Wyniki wyszukiwania - BazTech

1

A hybrid approach for fault diagnosis of spur gears using Hu invariant moments and artificial neural networks

Rex F. Michael Thomas, Andrews A., Krishnakumari A., Hariharasakthisudhan P.

Metrology and Measurement Systems

|

2020

|

Vol. 27, nr 3

451--464

EN

Achieving a reliable fault diagnosis for gears under variable operating conditions is a pressing need of industries to ensure productivity by averting unwanted breakdowns. In the present work, a hybrid approach is proposed by integrating Hu invariant moments and an artificial neural network for explicit extraction and classification of gear faults using time-frequency transforms. The Zhao-Atlas-Marks transform is used to convert the raw vibrations signals from the gears into time-frequency distributions. The proposed method is applied to a single-stage spur gearbox with faults created using electric discharge machining in laboratory conditions. The results show the effectiveness of the proposed methodology in classifying the faults in gears with high accuracy.

2

Gearbox faults identification using vibration signal analysis and artificial intelligence methods

Zuber N., Bajrić R., Šostakov R.

Eksploatacja i Niezawodność

|

2014

|

Vol. 16, no. 1

61--65

PL

Artykuł omawia zastosowanie sztucznych sieci neuronowych opartych na cechach oraz analizy drgań do celów automatycznej identyfikacji uszkodzeń skrzyni biegów. Prace eksperymentalne przeprowadzono na specjalnie zaprojektowanym stanowisku badawczym, a uzyskane wyniki zweryfikowano na przykładzie przekładni przenośnika taśmowego koparki wielonaczyniowej SRs 1300 wykorzystywanej w kopalni odkrywkowej. Cechy drgań w dziedzinie czasu i częstotliwości są wykorzystywane jako wejścia klasyfikatorów uszkodzeń. Kompletny zbiór proponowanych cech drgań wykorzystano jako wejścia samoorganizujących się map cech, a na podstawie wyników opracowano zredukowany zbiór cech drgań, które wykorzystano jako wejścia do nadzorowanych sztucznych sieci neuronowych. Zbadano dwa typowe uszkodzenia przekładni : zużycie przekładni oraz brakujące zęby przekładni. Uzyskane wyniki wskazują, że proponowany zbiór cech drgań umożliwia niezawodną identyfikację rozwijających się uszkodzeń w układach przenoszenia napędu z kołami zębatymi.

EN

The paper addresses the implementation of feature based artificial neural networks and vibration analysis for the purpose of automated gearbox faults identification. Experimental work has been conducted on a specially designed test rig and the obtained results are validated on a belt conveyor gearbox from a mine strip bucket wheel excavator SRs 1300. Frequency and time domain vibration features are used as inputs to fault classifiers. A complete set of proposed vibration features are used as inputs for selforganized feature maps and based on the results a reduced set of vibration features are used as inputs for supervised artificial neural networks. Two typical gear failures were tested: worn gears and missing teeth. The achieved results show that proposed set of vibration features enables reliable identification of developing faults in power transmission systems with toothed gears.

3

Wykrywanie wczesnych faz uszkodzeń kół zębatych w warunkach eksploatacyjnych

Łazarz B., Wojnar G., Czech P.

Eksploatacja i Niezawodność

|

2011

|

nr 1

68-77

PL

Przekładnie zębate są powszechnie wykorzystywane w układach napędowych maszyn i urządzeń. W trakcie ich eksploatacji bardzo istotne jest odpowiednio wczesne pozyskanie informacji o postępujących procesach degradacyjnych. Pozwala to na zaplanowanie we właściwym czasie niezbędnych przeglądów oraz napraw, zwiększając w ten sposób niezawodność wszystkich elementów łańcucha kinematycznego. Z tego powodu w artykule zawarto wyniki prac zespołu w zakresie diagnostyki wibroakustycznej uszkodzeń elementów przekładni zębatych. Przedstawiono przegląd badań symulacyjnych i doświadczalnych, których celem było opracowanie metod pozwalających na wczesną identyfikację uszkodzeń zębów w postaci pittingu powierzchni roboczych, wykruszenia wierzchołka, pęknięcia u podstawy zęba oraz częściowego wyłamania zęba. Dokonano oceny efektywności wybranych metod przetwarzania sygnałów wibroakustycznych w procesie wykrywania uszkodzeń kół zębatych przy jednoczesnym występowaniu uszkodzeń łożyskowania przekładni pracujących w różnych warunkach. Wstępnie przetworzone sygnały drganiowe analizowane w dziedzinie czasu i częstotliwości stanowiły podstawę do opracowania miar diagnostycznych wrażliwych na wczesne stadia uszkodzeń. Miary otrzymane w wyniku symulacji oraz badań doświadczalnych wykorzystano do budowy zestawu wzorców klasyfikatora neuronowego diagnozującego rodzaj i stopień uszkodzenia kół przekładni z błędem walidacji poniżej 5%. Uzyskana zgodność jakościowa i ilościowa wyników badań symulacyjnych i doświadczalnych wykazała, że wykorzystanie rozbudowanego i zidentyfikowanego modelu dynamicznego przekładni w układzie napędowym, umożliwia pozyskanie wiarygodnych relacji diagnostycznych

EN

Toothed gears are commonly used in various power transmission systems. Collecting information about degradation processes early enough is crucial during their exploitation. It enables suitable planning of required inspections and repairs, improving the reliability of all kinetic chain elements. The article includes results of the team’s research work on vibroacoustic diagnostic of gearbox components’ faults. A review of simulation and experimental researches that aimed at elaboration of methods which would enable early identification of teeth faults in the form of working surface pitting, spalling of tooth crest, crack at the tooth bottom as well as partial breaking of a tooth, is presented. Assessment of selected methods of processing the vibroacoustic signals during the detection of gear faults has been carried out while faults occur in gear bearings working under various conditions. The initially processed vibration signals analyzed within time and frequency domains constituted a basis for preparation of detection measures that were sensitive to early stages of damage. The measures obtained as a result of simulation and experimental tests were used to construct a set of neuron classifier models to diagnose the type and degree of toothed wheels faults with a validation error below 5%. The achieved qualitative and quantitative conformity of simulation and experimental research results has shown that application of an expanded and identified dynamic model of the gear in a power transmission system enables the acquisition of reliable diagnostic relations.

4

Gear fault detection using vibration analysis

Wilk A., Łazarz B., Madej H.

Diagnostyka

|

2008

|

nr 3(47)

111-116

EN

The article includes results of the team's research work on vibroacoustic diagnostic of gearbox components' faults. A review of simulation and experimental researches that aimed at elaboration of methods which would enable early identification of teeth faults in the form of working surface pitting, spalling of tooth crest, crack at the tooth bottom as well as partial breaking of a tooth, is presented. Assessment of selected methods of processing the vibroacoustic signals during the detection of gear faults has been carried out while faults occur in gear bearings working under various conditions. The initially processed vibration signals analyzed within time and frequency domains constituted a basis for preparation of detection measures that were sensitive to early stages of damage. The measures obtained as a result of simulation and experimental tests were used to construct a set of neuron classifier models to diagnose the type and degree of toothed wheels faults with a validation error below 5%. The achieved qualitative and quantitative conformity of simulation and experimental research results has shown that application of an expanded and identified dynamic model of the gear in a power transmission system enables the acquisition of reliable diagnostic relations.

PL

W artykule zawarto wyniki prac zespołu w zakresie diagnostyki wibroakustycznej uszkodzeń elementów przekładni zębatych. Przedstawiono przegląd badań symulacyjnych i doświadczalnych, których celem było opracowanie metod pozwalających na wczesną identyfikację uszkodzeń zębów w postaci pittingu powierzchni roboczych, wykruszenia wierzchołka, pęknięcia u podstawy zęba oraz częściowego wyłamania zęba. Dokonano oceny efektywności wybranych metod przetwarzania sygnałów wibroakustycznych w procesie wykrywania uszkodzeń kół zębatych przy jednoczesnym występowaniu uszkodzeń łożyskowania przekładni pracujących w różnych warunkach. Wstępnie przetworzone sygnały drganiowe analizowane w dziedzinie czasu i częstotliwości stanowiły podstawę do opracowania miar diagnostycznych wrażliwych na wczesne stadia uszkodzeń. Miary otrzymane w wyniku symulacji oraz badan doświadczalnych wykorzystano do budowy zestawu wzorców klasyfikatora neuronowego diagnozującego rodzaj i stopień uszkodzenia kół przekładni z błędem walidacji poniżej 5%. Uzyskana zgodność jakościowa i ilościowa wyników badań symulacyjnych i doświadczalnych wykazała, że wykorzystanie rozbudowanego i zidentyfikowanego modelu dynamicznego przekładni w układzie napędowym umożliwia pozyskanie wiarygodnych relacji diagnostycznych.

5

Klasyfikacja rodzaju i stopnia uszkodzenia zębów kół przekładni oparta na ciągłej transformacie falkowej i sieci neuronowej typu MLP - koncepcja wykorzystania danych z modelu i rzeczywistej przekładni

Czech P., Łazarz B.

Diagnostyka

|

2007

|

nr 2(42)

75-82

PL

W opracowaniu przedstawiono wyniki próby zastosowania sztucznej sieci neuronowej jako klasyfikatora rodzaju i stopnia uszkodzenia zębów kół w przekładni. Klasyfikator neuronowy oparto na sztucznej sieci neuronowej typu MLP. Dane wejściowe do klasyfikatora stanowiła macierz złożona z miar statystycznych otrzymanych z ciągłej analizy falkowej. Zidentyfikowany model przekładni zębatej pracującej w układzie napędowym oraz stanowisko mocy krążącej FZG posłużyły do generacji zbiorów uczących i testujących zastosowanych w eksperymencie.

EN

The work presents results of an experiment that employs the artificial neuronal network in the task of identification of kinds and degree of tooth failure. Neural Networks were based on the Multi Layer Perceptrons. Statistical measures that describe the emergence and degree of tooth gear diagnostic served as input data for the artificial neural networks. The measures employed in the experiment were obtained from signals through the continuous wavelet transform. In the experiment the dynamic model of gearbox and power circulating gear testing machine was used as generator of data.