PL
 |
EN
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 8

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  acoustic emission signal
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available Recognition of pick wear condition based on Grey-Markov chain model
Zhang Qiang, Zhang Jiayao
Journal of Theoretical and Applied Mechanics
|
2023
|
Vol. 61 nr 2
289--303
EN
An attempt is made in this paper to solve the pick wear problem of mining machinery and propose a pick wear degradation model based on the Grey-Markov chain by using generated characteristics signals and certain pick wear parameters to enhance the prediction accuracy. The vibration and acoustic emission signals generated during the catting pick are extracted and analyzed. The energy and the value of the characteristic signal are obtained by wavelet analysis to construct a characteristic sample library of the signals. Two kinds of signals are applied to the model to analyze the error between the real and the predicted values. The model prediction results demonstrate a 1.43% error of the vibration signal, 1.64% error of the acoustic emission signal with 98% prediction accuracy, thus offers a new method for monitoring the pick wear of mining machinery.
2
Content available Gear pitting fault diagnosis using raw acoustic emission signal based on deep learning
Li Xueyi, Li Jialin, He David, Qu Yongzhi
Eksploatacja i Niezawodność
|
2019
|
Vol. 21, no. 3
403--410
EN
Gear pitting fault is one of the most common faults in mechanical transmission. Acoustic emission (AE) signals have been effective for gear fault detection because they are less affected by ambient noise than traditional vibration signals. To overcome the problem of low gear pitting fault recognition rate using AE signals and convolutional neural networks, this paper proposes a new method named augmented convolution sparse autoencoder (ACSAE) for gear pitting fault diagnosis using raw AE signals. First, the proposed method combines sparse autoencoder and one-dimensional convolutional neural networks for unsupervised learning and then uses the reinforcement theory to enhance the adaptability and robustness of the network. The ACSAE method can automatically extract fault features directly from the original AE signals without time and frequency domain conversion of the AE signals. AE signals collected from gear test experiments are used to validate the ACSAE method. The analysis result of the gear pitting fault test shows that the proposed method can effectively performing recognition of the gear pitting faults, and the recognition rate reaches above 98%. The comparative analysis shows that in comparison with fully-connected neural networks, convolutional neural networks, and recurrent neural networks, the ACSAE method has achieved a better diagnostic accuracy for gear fitting faults.
PL
Pitting kół zębatych stanowi jedno z najczęstszych uszkodzeń przekładni mechanicznych. Do wykrywania takich uszkodzeń stosuje się sygnały emisji akustycznej (AE), które, ze względu na niższą wrażliwość na hałas otoczenia, stanowią skuteczniejsze narzędzie diagnostyczne niż tradycyjne sygnały wibracyjne. Wykrywalność zużycia guzełkowatego (pittingu) kół zębatych przy użyciu sygnałów AE i splotowych sieci neuronowych jest jednak niska. Aby rozwiązać ten problem, w niniejszym artykule zaproponowano nową metodę diagnozowania uszkodzeń kół zębatych za pomocą surowych sygnałów AE, którą nazwano augmented convolution sparse autoencoder (konwolucją rozszerzoną z wykorzystaniem autoenkodera rzadkiego, ACSAE). Jest to metoda samouczenia jednowymiarowych splotowych sieci neuronowych realizowanego za pomocą autoenkodera rzadkiego. Metoda ta wykorzystuje teorię wzmocnienia do zwiększania adaptacyjności i odporności sieci. Metoda ACSAE pozwala na automatyczne wyodrębnianie cech degradacji bezpośrednio z oryginalnych sygnałów AE bez konieczności ich konwersji do domeny czasu i częstotliwości. Walidację metody przeprowadzono na podstawie sygnałów AE otrzymanych w badaniach kół zębatych. Analiza wyników badań pittingu kół zębatych wskazuje, że proponowana metoda pozwala na skuteczną detekcję tego typu uszkodzeń, przy wskaźniku wykrywalności powyżej 98%. Analiza porównawcza pokazuje, że metoda ACSAE cechuje się większą trafnością diagnostyczną w wykrywaniu błędów montażowych kół zębatych w porównaniu z sieciami neuronowymi w pełni połączonymi, splotowymi i rekurencyjnymi.
3
Content available Surface evaluation during the grinding process using acoustic emission signal
Sutowski P.
Journal of Machine Engineering
|
2012
|
Vol. 12, No. 4
23--34
EN
The hereby article presents results of experimental tests which prove the possibility of indirect evaluation of the grinded object's quality with the application of monitoring and analysis of selected acoustic emission signal (AE) registered during the machining process. As the grinding process is carried out and the grinding wheel wear progresses, the acoustic emission signal value is shaped adequately to the workpiece surface quality changes. The binding descriptor of changes of roughness profile and material residual stresses is the RMS value of the acoustic emission signal and in particular the statistical features that characterize the distribution of values contained in the signal sample in relation to the average value. The analysis results indicate that the acoustic emission signal is a convenient indicator for evaluation of stresses cumulated in the surface layer of the material and in selected surface geometrical structure parameters.
4
Content available Zastosowanie Zoptymalizowanego Algorytmu Multikomparacyjnego do klasyfikacji sygnałów emisji akustycznej generowanej przez wyładowania niezupełne, uszeregowane w zmodyfikowanej bazie danych
Kurtasz P., Boczar T.
Pomiary Automatyka Robotyka
|
2010
|
R. 14, nr 12
73-78
PL
W artykule scharakteryzowano możliwości zastosowania Zoptymalizowanego Algorytmu Multikomparacyjnego (ZAM) do klasyfikacji sygnałów emisji akustycznej (EA) generowanej przez podstawowe formy (klasy) wyładowań niezupełnych (WNZ), jakie mogą występować w izolacji papierowo-olejowej transformatorów elektroenergetycznych. W algorytmie ZAM zastosowano deskryptor czasowo-częstotliwościowy z optymalnie dobranymi parametrami w dziedzinie czasu i częstotliwości. Za pomocą tak skonstruowanego algorytmu przebadano bazę wiedzy poszerzoną o dodatkową klasę WNZ. Dotychczas wykorzystywana baza wiedzy, zawierająca osiem klas przebiegów EA, została opracowana w Katedrze Wysokich Napięć Politechniki Opolskiej. Stanowiła podstawę do testowania algorytmu ZAM, uzupełniono ją o dodatkową formę WNZ modelowanych w iskierniku ostrze-płyta umieszczonym w oleju izolacyjnym ze swobodnie przemieszczającymi się pęcherzykami gazowymi. Układ wyładowczy reprezentujący tę klasę, podobnie jak wszystkie pozostałe układy został zamodelowany w oleju elektroizolacyjnym. W artykule szczególną uwagę poświęcono omówieniu zasady działania zastosowanego algorytmu oraz wynikom skuteczności rozpoznawania podstawowych form WNZ, uzyskiwanym przy jego użyciu. Skuteczność rozpoznawania form WNZ została wyznaczona dla każdej z klas z osobna i całościowo dla bazy danych. Całkowita skuteczność klasyfikacji (dla całej bazy danych) wyniosła 95,95 %.
EN
In the paper application is described of the optimized multi-comparational and classic multi-comparational algorithms for classification of acoustic emission (AE) signals generated by the basic forms of partial discharges (PDs) which can occur in of paper-oil insulation systems of power transformers. This is a new implementation of the classical multi-comparational algorithm. The optimized multi-comparational algorithm was especially designed for needs on classification of the AE methods and it is result of research works performed by authors of this paper. Implementation of a time-frequency descriptor into the optimized multi-computational algorithm has been proposed. It was demonstrated that both algorithms indicate high, over 95,95 %, classification efficiency.
5
Content available Application of acoustic emission in research of phenomenon occurring in high pressure fuel oil pipes of marine diesel engines
Bejger A., Drzewieniecki J.
Problemy Eksploatacji
|
2007
|
nr 3
25-31
EN
This article presents the possibilities of AE signal application in the diagnosis of the technical condition of marine diesel engines, while taking into consideration injection systems in the range of the evaluation of the repeatability of fuel injection pressure. It describes the phenomenon and characterized disturbances in the injection pipe and their influence on the AE signal changes. On the basis of results of the research, the analysis of the AE signal presenting the coarse of fuel pressure changes in the injection pipe and pump was done, and there were distinguished friction processes occurring in the precise pair of injection pump and field characterizing the flow out of fuel from injector.
PL
W niniejszym artykule przedstawiono możliwości zastosowania sygnałów emisji akustycznej do diagnozowania stanu technicznego okrętowych silników spalinowych, ze szczególnym uwzględnieniem układów wtryskowych w zakresie oceny powtarzalności ciśnienia wtrysku paliwa. Omówione zostały zjawiska i scharakteryzowano zakłócenia zachodzące w przewodzie wtryskowym i ich wpływ na zmiany sygnału EA. W oparciu o wyniki badań dokonano analizy sygnału EA przedstawiającego przebieg zmian ciśnienia paliwa w przewodzie i pompie wtryskowej oraz wyróżniono procesy tarciowe zachodzące w parze precyzyjnej pompy wtryskowej i obszar charakteryzujący wypływ paliwa z wtryskiwacza.
6
The influence of pressboard barriers on acoustic emission signal generated by partial discharges in a power transformer
Sikorski W., Staniek P., Siodła K.
Poznan University of Technology Academic Journals. Electrical Engineering
|
2007
|
No 56
155-164
EN
The paper presents the results of investigation how pressboard barriers influence on acoustic emission signals parameters generated by partial discharges occurring in a power transformer. Additionally, the discussion on possibilities of detection of strongly attenuated (noised) discharges registered in industrial conditions with the use of acoustic emission method was conducted.
7
An attempt to appraise the progress of methyl polymethacrylate degradation induced by a strong electric field on the grounds of analysis of acoustic signal emission
Dobrzycki A., Opydo W.
Poznan University of Technology Academic Journals. Electrical Engineering
|
2007
|
No 56
197-203
EN
The paper presents the research of methyl polymethacrylate treeing in a strong electric field. The treeing rate and the signals of acoustic emission have been subject to the research. The counting rate of the acoustic emission, the rate of acoustic emission events, and rms signal have been used as parameters of acoustic emission signals. It was found that high increase in the rate of methyl polymethacrylate treeing is accompanied by the growth of counting and events rates of emitted acoustic signals. On the other hand, no correlation between the values of the above mentioned descriptors and the rms signal values has been observed in measured acoustic signals.
8
Computer-aided analysis of acoustic emission signals accompanying methyl polymetacrylate degradation in a strong electric field
Dobrzycki A., Opydo W., Dobroszewski R.
Poznan University of Technology Academic Journals. Electrical Engineering
|
2006
|
No 52
201-210
EN
The paper presents the results of frequency and time-frequency analyses of the acoustic emission signals arising during degradation of methyl polymetacrylate in a strong electric field. The frequency analysis was carried out with the use of Fourier Fast Transform method (FFT), while the time-frequency analysis - with the use of Short-Term Fourier Transform (STFT). The MatLafa software package was used for purposes of analyzing. It was found that the acoustic emission signals measured this way include some predominant frequencies. Results of the studies have shown that in the considered frequency range of the acoustic emission signals (0÷96kHz) the part of the signals of frequencies CH-15kHz and 43÷53kHz predominated.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.