Diagnostyka maszyn wirnikowych oparta na modelu

• Autorzy: Bednarz J. , Uhl T. , Piłat A.

Warianty tytułu

EN

Model based diagnostics of rotating machinery

• Języki publikacji: PL

Abstrakty

PL

Jednym z poważnych uszkodzeń występujących w turbogeneratorach jest zmęczeniowe pękanie łopatek. W pracy przedstawiony jest proponowany algorytm diagnostyczny oparty na metodzie OMA i OMAX oraz modelach NARX umożliwiający detekcję pękania łopatek oraz jego eksperymentalna weryfikacja na stanowisku laboratoryjnym AGH. W pracy zaprezentowano również zastosowanie wzbudnika elektromagnetycznego jako mierzalnego wymuszenia w metodzie OMAX i EMA.

EN

Paper concerns detection and identification of turbine blade cracking by means of the modal analysis method and NARX model based damage detection technique. In the paper there is presented the algorithm of the NARX method and modal model based diagnostic process, method applicability to structural health monitoring of rotating machinery as well as method experimental verification carried out for data measured on the laboratory test stand. The idea of using an electromagnetic exciter as measurable excitation in OMAX method is also presented.

Słowa kluczowe

PL

analiza modalna; model NARX; diagnostyka; maszyna wirnikowa; wzbudnik elektromagnetyczny

EN

modal analysis; NARX models; rotating machinery diagnostics; electromagnetic exciter

• Wydawca: Polskie Towarzystwo Diagnostyki Technicznej
• Czasopismo: Diagnostyka
• Rocznik: 2007
• Tom: nr 3(43)
• Strony: 25--34
• Opis fizyczny: Bibliogr. 22 poz., rys., tab.

Twórcy

autor

Bednarz J.

autor

Uhl T.

autor

Piłat A.

• Akademia Górniczo-Hutnicza, Wydział Inżynierii Mechanicznej i Robotyki, Katedra Robotyki i Mechatroniki, al. Mickiewicza 30, 30-059 Kraków,

Bibliografia

• [1] Uhl T., Bogacz M.: Real time modal analysis and its application for damage detection, Proc. of ISMA2004, str.1066-1076, Leuven, 2004.
• [2] Pintelton R., Schoukens J.: System Identification; A frequency domain approach, IEEE Press, 2001.
• [3] Cauberghe B., Guillaume P., Verboven P., Parloo E.: Modal Analysis in presence of unmeasured forces and transient effects. Journal of Sound and Vibration, vol. 265 str. 609-625, 2003.
• [4] Cauberghe B.: Applied frequency – domain system identification in the field of experimental and operational modal analysis. Praca doktorska, VUB, Brussel, 2004.
• [5] Iwaniec J., Uhl T.: Application of the nonlinear LSCF method to the estimation of modal model parameters, Machine Dynamic Problems, vol. 27, nr.2, str. 37-54, 2003.
• [6] Korbicz, J., Obuchowicz, A., Uciński, D.: Sztuczne sieci neuronowe. Akademicka Oficyna Wydawnicza, Warszawa, 1994.
• [7] Norgaard M., Ravn O., Poulsen N. K., Hansen L. K.: Neural network for modeling and control of dynamic systems. Springer-Verlag, Londyn, 2000.
• [8] Bednarz J., Uhl T.: Metoda OMAX w identyfikacji układów mechanicznych. Wybrane zagadnienia analizy modalnej konstrukcji mechanicznych (red. Uhl T.), str. 15-20,Wydawnictwo ITE, Kraków 2005.
• [9] Uhl T., Barszcz T., Bednarz J.: Model Based SHM – Rotating Machinery Application. Trans Tech Publications, Proceedings of the 6th Conference on Damage Assessment of Structures, str. 459-466, Gdańsk, 2005.
• [10] Barszcz T., Uhl T., Bednarz J.: Nonlinear System Identification in Diagnostics of Rotating Machinery., 7th IFToMM-Conference on Rotor Dynamics, Vienna, Austria, 25-28 September 2006.
• [11] Norgaard M: Neural Network Based System Identification Toolbox,” Tech. Report. 00-E-891, Department of Automation, Technical University of Denmark, 2000.
• [12] Chen Ch., Mo Ch.: A method for intelligent fault diagnosis of rotating machinery. Digital Signal Processing v. 14, pp. 203-217, 2004.
• [13] Koscielny, J. M.: Diagnostyka procesów przemysłowych. EXIT, Warsaw, 2001.
• [14] Nalinaksh S. Vyas , D. Satishkumar, Artificial neural network design for fault identification in a rotor-bearing system, Mechanism and Machine Theory v.36, str.157-175, 2001.
• [15] Narendra K. S., Parthasarathy K.: Identification and control of dynamical systems using neural networks. IEEE Trans. Neural Networks, v.1, No. 1, str.4-27, 1990.
• [16] Oberholster A. J., Heyns P. S.: On-line fan blade damage detection using neural network. Mechanical Systems and Signal Processing v. 20, str. 78-93, 2006.
• [17] Sanz J., Perera R., Huerta C.: Fault diagnosis of rotating machinery based on auto-associative neural networks and wavelet transforms. Journal of Sound and Vibration, v.302, str. 981-999, 2007.
• [18] Natke H. G., Cempel C.: Model-Aided Diagnosis of Mechanical Systems. Wyd. Springer, Berlin 1997.
• [19] Piłat A.: Sterowanie układami magnetycznej lewitacji. Praca Doktorska, AGH 2002.
• [20] Piłat A. : FEMLab software applied to active magnetic bearing analysis. International Journal of Applied Mathematics and Computer Science. – 2004 v. 14 no. 4, str. 497–501.
• [21] Jing X. J., Lang Z. Q., Billings S. A.: New bound characteristics of NARX model in the frequency domain. International Journal of Control, 2007 v. 80, str. 140-149.
• [22] Van der Auweraer H., Guillaume P. Verboven P. Vanlanduit S.: Application of fast-stabilizing frequency domain parameter estimation method, ASME Journal of Dynamic Systems, Measurement and Control, 2001, v. 123, No. 4, str. 651-658.