کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5475715 1521415 2017 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Early fault detection and diagnosis in bearings for more efficient operation of rotating machinery
ترجمه فارسی عنوان
تشخیص زودهنگام و تشخیص خطا در بلبرینگ برای کارآیی کارآمدتر از ماشین آلات دوار
کلمات کلیدی
بهره وری انرژی، تشخیص و تشخیص گسل، یاطاقان نورد، تبدیل موجک، آنتروپی انرژی، طبقه بندی های درجه دو،
ترجمه چکیده
تشخیص زودهنگام و تشخیص زودهنگام نقش مهمی در سیستم های مختلف انرژی ایفا می کند که این امر برای جلوگیری از نابودی شرایط، راندمان تخریب و شکست های غیر منتظره حیاتی است. یاتاقانهای غلتکی یکی از رایج ترین اجزای ماشین آلات دوار برای تبدیل انرژی هستند. پوسته مکانیکی و یاطاقان ناقص باعث می شود ماشین آلات چرخش برای کاهش کارایی آن و در نتیجه افزایش مصرف انرژی. یک روش جدید برای تشخیص زودهنگام زودهنگام و تشخیص در بلبرینگ نورد بر اساس تجزیه و تحلیل سیگنال ارتعاش ارائه شده است. پس از عادی سازی و تبدیل موجک سیگنال های ارتعاش، انحراف استاندارد به عنوان اندازه گیری انرژی متوسط ​​و انرژی آنتروپی انرژی لگاریتمی به عنوان اندازه گیری درجه اختلال در زیربندهای مورد علاقه به عنوان ویژگی های نمایندگی استخراج می شود. سپس ابعاد فضای ابعاد به طور مطلوب به دو روش ماتریس پراکنده کاهش می یابد. در فضای ویژگی دو بعدی کاهش یافته، تشخیص و تشخیص خطا توسط طبقه بندی های درجه دوم انجام می شود. دقت روش جدید در چهار کلاس سیگنال های ثبت شده لرزش، یعنی طبیعی، با خطای نژاد درونی، عملیات بیرونی و توپ، مورد آزمایش قرار گرفت. دقت کلی 100٪ بدست آمد. تکنیک جدید بیشتر در محیط تولید واقعی آزمایش و اجرا خواهد شد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی (عمومی)
پیش نمایش مقاله
تشخیص زودهنگام و تشخیص خطا در بلبرینگ برای کارآیی کارآمدتر از ماشین آلات دوار
چکیده انگلیسی
Early fault detection and diagnosis plays an increasingly important role in various energy systems where it is critical to avoid deteriorating condition, degraded efficiency and unexpected failures. Rolling-element bearings are among the most common components of rotating machinery used for transformation of energy. Mechanical wear and defective bearings cause rotating machinery to decrease its efficiency, and thus increase energy consumption. A new technique for early fault detection and diagnosis in rolling-element bearings based on vibration signal analysis is presented. After normalization and the wavelet transform of vibration signals, the standard deviation as a measure of average energy and the logarithmic energy entropy as a measure of the degree of disorder are extracted in sub-bands of interest as representative features. Then the feature space dimension is optimally reduced to two using scatter matrices. In the reduced two-dimensional feature space the fault detection and diagnosis is performed by quadratic classifiers. Accuracy of the new technique was tested on four classes of the recorded vibrations signals, i.e. normal, with the fault of inner race, outer race and balls operation. An overall accuracy of 100% was achieved. The new technique will be further tested and implemented in a real production environment.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy - Volume 136, 1 October 2017, Pages 63-71
نویسندگان
, , , , , ,