Analysis, evaluation and monitoring of the characteristic frequencies of pneumatic drive unit and its bearing through their corresponding frequency spectra and spectral density

• Autorzy: Castilla-Gutiérrez Javier , Carlos Fortes Juan , Pulido-Calvo Inmaculada

Identyfikatory

DOI

10.17531/ein.2019.4.7

Warianty tytułu

PL

Analiza, ocena i monitorowanie częstotliwości charakterystycznych pneumatycznego zespołu napędowego i wchodzącego w jego skład łożyska na podstawie widm częstotliwości oraz gęstości widmowej

• Języki publikacji: EN

Abstrakty

EN

This article shows the results of the study of the characteristic frequencies of pneumatic drive equipment and its suspension bearing. The analysis approaches one of the most important requirements of the industrial sector, which seeks to be recognised by the efficiency and performance of its equipment when compared to its coming economic competitors. For data collection and we have followed the ISO 10816 standards, thus using the values of speed in RMS, aiming to reduce the masking of these signals that occurs depending on whether they are high or low frequencies. The study will respond to one of the most important requirements found in the predictive and preventive control of industrial sites. The problem of the predictive systems of maintenance of equipment with bearings lies in the number of monitoring and analysis points that generate a high cost in time and human resources. The aim will be to determine which of all the study frequencies is the most significant and in which position and measurement axis has the biggest impact. To do this, we will analyse the rotation frequency of the blowing machine, the resulting frequency of all the frequencies, the frequency of the impulsion blades and finally the frequency of the bearing. The study would be able to predict when our equipment is going to suffer a failure, reducing the control points and the cost.

PL

W artykule przedstawiono wyniki badań częstotliwości charakterystycznych napędu pneumatycznego i wchodzącego w jego skład łożyska zawieszenia. Analiza przybliża jedno z najważniejszych wymagań sektora przemysłowego, w którym dąży się do tego by wyróżniać się na tle konkurencji sprawnością i wydajnością urządzeń. Przy zbieraniu danych postępowaliśmy zgodnie ze normą ISO 10816, wykorzystując średnie prędkości kwadratowe, co pozwoliło zmniejszyć maskowanie sygnałów, które występuje w zależności od tego, czy mamy do czynienia z wysokimi czy niskimi częstotliwościami. Badanie stanowi odpowiedź na jeden z najważniejszych wymogów w zakresie kontroli predykcyjnej i prewencyjnej obiektów przemysłowych. Problemem systemów konserwacji predykcyjnej sprzętu, w którego skład wchodzą łożyska jest duża ilość punktów kontrolnych, które generują wysokie koszty jeśli chodzi o czas i zasoby ludzkie. Celem pracy było określenie, które ze wszystkich badanych częstotliwości są najistotniejsze oraz dla których częstotliwości pozycja i oś pomiaru mają największe znaczenie. W tym celu przeanalizowano częstotliwość obrotową analizowanej dmuchawy, częstotliwość wynikową wszystkich częstotliwości, częstotliwość łopatek oraz częstotliwość łożyska.

Słowa kluczowe

EN

vibration; bearing; diagnostics; vibroacoustics

PL

drgania; łożysko; diagnostyka; wibroakustyka

• Wydawca: Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne
• Czasopismo: Eksploatacja i Niezawodność
• Rocznik: 2019
• Tom: Vol. 21, no. 4
• Strony: 585--591
• Opis fizyczny: Bibliogr. 23 poz., rys., tab.

Twórcy

autor

Castilla-Gutiérrez Javier

• Department of Mining, Mechanical, Energy and Construction Engineering Higher Technical School of Engineering, University of Huelva, Huelva, Spain

autor

Carlos Fortes Juan

• Department of Mining, Mechanical, Energy and Construction Engineering Higher Technical School of Engineering, University of Huelva, Huelva, Spain

autor

Pulido-Calvo Inmaculada

• Department of Agroforestry Sciences, Higher Technical School of Engineering University of Huelva, Huelva, Spain

Bibliografia

• 1. Artzer A, Moats M, Bender J. Removal of Antimony and Bismuth from Copper Electrorefining Electrolyte: Part I—A Review. JOM 2018, https://doi.org/10.1007/s11837-018-3075-x.
• 2. Castilla J, Fortes JC, Davila JM, Melgar S, Sarmiento A. Predictive Maintenance of mining machinery based on vibrational analysis. 18 th. International Multidisciplinary Scientific Geoconference & Expo. Sgem 2018, http://doi.10.5593/sgem2018/1.3.
• 3. Chudzik A, Warda B. Effect of radial internal clearance on the fatigue life of the radial cylindrical roller bearing. Eksploatacja i Niezawodnosc – Maintenance and Reliability 2019; 21 (2): 211–219, http://dx.doi.org/10.17531/ein.2019.2.4.
• 4. Cong F, Chen G, Dong G, et al. Vibration model of rolling element bearings in a rotor-bearing system for fault diagnosis. J. Sound Vib. 2013;332 (8): 2081–2097, https://doi.org/10.1016/j.jsv.2012.11.029.
• 5. Kausschinger B, Schroeder S. Uncertainties in Heat Loss Models of Rolling Bearings of Machine Tools, Procedia CIRP 46 2016; 107 – 110, https://doi.org/10.1016/j.procir.2016.03.168.
• 6. Leturiondo U, Salgado O, Galar D. Multi-body modelling of rolling element bearings and performance evaluation with localised damage. Eksploatacja i Niezawodnosc – Maintenance and Reliability 2016; 18 (4): 638–648, http://dx.doi.org/10.17531/ein.2016.4.20.
• 7. Li H, Fu L, Zheng H. Bearing fault diagnosis based on amplitude and phase map of Hermitian wavelet transform. Journal of Mechanical Science and Technology 2011; 25(11):2731– 2740, https://doi.org/10.1007/s12206-011-0717-0.
• 8. McFadden P D, Smith J D. Model for the vibration produced by a single point defect in a rolling element bearing. Journal of Sound and Vibration 1984; 96(1), 69–82, https://doi.org/10.1016/0022-460x(84)90595-9.
• 9. Medrano-Hurtado Z Y, Medrano-Hurtado C, Pérez-Tello J, Gómez Sarduy M, Vera-Pérez N. Methodology of Fault Diagnosis on Bearings in a Synchronous Machine by Processing Vibro-Acoustic Signals Using Power Spectral Density Ingeniería. Investigación y Tecnología 2016; Volume 17, Issue 1, January–March, Pages 73-85, https://doi.org/10.1016/j.riit.2016.01.007.
• 10. Mercorelli P, Mercorelli A. Denoising procedure using wavelet packets for instantaneous detection ofpantograph oscillations. Mechanical Systems and Signal Processing 2013; 35(1-2):137–149, https://doi.org/10.1016/j.ymssp.2012.09.001.
• 11. Nagi G, Alaa E, Jing P. Residual Life prediction sin the absence of prior degradation know ledge. IEEE Trans. Reliab. 2009; (58): 106–116, https://doi.org/10.1109/TR.2008.2011659.
• 12. Nandi S, Toliyat H A, Li X. Condition Monitoring and Fault Diagnosis of Electrical Motors—A Review. IEEE Transactions on Energy Conversion 2015; 20(4), 719–729, https://doi.org/10.1109/TEC.2005.847955.
• 13. Patil M S, Mathew J, Rajendrakumar P K, Desai S. A theoretical model to predict the effect of localized defect on vibrations associated with ball bearing. International Journal of Mechanical Sciences 2010; 52(9), 1193–1201, https://doi.org/10.1016/j.ijmecsci.2010.05.005.
• 14. Pawlik P. Single-number statistical parameters in the assessmente of the techinical condition of machines operating under variable load. Eksploatacja i Niezawodnosc – Maintenance and Reliability 2019; 21 (1): 164-169, http://ds.doi.org/10.17531/ein.2019.1.19.
• 15. Polimac V, Polimac J. Assessment of present maintenance practices and future trends. IEEE/PES Transmission and Distribution Conference and Exposition. Developing New Perspectives (Cat. No.01CH37294) 2001; https://doi.org/10.1109/tdc.2001.971357.
• 16. Schnabel S, Marklund P, Larsson R, Golling S. The Detection of Plastic Deformation in Rolling Element Bearings by Acoustic Emission. Tribiology International 2017; https://doi.org/10.1016/j.triboint.2017.02.021
• 17. Toledo E, Pinhas I, Aravot D, Akselrod S. Bispectrum and bicoherence for the investigation of very high frecuency peaks in heart rate variability. Proceedings of the IEEE, Computers in Cardiology 2001; Núm. 28., pp. 667-670, https://doi.org/10.1109/CIC.2001.977744.
• 18. Tse P, Peng Y, Yam R. Wavelet analysis and envelope detectionfor rolling element bearing fault diagnosis. Journal of vibration and acoustic 2001; p.303-310, https://doi.org/10.1115/1.1379745.
• 19. Yujie G, Jinguy L, Jie L, Zhanhui L, Wentao L. A method for improving envelopespectrum symptom of fault rolling bearing based on the auto-correlation acceleration signal. Applied Mechanics and Materials 2013; 275:856–864, https://doi.org/10.4028/www.scientific.net/AMM.275-277.856.
• 20. Zheng D, Chen W. Thermal performances on angular contact ball bearing of high- speed spindle considering structural constratints under oil-air lubrication. Tribology International, 2017; (109) 593–601, https://doi.org/10.1016/j.triboint.2017.01.035.
• 21. Zhou W, Habetler T G, Harley R G. Bearing Condition Monitoring Methods for Electric Machines: A General Review. IEEE International Symposium on Diagnostics for Electric Machines, Power Electronics and Drives 2007; https://doi.org/10.1109/demped.2007.4393062.
• 22. Zuber N, Bajric R. Application of artificial neural networks and principal component analysis on vibration signals for automated fault classification of roller element bearings. Eksploatacja i Niezawodnosc – Maintenance and Reliability 2016; 18 (2): 299–306, http://dx.doi.org/10.17531/ein.2016.2.19.
• 23. Zuber N, Bajric R., Šostakov R. Gearbox faults identification using vibration signal analysis and artificial intelligence methods. Eksploatacja i Niezawodnosc – Maintenance and Reliability 2014; 16 (1): 61–65.