Fault Diagnostics of Rolling Element Bearings Using Wavelets and Artifical Neural Network

• Autorzy: Samanta B. , Al-Balushi K. R.

Warianty tytułu

PL

Diagnostyka uszkodzeń łożysk tocznych za pomocą analizy falkoweJ i sieci neuronowych

• Języki publikacji: EN

Abstrakty

EN

A procedure is presented for fault diagnosis of rolling element bearings through wavelet transforms and artifical neural network (ANN). The time domain vibration signals of a rotating machine with normal and defective bearings are processed through discrete wavelet transform (DWT) to decompose in terms of low-and high-frequency components. The decomposition is done at both single and multiple levels using orthogonal DWT. The extracted features from the decomposed signals are used for diagnosis process. The features are also used in an ANN based diagnostic approach for comparision. The ANN is trained using backpropagation algorithm with a subset of the experimental data for known machine conditions and tested using the remaining set of data. The procedure is illustrated throught experimental vibration data of a pump with and without a bearing fault.

PL

W pracy zaprezentowano procedurę diagnozowania uszkodzeń łożysk tocznych na podstawie analizy falkowej z zastosowaniem sztucznych sieci neuronowych (ANN). Zarejestrowane drgania w dziedzinie czasu pochdzące od wirujących elementów maszyny podpartych w prawidłowych i uszkodzonych łożyskach poddano dyskretnej transformacie falkowej (DWT) w celu dekompozycji sygnału na składniki nisko- i wysoko-częstotliwościowe. Dekompozycję wykonano na poziomie pojedynczym i wielokrotnym przy użyciu ortogonalnej DWT. Wyselekcjonowane cechy zdekomponowanego sygnału użyto w procesie diagnozowania. Cechy te poddano diagnostyce przy użyciu ANN w celu porównawczym. Sieci ANN "wyuczono" za pomocą algorytmu wstecznej propagacji z podzbiorem danych doświadczalnych odpowiadającym znanym warunkom pracy maszyny oraz przestosowano na podstawie zbioru danych pozostałych. Procedurę zilustrowano na przykładzie danych eksperymentalnych dotyczących rejestru drgań pompy z łożyskami dobrymi i uszkodzonymi.

• Wydawca: Oficyna Wydawnicza Politechniki Warszawskiej
• Czasopismo: Machine Dynamics Problems
• Rocznik: 2001
• Tom: Vol. 25, No. 2
• Strony: 91--102
• Opis fizyczny: Bibliogr. 11 poz.

Twórcy

autor

Samanta B.

autor

Al-Balushi K. R.

• Sultan Qaboos University, Sultanate of Oman

Bibliografia

• 1 McCormick, A.C., Nandi, A.K., 1997, Classification of the rotating machine condition using artificial neural networks, Proceedings of Institution of Mechanical Engineers, Part C, 211, 439-450.
• 2.McCormick, A.C., Nandi, A.K., 1997, Real-time classification of the rotating shaft loading conditions using artificial neural networks, IEEE Transactions on Neural Networks, 8, 748-756.
• 3. McCormick, A.C., Nandi, A.K., Jack, L.B , 1998, Application of periodic time-varying autoregressive models to the detection of bearing faults, Proceedings of Institution of Mechanical Engineers, Part C, 212, 417-428.
• 4. Alguindigue, I.E., Loskiewicz-Buczak, A., Uhrig, R.E., 1993, Monitoring and diagnosis of rolling element bearings using artificial neural networks, IEEE Transactions on Industrial Electronics, 40, 209-216.
• 5. Paya, B.A., Esat, I.L., Badi, M.N.M., 1997, Artificial neural network based fault diagnostics of rotating machinery using wavelet transforms as a pre-processor, Mechanical Systems and Signal Processing, Il, 751-765.
• 6. Shiroishi, J., Li, Y., Liang, S., Kurfess, T., Danyluk, S. , 1997, Bearing condition diagnostics via vibration and acoustics emission measurements, Mechanical Systems and Signal Processing, 11, 693-705.
• 7. Wang, W.J., McFadden, P.D., 1995, Application of orthogonal wavelets to early detection of gear damage, Mechanical Systems and Signal Processing, 9, 497-50.
• 8. Wang, W.J., McFadden, P.D., 1996, Application of wavelets to gearbox vibration signals for fault detection, Journal of Sound and Vibration, 192, 927-939
• 9. Ypma, A., Ligteringen, R., Frietman, E.E.E. and Duin, R.P.W., 1997, Recognition of bearing failures using wavelets and neural networks, TFTS, Conventry (UK), Aug 27-29.
• 10. Ligteringen, R., Duin, R.P.W., Frietman, E.E.E. and Ypma, A., 1997, Machine diagnostics by neural networks, experimental setup, ASC197, Heijen, Netherlands, Paper#970120_2.
• 11. Mathworks Inc., 1995, Matlab reference guide, Massachusetts, USA.