Wyniki wyszukiwania - BazTech

1

Local fault detection of rolling element bearing components by spectrogram clustering with semi-binary NMF

Wodecki J., Zdunek R., Wyłomańska A., Zimroz R.

Diagnostyka

|

2017

|

Vol. 18, No. 1

3--8

EN

Information extraction is a very important problem nowadays. In diagnostics, it is particularly useful when one desires to isolate information about machine damage from a measured diagnostic signal. The method presented in this paper utilizes the idea that is based on a very important topic in numerical algebra, which is nonnegative matrix factorization. When applied to the matrix of multidimensional representation of the measured data, it can extract very useful information about the events which occur in the signal and are not recognizable otherwise. In the presented methodology, we use the algorithm called Semi-Binary Nonnegative Matrix Factorization (SB-NMF), and apply it to a time-frequency representation of the real-life vibration signal measured on faulty bearing operating in a belt conveyor driving station. Detected impulses of local damage are clearly identifiable. Performance of the algorithm is very satisfying in terms of time efficiency and output signal quality.

PL

Ekstrakcja informacji jest aktualnym kierunkiem badań. Jest ona szczególnie użyteczna, kiedy próbuje się wyizolować informację na temat uszkodzenia maszyny z zarejestrowanego sygnału diagnostycznego. Metoda zaprezentowana w niniejszej pracy bazuje na bardzo ważnym zagadnieniu algebry numerycznej, jakim jest nieujemna faktoryzacja macierzy. Kiedy jest ona zastosowana do analizy macierzy będącej wielowymiarową reprezentacją sygnału wejściowego, może wyizolować informację istotną z punktu widzenia procesów zachodzących w sygnale, a która nie jest rozpoznawalna w inny sposób. Przedstawiona metodologia korzysta z algorytmu znanego jako półbinarna nieujemna faktoryzacja macierzy, zastosowanego do reprezentacji czasowo-częstotliwościowej rzeczywistego sygnału drganiowego, zmierzonego na uszkodzonym łożysku pracującym w stacji napędowej przenośnika taśmowego. Wykryte impulsy związane z uszkodzeniem lokalnym zostały wyraźnie zidentyfikowane. Działanie algorytmu jest satysfakcjonujące w kwestii wydajności obliczeniowej oraz jakości otrzymanego wyniku.

2

Novel 2D representation of vibration for local damage detection

Żak G., Obuchowski J., Wyłomańska A., Zimroz R.

Mining Science

|

2014

|

Vol. 21

105--113

EN

In this paper a new 2D representation for local damage detection is presented. It is based on a vibration time series analysis. A raw vibration signal is decomposed via short-time Fourier transform and new time series for each frequency bin are differentiated to decorrelate them. For each time series, auto-correlation function is calculated. In the next step ACF maps are constructed. For healthy bearing ACF map should not have visible horizontal lines indicating damage. The method is illustrated by analysis of real data containing signals from damaged bearing and healthy for comparison.

3

Application of ARMA modelling and alpha-stable distribution for local damage detection in bearings

Żak G., Obuchowski J., Wyłomańska A., Zimroz R.

Diagnostyka

|

2014

|

Vol. 15, No. 3

3--10

EN

In this paper a novel method for informative frequency band selection is presented. It is suitable for a vibration signal from a damaged rotating machine which is consisted of a pulse train, but it might be contaminated by other vibrations, often with higher energy. We first decompose the signal into simpler sub-signals and analyze those sub-signals using statistical tools, i.e. autoregressive moving average modelling and fitting of the α -stable distribution. The choice of this distribution is motivated by its excellent ability of modeling heavy-tailed data, i.e impulsive data. We illustrate the proposed methodology by analysis of real vibration signals from heavy-duty rotating machinery. The results prove that this statistical analysis is very efficient in informative frequency band selection in presence of high-energy contamination.

PL

W artykule zaprezentowano nową metodę selekcji informacyjnego pasma częstotliwościowego. Jest ona odpowiednia dla sygnałów drganiowych z maszyny uszkodzonej zawierających impulsy, nawet kiedy są one niewidoczne w dziedzinie czasu, tzn. kiedy wysokoenergetyczne drgania innych elementów zakłócają sygnał informacyjny. Pierwszym krokiem zaproponowanej metody jest dekompozycja sygnału na składowe o prostszej strukturze i ich analiza za pomocą narzędzi statystycznych, tj. modelu ARMA i rozkładu alfa-stabilnego. Wybór tego rozkładu jest umotywowany zdolnością modelowania danych ciężko ogonowych, tzn. sygnałów, w których występują impulsy. Metodę zilustrowano analizą rzeczywistych sygnałów z drganiowych maszyn górniczych. Potwierdzono efektywność zaproponowanej metody statystycznej w kontekście selekcji informacyjnego pasma częstotliwościowego w obecności wysokoenergetycznych zakłóceń.