ورود به سامانه عضویت

  1. صفحه اصلی
  2. مقالات منتشر شده
اصل مقاله 692.97 K

بهبود ‌عیب‌یابی یاتاقان به وسیله تبدیل بسته موجک

پذیرفته شده برای ارائه شفاهی ، صفحه 1-10 (10)
کد مقاله : 1091-ISAV2023 (R1)
نویسندگان
1دانشجوی کارشناسی ارشد، دانشکده مهندسی مکانیک، دانشگاه یزد
2دانشیار، دانشکده مهندسی برق، دانشگاه یزد
چکیده
با توجه به کاربرد فراوان یاتاقان ها در صنعت و اهمیت تشیخص زودهنگام خرابی آن ها در مراحل ابتدایی خرابی جهت جلوگیری از هرگونه ایجاد خسارت، در این مقاله سعی شده است یکی از روش های مورد استفاده برای تشخیص خرابی اجزای یاتاقان ها با استفاده از پردازش صورت گرفته بر روی سیگنال ارتعاشی یاتاقان ها به وسیله تبدیل بسته موجک مورد بررسی قرار داده شود و در ادامه آن اشکالات روش مطرح شده بررسی و روش اصلاحی مطرح گردد. در ادامه با آزمایش این روش بر روی سیگنال های ارتعاشی یاتاقان ها و بررسی تاثیر انواع موجک جهت به کار بردن در تبدیل بسته موجک، دقت هر یک از موجک‌ها در تشخیص صحیح وضعیت یاتاقان آزمایش شده و با یکدیگر مقایسه گردند و در انتها روش اصلاحی بیان شده که بر پایه تبدیل موجک می باشد با روش دیگری که مبنی بر کرتوگرام و اعمال فیلتر میان گذر بر روس سیگنال ارتعاشی یاتاقان جهت تشخیص عیب یاتاقان می باشد مقایسه می شود.
کلیدواژه ها
موضوعات
 
Title
.
Authors
مراجع
  1. Patidar, P. Kummar soni, "An overview on vibration analysis techniques for the diagnosis of rolling element bearing faults," International journal of engineering trends and technology (IJETT), pp. 1804-1809, 2013
  2. He, X. Zhang, MI Friswell, "Defect Diagnosis for Rolling Element Bearings Using Acoustic Emission," Journal of Vibration and Acoustics, pp. 061012-10 - 061012-1, 2009.
  3. F. Pires, M. Kadivonga, J.F. Martins, A.J. Pires, "Motor square current signature analysis for induction motor rotor diagnosis," Measurement, pp. 942–948, 2013.
  4. K. Kankar, S. C. Sharma, S.P. Harsha, "Fault diagnosis of ball bearings using continuous wavelet transform," Applied Soft Computing, pp. 2300-2312, 2011.
  5. Liu, F. Chen, Z. Zhou, Q. Wei, "Fault Diagnosis of Rolling Bearing Based on Wavelet Package Transform and Ensemble Empirical mode Decomposition," Advances in mechanical Engineering, pp. 1-6, 2013.
  6. Purushotham, S. Narayanan, Suryanarayana A.N. Prasad, "Multi-fault diagnosis of rolling bearing elements using wavelet analysis and hidden Markov model based fault recognition," NDT & E International, pp. 654-664, 2005
  7. Antoni, "Fast computation of the kurtogram for the detection of transient faults," Mechanical Systems and Signal Processing, vol. 21, pp. 108-124, 2007.
  8. Wang D, Miao Q, Fan X, Huang HZ," Rolling element bearing fault detection using an improved combination of Hilbert and wavelet transforms," Mechanical Science and Technology, pp. 3292-3301, 2009.
  9. G. Nikolaou, I. A. Antoniadis, "Rolling element bearing fault diagnosis using wavelet packets," NDT&E International 35, pp. 197-205, 2002.
  10. B. Randall and J. Antoni, "Rolling element bearing diagnostics—a tutorial," Mechanical Systems and Signal Processing, pp. 485–520, 2011.
  11. Prasad, The effect of cage and roller slip on the measured defect frequency response of rolling element bearings, ASLE Transactions, Delhi, 1987.
  12. Liu, "Selection of wavelet packet basis for rotating machinery fault diagnosis," Journal of sound and Vibration, pp. 567-582, 2005.
  13. https://engineering.case.edu/bearingdatacenter/download-data-file
  14. https://github.com/mathworks/RollingElementBearingFaultDiagnosis-Data-36