Sieci neuronowe w ocenie stanu łożysk tocznych

• Autorzy: Gajewski J. , Jonak K.
• Konferencja: Problemy Rozwoju Maszyn Roboczych (XXVII; 26-30.01.2014; Zakopane, Polska)
• Języki publikacji: PL

Abstrakty

PL

Sieci neuronowe są bardzo przydatnym i uniwersalnym narzędziem pozwalającym na klasyfikację danych eksperymentalnych. Sztuczne sieci neuronowe, zarówno klasyczne jak również rozmyte, stosowane są z powodzeniem do detekcji oraz klasyfikacji rodzaju uszkodzeń łożysk tocznych [1–3]. Łożyska należą do najczęściej uszkadzanych elementów maszyn wirujących. Są również generatorami drgań. Celem przedstawionych w artykule badań było wykazanie różnic w drganiach poszczególnych elementów kolejnych łożysk tocznych, dzięki czemu możliwe będzie przeprowadzenie przez sieć neuronową oceny stanu łożyska tocznego. Ocena prowadzona jest w oparciu o klasyfikację poszczególnych cech sygnałów drgań w trakcie pracy. Badania skupiły się na przeprowadzeniu dwóch eksperymentów dla trzech łożysk tocznych o takiej samej budowie, lecz innym stopniu zużycia. Pierwszym etapem badań było zebranie wyników badań eksperymentalnych. Wyznaczanymi wartościami były: przyspieszenie średnie drgań, wartość szczytowa przyspieszenia, prędkość oraz przemieszczenie drgań. Po uzyskaniu sygnałów zostały one poddane transformacie Fouriera, dzięki czemu możliwe było wyznaczanie częstotliwości charakterystycznych dla drgań poszczególnych elementów łożyska. Kolejnym etapem prowadzonych badań jest zastosowanie sztucznych sieci neuronowych do klasyfikacji stanu łożyska. Jako zmienne wejściowe zastosowano charakterystyczne amplitudy wybranych częstotliwości. Analizy oparto na modelu neuronowym perceptronu wielowarstwowego (MLP).

EN

Neural networks are a very useful tool for the classification of experimental data. Bearings are among the most damaged parts of rotating machines. The article presents a proposal to assess bearing condition using an artificial neural network. For this purpose, three studies were performed for bearings with varied degree of wear. MLP neural network was applied to classification of bearing.

Słowa kluczowe

PL

łożyska toczne; sieci neuronowe; drgania

EN

roller bearings; neural networks; vibrations

• Wydawca: Oficyna Wydawnicza Politechniki Opolskiej
• Czasopismo: Zeszyty Naukowe. Mechanika / Politechnika Opolska
• Rocznik: 2014
• Tom: z. 103
• Strony: 67--68
• Opis fizyczny: Bibliogr. 5 poz., rys.

Twórcy

autor

Gajewski J.

• Politechnika Lubelska, Wydział Mechaniczny, Katedra Podstaw Konstrukcji Maszyn, Nadbystrzycka 36, 20–618 Lublin

autor

Jonak K.

• Politechnika Lubelska, Wydział Mechaniczny, Katedra Podstaw Konstrukcji Maszyn, Nadbystrzycka 36, 20–618 Lublin

Bibliografia

• BARAKAT M., ELBADAOUI M., GUILLET F.: Hard competitive growing neural network for the diagnosis of small bearing faults, Mechanical Systems and Signal Processing 2013, nr 37, s.276–292.
• HUAQING WANGA, PENG CHEN: Intelligent diagnosis method for rolling element be¬aring faults using possibility theory and neural network, Computers & Industrial Engine¬ering, 2011, nr 60, s.511–518.
• EWERT P., KOWALSKI C.T.: Neuronowy detektor uszkodzeń łożysk tocznych, Zeszyty Problemowe – Maszyny Elektryczne, 2011, nr 92, s.205–210.
• JONAK K.: Badania wibroakustyczne łożysk tocznych, Politechnika Lubelska, 2013.
• Dreyfus G.: Neural Networks Methodology and Applications, Springer, 2005.