EKSTRAKCJA SYGNAŁU INFORMACYJNEGO
NA POTRZEBY DIAGNOSTYKI ŁOśYSK BĘBNÓW
NAPĘDOWYCH PRZENOŚNIKA TAŚMOWEGO
Z WYKORZYSTANIEM FILTRU ADAPTACYJNEGO
REALIZUJĄCEGO LINIOWĄ PREDYKCJĘ
Więcej
Ukryj
1
Politechnika Wrocławska, Wydział Geoinżynierii, Górnictwa i Geologii
Mining Science 2008;X(1):154-166
SŁOWA KLUCZOWE
STRESZCZENIE
W pracy przedstawiono wyniki badań dotyczące wykrywania uszkodzeń lokalnych w łożyskach
tocznych na przykładzie łożysk zamontowanych w bębnach napędowych. Stosowane rozwiązania
konstrukcyjne oraz różne właściwości sygnałów generowanych przez elementy układu napędowego
powodują, że sygnał rejestrowany na obudowie łożyska bębna napędowego jest silnie zakłócony
przez sygnał generowany przez przekładnię zębatą – mimo dzielącego obiekty dystansu. Różnice w
poziomach amplitud są znaczące, co powoduje, że wykrycie uszkodzenia na podstawie nieprzetworzonego
sygnału drganiowego jest niemożliwe. Konieczne jest odseparowanie sygnałów z przekładni i
łożysk, lub innymi słowy ekstrakcja sygnału informacyjnego z zarejestrowanego sygnału
drganiowego. Problem zakłócania sygnału z łożyska przez sygnał generowany przez zazębienie w
przekładni a co za tym idzie zagadnienie separacji tych sygnałów sformułowany został przez Randall’a
na potrzeby diagnozowania łożysk w przekładniach helikopterowych. Jednym z możliwych
rozwiązań jest zastosowanie filtracji adaptacyjnej opartej na teorii liniowej predykcji sygnału.
Wykorzystanie różnych właściwości statystycznych sygnałów generowanych przez przekładnie i
łożyska pozwala oddzielić cześć deterministyczną (generowaną przez zazębienie) od losowej, niedeterministycznej
(generowanej przez łożysko). Takie podejście zostało zastosowane z powodzeniem do
przekładni helikopterowych, celem tej pracy jest sprawdzenie skuteczności metody w diagnozowaniu
łożysk w bębnach napędowych. Różnica w obiektach jest zasadnicza – różne moce, gabaryty, prędkości
obrotowe a co za tym idzie struktura częstotliwościowa sygnału drganiowego. Wstępne wyniki
uzyskane po zastosowaniu tego podejścia są obiecujące, niemniej jednak należy starannie dobierać
parametry filtracji.
REFERENCJE (17)
1.
RADKOWSKI S., Wibroakustyczna diagnostyka uszkodzeń niskoenergetycznych Wyd ITE Radom 2002.
2.
RANDALL R.B., Detection and diagnosis of incipient bearing failure in helicopter gearboxes Engineering Failure Analysis 11 (2004) 177–190.
3.
Ho D., RANDALL R.B. Optimization of bearing diagnostic techniques using simulated and actual bearing fault signals Mechanical Systems and Signal Processing (2000), 14(5), 763–788.
4.
ANTONI J., RANDALL R.B., Differential diagnosis of gear and bearing faults, ASME Journal of Vibration and Acoustics 124 (2) (2002) 165–171.
5.
ANTONI J., RANDALL R.B., Unsupervised noise cancellation for vibration signals. Part I— evaluation of adaptive algorithms, Mechanical Systems and Signal Processing (2003) 89–101.
6.
BARTELMUS W., ZIMROZ R., ZAJDA P., Detekcja lokalnych uszkodzeń w łoŜyskach bębnów napędowych przenośników taśmowych. Transport Przemysłowy. 2006 nr 1, s. 32–38,. 2006.
7.
BARTELMUS W., ZIMROZ R., HRYNISZYN S., Diagnostyka uszkodzeń lokalnych na podstawie sygnału drgań w maszynach górniczych. Górnictwo Odkrywkowe. 47, nr 4/5, s. 22–31,.2005.
8.
BARTELMUS W., ZIMROZ R., Optymalny zakres częstotliwości w procedurze demodulacji amplitudy w zastosowaniu do uszkodzeń lokalnych. Diagnostyka (Warszawa). 2006 nr 1, s. 141–150, 2006.
9.
ZIMROZ R., Optymalizacja wyboru szerokości pasma w demodulacji sygnału do wykrywania uszkodzeń lokalnych w elementach maszyn górniczych. Transport Przemysłowy. 2006 nr 4, s. 67–73.
10.
ZIMROZ R., Optymalizacja procedury demodulacji z wykorzystaniem unormowanej sumy amplitud wstęg bocznych jako kryterium decyzyjne. Górnictwo i geologia IX. Wrocław: Oficyna Wydaw. PWr., 2007 s. 151–161,.2007.
11.
BARTELMUS W., ZIMROZ R., Ekstrakcja sygnału informacyjnego na potrzeby wykrywania uszkodzeń lokalnych. Górnictwo Odkrywkowe. 2007, 49, nr 3/4, s. 181–190.
12.
BOUSTANY R., Séparation Aveugle à l’Ordre Deux de Sources Cyclostationnaires: application aux Mesures Vibroacoustiques PhD Thesis, UTC Compiegne, 2005.
13.
HAYKIN S., Adaptive Filter Theory, Prentice–Hall, New Jersey, 1996.
14.
WIDROW B., Stearns S., 1985 Adaptive Signal Processing,. Englewood Clis NJ: Prentice–Hall pp. 349–351.
15.
ZIELIŃSKI T., Cyfrowe Przetwarzanie sygnałów – od teorii do zastosowań, WKŁ Warszawa 2005.
16.
BARTELMUS W., BOUSTANY R., ZIMROZ R., ANTONI J., Applications on spectral correlation techniques on mining machine signals: identification of faulty components. The Second World Congress on Engineering Asset management and the Fourth International Conference on Condition Monitoring. WCEAM CM 2007, Harrogate, UK, 11–14 June 2007. Oxford: Coxmoor Publ., 2007, pp. 267–276.
17.
BOUSTANY R., BARTELMUS W., ANTONI J., ZIMROZ R., Application of spectral correlation techniques of mining machine signals: extraction of fault signatures. The Second World Congress on Engineering Asset management and the Fourth International Conference on Condition Monitoring. WCEAM CM 2007, Harrogate, UK, 11–14 June 2007. Oxford: Coxmoor Publ., 2007. pp. 320–326.