Powiadomienia systemowe
- Sesja wygasła!
- Sesja wygasła!
Identyfikatory
Warianty tytułu
Early fault detection of gearbox using weak vibration signals
Języki publikacji
Abstrakty
A new method for the early detection of the gear crack was proposed by the analysis of the weak low-frequency modulated vibration signal. The envelope of the modulated vibration signal was extracted and used to demonstrate the modulating frequencies. The demodulated characteristic frequencies were obtained with the adaptive joint time-frequency signal representation from the Hilbert transform envelope of the vibration signal. The adaptive spectrogram matches the meshing frequency and its harmonics, the coupling frequency, the carrier frequency and the sidebands in the vibration signal by the optimized wavelet. Simulated and experimental vibration signals are used to test the proposed method. The results show the applicability and effectiveness of the proposed method for gear crack detection.
Zaproponowano nową metodę wczesnego wykrywania pęknięć zębów przekładni zębatej polegającą na analizie słabego sygnału drganiowego zmodulowanego niskimi częstotliwościami. Uzyskaną obwiednię zmodulowanego sygnału drgań wykorzystano do wyznaczenia częstotliwości modulujących. Zdemodulowane częstotliwości charakterystyczne otrzymano za pomocą adaptacyjnej, czasowo-częstotliwościowej reprezentacji sygnału z obwiedni sygnału drganiowego wyznaczonej z wykorzystaniem transformaty Hilberta. Spektrogram adaptacyjny odzwierciedla częstotliwość zazębienia i jej harmoniczne, częstotliwość sprzęgła, częstotliwość nośną oraz wstęgi boczne w sygnale drganiowym poddanym analizie z użyciem zoptymalizowanego przekształcenia falkowego. Proponowaną metodę weryfkowano przy użyciu sygnału symulowanego i rzeczywistego. Wyniki wskazują na możliwość efektywnego zastosowania proponowanej metody do detekcji pęknięć zębów przekładni zębatej.
Czasopismo
Rocznik
Tom
Strony
11--15
Opis fizyczny
Bibliogr. 13 poz.
Twórcy
autor
autor
autor
autor
- School of Mechanical and Electrical Engineering Wuhan Institute of Technology 693#, XiongChu Road, Wuhan, P.R. China, pg01074075@ntu.edu.sg
Bibliografia
- 1. Chen H. X, Chua P. S. K, Lim G. H., Vibration Analysis With Lifting Scheme and Generalized Cross Validation in Machinery Fault Diagnosis. Journal of Sound and Vibration 2007; 301(3-5): 458-480.
- 2. Chen H. X, Chua P. S. K, Lim G. H, Adaptive wavelet transform for model of vibration signal and application in fault diagnosis of water hydraulic motor. Mechanical Systems and Signal Processing 2006; 20(8): 2022-2045.
- 3. Dalpiaz G, Rivola A, Rubini R, Effectiveness and sensitiveness of vibration processing techniques for local fault detection in gears. Mechanical Systems and Signal Processing 2000; 4(3): 387-412.
- 4. Hoseini M, Mandal M. K, Zuo M. J, and Mani G, Gearbox fault diagnosis using Hilbert transform and segmented regression. Proceedings of the Fifth International Conference on Condition Monitoring & Machinery Failure Prevention Technologies, Edinburgh, Scotland, UK, July 14 - July 18, 2008: 650-656.
- 5. Li Z, Han J, Sun J, He Y, Chu F, Fault recognition method based on independent component analysis and hidden Markov model. Journal of Vibration and Control 2007; 13( 2): 125-137.
- 6. Li Z., He Z. J, Zi Y. Y. Jiang H. K, Rotating machinery fault diagnosis using signal-adapted lifting scheme. Mechanical Systems and Signal Processing 2008; 22(3): 542-556.
- 7. Lin J, Zuo M. J, Gearbox fault diagnose using adaptive wavelet filter. Mechanical Systems and Signal Processing 2003; 17(6): 259-1269.
- 8. Ma B, Ma R, Jiang Z, Gao J, A system of real-time monitoring and fault self-recovering for centrifuge. Journal of Beijing University of Chemical Technology (Natural Science Edition) 2005; 32(3): 92-94.
- 9. Ma J, Li C. J, Gear defect detection through model-based wideband demodulation of vibrations. Mechanical System and Signal Processing 1996; 10(5): 653-665.
- 10. Qian S. Chen D, Signal representation using adaptive normalized Gaussian functions. Signal Processing 1994; 36(1): 1-11.
- 11. Sun W, Chen J, Li J, Decision tree and PCA-based diagnosis of rotationg machinery. Mechanical Systems and Signal Processing 2007; 21(3): 1300-1317.
- 12. Yimin Shao, Xiaoxia Li, Chris K. Mechefske and Zaigang Chen, Rear axle gear damage prediction using vibration signal preprocessing coupled with RBF neural networks, Eksploatacja i Niezawodnosc – Maintenance and Reliability 2009; 4(44): 57-64.
- 13. Yu D, Yu Y, Cheng J, Application of time-frequency entropy method based on Hilbert-Huang transform to gear fault diagnosis. Source: Measurement: Journal of the International Measurement Confederation 2007; 40(9-10): 823-830.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-article-BAT1-0038-0065