Single-number statistical parameters in the assessment of the technical condition of machines operating under variable load

• Autorzy: Pawlik Paweł

Identyfikatory

DOI

10.17531/ein.2019.1.19

Warianty tytułu

PL

Jednoliczbowe parametry statystyczne w ocenie stanu technicznego maszyn pracujących przy zmiennym obciążeniu

• Języki publikacji: EN

Abstrakty

EN

Diagnosing machines operating under variable load requires the use of special signal analysis methods. In literature there are many methods based on synchronic analysis where vibration signal is synchronized with shaft rotation of the diagnosed machine. Varying load, however, also affects the amplitude of diagnostic parameters values. The paper deals with the problem of diagnosing machines operating under variable load. The impact of load on the diagnostics parameters values has been tested on a laboratory station. Due to varying rotational speed, the diagnostic parameters were amplitudes of orders determined by means of order analysis synchronized with the shaft rotation in the diagnosed drive unit. Examined was the impact of varying load on the diagnostics effectiveness of damage, such as incorrect motor mount (soft foot) and misalignment of shafts. Single-number statistical parameters were proposed to determine the technical condition of machines operating under variable load.

PL

Diagnozowanie maszyn pracujących przy zmiennym obciążeniu wymaga zastosowania specjalnych metod analizy sygnału. W literaturze znaleźć można wiele metod bazujących na analizie synchronicznej, gdzie sygnał drgań zsynchronizowany jest z obrotami diagnozowanej maszyny. Jednak zmienne obciążenie ma wpływ również na zmianę wartości amplitud parametrów diagnostycznych. Praca podejmuje problem diagnozowania maszyn pracujących przy zmiennym obciążeniu. Przeprowadzono badania na stanowisku laboratoryjnym wpływu obciążenia na wartości parametrów diagnostycznych. Ze względu na zmienną prędkość obrotową jako parametry diagnostyczne przyjęto wartości amplitud rzędów, wyznaczonych za pomocą analizy rzędów zsynchronizowanej z obrotami wału diagnozowanego układu napędowego. Zbadano wpływ zmiennego obciążenia na skuteczność diagnozowania uszkodzeń takich jak nieprawidłowe posadowienie silnika (soft foot) oraz niewspółosiowość wałów. Zaproponowano jednoliczbowe parametry statystyczne do określania stanu technicznego maszyn pracujących przy zmiennym obciążeniu.

Słowa kluczowe

EN

soft foot; diagnostics; vibroacoustics; order analysis

PL

nieprawidłowe posadowienie maszyn; diagnostyka; wibroakustyka; analiza rzędów

• Wydawca: Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne
• Czasopismo: Eksploatacja i Niezawodność
• Rocznik: 2019
• Tom: Vol. 21, no. 1
• Strony: 164--169
• Opis fizyczny: Bibliogr. 18 poz., rys., tab.

Twórcy

autor

Pawlik Paweł

• AGH University of Science and Technology, Department of Mechanics and Vibroacoustics, al. A. Mickiewicza 30, 30-059 Kraków, Poland

Bibliografia

• 1. Baruch K, Szeląg A, Rubacha J, Hałoń K. An engineering method to measure the impact sound reduction due to soft coverings on heavyweight floors. Applied Acoustics 2018; 142: 18–28, https://doi.org/10.1016/j.apacoust.2018.08.006.
• 2. Braun S, Seth B B. On the extraction and filtering of signals acquired from rotating machines. Journal of Sound and Vibration 1979; 65(1): 37-50, https://doi.org/10.1016/0022-460X(79)90526-1.
• 3. Burdzik R, Konieczny Ł, Warczek J, Cioch W. Adapted linear decimation procedures for TFR analysis of non-stationary vibration signals of vehicle suspensions. Mech. Res. Commun 2017; 82: 29–35, https://doi.org/10.1016/j.mechrescom.2016.11.002.
• 4. Cempel C. Podstawy wibroakustycznej diagnostyki maszyn. Warszawa: Wydawnictwo Naukowo Techniczne, 1982.
• 5. Cioch W, Knapik O, Leśkow J. Finding a frequency signature for a cyclostationary signal with applications to wheel bearing diagnostics, Mechanical Systems and Signal Processing. spec. iss.: Condition monitoring of machines in non–stationary operations 2013; 38(1): 55-64, https://doi.org/10.1016/j.ymssp.2012.12.013.
• 6. Dąbrowski D. Condition monitoring of planetary gearbox by hardware implementation of artificial neural networks. Measurement 2016; 91: 295–308, https://doi.org/10.1016/j.measurement.2016.05.056.
• 7. Jaramillo V H, Ottewill J R, Dudek R, Lepiarczyk D, Pawlik P. Condition monitoring of distributed systems using two-stage Bayesian inference data fusion, Mechanical Systems and Signal Processing 2017; 87(A), 91–110, https://doi.org/10.1016/j.ymssp.2016.10.004.
• 8. Lei Y, Lin J, Zuo M J, He Z. Condition monitoring and fault diagnosis of planetary gearboxes: A review, Measurement 48 (2014) 292–305, https://doi.org/10.1016/j.measurement.2013.11.012.
• 9. Lenart L, Leśkow J, Synowiecki R. Subsampling in estimation of autocovariance for periodically correlated time series. Journal of Time Series Analysis 2008; 29(6): 995-1018, https://doi.org/10.1111/j.1467-9892.2008.00591.x.
• 10. National Instrument. LabVIEW Order Analysis Toolkit User Manual. 2005.
• 11. Ottewill J R, Orkisz M. Condition monitoring of gearboxes using synchronously averaged electric motor signals. Mechanical Systems and Signal Processing 2013; 38(2): 482-498, https://doi.org/10.1016/j.ymssp.2013.01.008.
• 12. Pan M C, Chiu C C. Investigation on improved Gabor order tracking technique and its applications. Journal of Sound and Vibration 2006; 295(3-5): 810-826, https://doi.org/10.1016/j.jsv.2006.01.046.
• 13. Pawlik P, Lepiarczyk D, Dudek R, Ottewill J R, Rzeszuciński P, Wójcik M, Tkaczyk A. Vibroacoustic study of powertrains operated in changing conditions by means of order tracking analysis. Eksploatacja i Niezawodnosc – Maintenance and Reliability 2016; 18(4), 606–612. https://doi.org/10.17531/ein.2016.4.16.
• 14. Popiołek K, Pawlik P. Diagnosing the Technical Condition of Planetary Gearboxes Using an Artificial Neural Network Based on Analysis of Non-Stationary Signals, Diagnostyka 2016; 17(2), 57–64.
• 15. Randall R B. Frequency Analysis. Denmark: Bruel & Kjær, 1987.
• 16. Shao H, Jin W, Qian S. Order tracking by discrete Gabor expansion, IEEE Transactions on Instrumentation and Measurement 2003; 52(3): 754–761, https://doi.org/10.1109/TIM.2003.814670.
• 17. Stępień B, A comparison of classical and Bayesian interval estimation for long-term indicators of road traffic noise, Acta Acustica united with Acustica 2018; 104, 6, 1118-1129. https://doi.org/10.3813/AAA.919276.
• 18. Urbanek J, Barszcz T, Strączkiewicz M, Jablonski A. Normalization of vibration signals generated under highly varying speed and load with application to signal separation. Mechanical Systems and Signal Processing 2017; 82, 13-31, https://doi.org/10.1016/j.ymssp.2016.04.017.

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2019).