With the tools of modern metrology we can measure almost all variables in the phenomenon field of a working machine, and many of the measured quantities can be symptoms of machine conditions. On this basis, we can form a symptom observation matrix (SOM) intended for condition monitoring and wear trend (fault) identification. On the other hand, we know that contemporary complex machines may have many modes of failure, called faults. The paper presents a method of the extraction of the information about faults from the symptom observation matrix by means of singular value decomposition (SVD), in the form of generalized fault symptoms. As the readings of the symptoms can be unstable, the moving average of the SOM is applied with success. An attempt to assess the diagnostic contribution of a primary symptom is made, and also an approach to assess the symptom limit value and to connect the SVD methodology with neural nets is considered. Finally, a condition forecasting problem is discussed and an application of grey system theory (GST) to symptom prognosis is presented. These possibilities are illustrated by processing data taken directly from the machine vibration condition monitoring area.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
With the modern metrology we can measure almost all variables in the phenomenon field of a working machine, and much of measuring quantities can be symptoms of machine condition. On this basis we can form the symptom observation matrix (SOM) intended for condition monitoring. From the other side, we know, that contemporary complex machines may have many modes of failure, so called faults. The paper presents method for the extraction of fault information from the generalized fault symptoms. What is more here, using the concept of symptom reliability elaborated previously by the present author, we can assess the symptom limit value Sb for that generalized fault symptom. This idea is illustrated in the paper by the data taken directly from the machine vibration condition monitoring area.
PL
Postępy współczesnej metrologii i przetwarzania sygnałów sprawiają, że można zmierzyć większość procesów zachodzących w polu zjawiskowym maszyny. Miary wielu z tych procesów mogą być symptomami stanu maszyny, czyli składowymi wielowymiarowego wektora obserwacji. Odczytując ten wektor co ustalony odcinek czasu życia obiektu tworzymy symptomową macierz obserwacji, w której zawarta jest większość informacji diagnostycznych o zmianie stanu obiektu, objawiającej się w powolnej ewolucji różnego typu uszkodzeń. Jak się okazuje jedną z metod do ekstrakcji i rozróżniania informacji diagnostycznej jest metoda rozkładu tej macierzy, zwana singular value decomposition (SVD). Otrzymujemy tu informacje w kategoriach uogólnionych uszkodzeń, z których można oszacować niezawodność symtomową dla danego obiektu i w efekcie obliczyć wartość graniczną potrzebną do decyzji diagnostycznej. Praca przedstawia aplikację takiej metody na dwu przykładach wziętych z praktyki diagnostycznej.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.