Wyniki wyszukiwania - Biblioteka Nauki

1

Diagnosis of the induction motor rolling bearings using neural networks

100%

Kowalski C. T.

Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej. Studia i Materiały

|

2004

|

tom Vol. 56, nr 24

219-228

EN

In the paper results of bearing fault detection for the induction motor using two neural network types are presented. Feedforward and Kohonen networks were trained using pre-processed measurements of mechanical vibrations and stator currents of the induction motor. The stator current spectra as well as vibration spectra were used for the development of neural network detectors for bearing failure classification. Preparations of training patterns as well as training procedures were described. The usefulness of these neural detectors was determined based on experimental tests.

PL

W artykule przedstawiono wyniki detekcji uszkodzeń łożysk tocznych silnika indukcyjnego przy stosowaniu sieci neuronowych. Sieci jednokierunkowe i sieci Kohonena były trenowane za pomocą odpowiednio przetworzonych sygnałów drgań mechanicznych wirnika oraz prądu stojana silnika. Widma prądu stojana i drgań mechanicznych były stosowane jako sygnały wejściowe neuronowych detektorów i klasyfikatorów uszkodzeń łożysk. Opisano sposób przygotowania wektorów uczących dla sieci neuronowych. Przydatność opracowanych detektorów oceniono na podstawie testów eksperymentalnych.

2

Experimental comparison of vibration and acoustic emission signal analysis using kurtosis-based methods for induction motor bearing condition monitoring

75%

Othman M. S. , Nuawi M. Z. , Mohamed R.

Przegląd Elektrotechniczny

|

2016

|

tom R. 92, nr 11

208--212

EN

Vibration and acoustic emission (AE) signal measurement are established tools in condition monitoring of bearings. This paper presents a comparison between two statistical methods, i.e. kurtosis, and another kurtosis based method called I-kaz using simultaneous signal of vibration and AE. The existence of harmonics fault frequencies in envelope spectrums also have been discussed. The results reveal that both signals are suitable for induction motor bearing fault detection.

PL

W artykule przedstawiono porównanie dwóch metod statystycznych, kurtozy oraz I-kaz używająnych do diagnostyki łożyskowania maszyn elektrycznych. Jako sygnały diagnostyczne wykorzystuuje się pomiar wibracji i emisji akustycznej.

3

Experimental studies for bearings degradation monitoring at an early stage using analysis of variance

63%

Zarour D. , Meziani S. , Thomas M.

Diagnostyka

|

2018

|

tom Vol. 19, No. 4

81--87

EN

This work presents a procedure for bearing degradation monitoring at an early stage. The analysis of variance (ANOVA) coupled with Tukey’s test is used to single out the suitable parameters to follow the fault size evolution ranging from 50 µm to 150µm. The Tukey's criterion is adopted in this case to study the ability of time and frequency indicators. The rotational speed, centrifugal load and fault size are considered as independent variables while the time and frequency indicators are taken as dependent variables. The experiments are performed on bearings having a fault on outer race. Based on the results of this study, the Kurtosis and Skewness show a good ability to assess the evolution of degradation in the bearings at an early stage. The paper discusses the weakness of the time and frequency indicators.

4

Application of time-frequency distributions in diagnostic signal processing problems: a case study

63%

Katunin A.

Diagnostyka

|

2016

|

tom Vol. 17, No. 2

95--103

EN

In this paper, the author analyzed an applicability of selected types of time-frequency distributions that belong to Cohen’s class and their reassignments for signals similar to those obtained during machinery diagnostics. At the first step of performed studies a synthetic multicomponent signal that contains both stationary and non-stationary components was analyzed using algorithms based on various time-frequency distributions. This allows for evaluating effectiveness of identification of particular components by applied time-frequency distributions and selecting a group of the most effective algorithms. At the second step, the selected time-frequency distributions were applied for analysis of signals acquired during diagnosis of rolling bearings in order to verify the effectiveness of identification of components responsible for a priori known faults occurred in bearings.

PL

W niniejszym artykule autor analizuje stosowalność wybranych typów dystrybucji czasowoczęstotliwościowych, które należą do klasy Cohena i ich wersji redefiniowanych dla sygnałów zbliżonych do takich, które są otrzymywane podczas diagnostyki maszyn. W pierwszym kroku przeprowadzonych badań syntetyczny wieloskładowy sygnał, zawierający zarówno stacjonarne jak i niestacjonarne składowe, był analizowany z wykorzystaniem algorytmów opartych na różnych dystrybucjach czasowoczęstotliwościowych. Pozwoliło to na ocenę efektywności identyfikacji poszczególnych składowych przez zastosowane dystrybucje czasowo-częstotliwościowe oraz wybór grupy najefektywniejszych algorytmów. W drugim kroku wybrane dystrybucje czasowo-częstotliwościowe zostały zastosowane do analizy sygnałów pozyskanych podczas diagnostyki łożysk tocznych w celu weryfikacji efektywności identyfikacji składowych odpowiedzialnych za wystąpienie uszkodzeń w łożyskach, znanych a priori.