; 454: 903-995.
• 11. Krämer E. Dynamics of rotors and foundations, Springer-Verlag, Berlin 1993.
• 12. Li YB, Xu MQ, Wei Y, Huang WH. An improvement EMD method based on the optimized rational Hermite interpolation approach and its application to gear fault diagnosis, Measuremen 2105; 63: 330-345.
• 13. Ljung L. System identification – Theory for the User. Prentice-Hall, 1999.
• 14. Muszyńska A. Rotordynamics, Taylor & Francis Group, LLC, Minden, USA, 2005.
• 15. Salido JMF, Murakami S. A comparison of two learning mechanisms for the automatic design of fuzzy diagnosis systems for rotating machinery, Appl. Soft Comput. 2004, 4:413-422.
• 16. Seibold S, Weinert K. A time domain method for the localization of cracks in rotors, Journal of Sound and Vibration 1996; 195(1): 57-73.
• 17. Yang BS, Lim DS, Tan ACC. VIBEX: an expert system for vibration fault diagnosis of rotating machinery using decision tree and decision table, Expert Syst. Appl. 2005; 28(4): 735-742.
• 18. Zhao DB, Yan JH. Ant colony clustering analysis based intelligent fault diagnosis method and its application to rotating machinery, Pattern Anal. Appl. 2013; 16(1): 19-29.