مروری بر تکنیک‌های تحلیل سیگنال ارتعاشی جهت تشخیص عیوب در اجزای ماشین‌آلات صنعتی

نوع مقاله : مقاله ترویجی

نویسندگان

1 دانشجو/ دانشگاه تهران

2 معاونت پژوهشی / پژوهشکده توسعه تکنولوژی جهاد دانشگاهس شریف

چکیده

در سالیان اخیر تحلیل ارتعاشی به عنوان روشی کارآمد جهت پایش وضعیت ماشین­آلات صنعتی معرفی شده است. ماشین‌آلات دوار در شرایط مختلف اعم از عملکرد سالم یا ناقص، سیگنال‌های ارتعاشی معینی را تولید خواهند کرد که با استفاده از تکنیک‌های مختلف پردازش می‌توان به شرایط کارکرد سیستم پی برد. در صورت بروز نقص در یک سیستم، این سیگنال‌های ارتعاشی وضعیت متفاوتی را به خود می‌گیرند و به منظور تشخیص عیوب و با توجه به شرایط نقص، از روش‌های تحلیل سیگنال‌های ارتعاشی متفاوتی استفاده می‌گردد. آشنایی با این روش‌ها به تحلیلگر ارتعاشی کمک خواهد کرد تا هریک از روش‌ها را در زمان و شرایط مناسب خود به کار گیرد تا با شفافیت  بیشتر وضعیت عملکرد سیستم را مورد بررسی قرار دهد. در مقاله پیش رو طیف وسیعی از روش‌های تحلیل ارتعاشی در سه حوزه زمان، فرکانس و زمان – فرکانس طبقه بندی و معرفی شده است تا خوانندگان از آشنایی لازم بر انواع این تکنیک‌ها برخوردار شوند. روش‌های تحلیل ارتعاشی عمدتا بر روی اجزای حساس و کلیدی ماشین آلات از جمله محور دوار، یاتاقان‌ها و چرخدنده‌ها انجام می‌گیرد. در این مقاله روش تحلیل ارتعاشی مناسب جهت تشخیص عیوبی نظیر ایجاد و رشد ترک در چرخدنده‌ها، عدم تنظیم محور دوار و سایش یاتاقان‌ها که عیوب متداولی هستند، مورد بررسی قرار گرفته است.

کلیدواژه‌ها

موضوعات


[1] E. Mucchi, A. Vecchio, “Acoustical signature analysis of a helicopter cabin in steady-state and run up operational conditions”, Measurement, Vol.43, No.2, Issu.2, 2010, pp.283-293.
[2] Falk, H., M. Rudolf, J. Peter, H. Frank, B. Adeline, “Helicopter Interior Noise Reduction by Using Active Gearbox Struts”, 12th AIAA/CEAS Aeroacoustics Conference (27th AIAA Aeroacoustics Conference), Eds.: American Institute of Aeronautics and Astronautics, 2006.
[3] Randall, R. B., “Detection and diagnosis of incipient bearing failure in helicopter gearboxes”, Engineering Failure Analysis, Vol. 11, No. 2, 2004, pp.177-190.
[4] McFadden, P. D., J. D. Smith, “Effect of transmission path on measured gear vibration”, Journal of Vibration, Acoustics, Stress, and Reliability in Design, Vol.108, No.3, 1986, pp.377-378.
[5] فاتحی, م. , "عیب یابی هوشمند گیربکس هلیکوپتر مبتنی بر آنالیز ارتعاشات", پروژه کارشناسی ارشد، دانشگاه صنعتی اصفهان, 1389.
[6] McFadden, P. D., “A revised model for the extraction of periodic waveforms by time domain averaging”, Mechanical Systems and Signal Processing, Vol.1, No.1, 1987, pp.83-95.
[7] Li, H., Y. Zhang, H. Zheng, “Application of Hermitian wavelet to crack fault detection in gearbox”, Mechanical Systems and Signal Processing, Vol.25, No.4, 2011, pp.1353-1363
[8] Thompson, J. P., J. W. Quinn, “Fourth specialists meeting on reactor noise a signal processing method for improved loose parts detection and diagnosis”, Progress in Nuclear Energy, Vol.15, 1985, pp.561-568.
[9] Igba, J., K. Alemzadeh, C. Durugbo, E. T. Eiriksson, “Analysing RMS and peak values of vibration signals for condition monitoring of wind turbine gearboxes”, Renewable Energy, Vol.91, 2016, pp.90-106.
[10] Tandon, N., “A comparison of some vibration parameters for the condition monitoring of rolling element bearings”, Measurement, Vol.12, No.3, 1994, pp.285-289.
[11] Fei, S.-w., “Kurtosis forecasting of bearing vibration signal based on the hybrid model of empirical mode decomposition and RVM with artificial bee colony algorithm”, Expert Systems with Applications, Vol.42, No.11, 2015, pp.5011-5018.
[12] Goyal, D. B., S. Pabla, “The vibration monitoring methods and signal processing techniques for structural health monitoring: A review”, Archives of Computational Methods in Engineering, 2015, pp.1-10
[13] Stewart, R. M., “Some Useful Data Analysis Techniques for Gearbox Diagnostics”, University of Southampton, 1977.
[14] Mathew, J., R. J. Alfredson, “The condition monitoring of rolling element bearings using vibration analysis”, Journal of Vibration, Acoustics, Stress, and Reliability in Design, Vol.106, No.3, 1984, pp.447-453.
[15] Zakrajsek, J.J., D.P. Townsend, H. J. Decker, “An Analysis of Gear Fault Detection Methods as Applied to Pitting Fatigue Failure Data”, NASA and the US Army Aviation Systems Command, 1993.
[16] Martin, H. R., F. Ismail, A. Sakuta, “Algorithms for statistical moment evaluation for machine health monitoring”, Mechanical Systems and Signal Processing, Vol.6, No.4, 1992, pp.317-327.
[17] Cooley, J. W., J. W. Tukey, “an algorithm for the machine calculation of complex fourier series”, Mathematics of Computation, Vol.19, No.90, 1965, pp.297-301.
[18] Ben-Daya, M., S. O. Duffuaa, A. Raouf, J. Knezevic, D. Ait-Kadi, “Handbook of Maintenance Management and Engineering”: Springer London, 2009.
[19] McFadden, P. D., “Detecting fatigue cracks in gears by amplitude and phase demodulation of the meshing vibration”, Journal of Vibration, Acoustics, Stress, and Reliability in Design, Vol.108, No.2, 1986, pp.165-170.
[20] Shiroishi, J., S. L. Y. Li, S. Danyluk, T. Kurfess, “Vibration analysis for Bearing outer race condition diagnostics”, Journal of the Brazilian Society of Mechanical Sciences, Vol.21, 1999, pp.484-492.
[21] Pattabiraman, T.R, K. Srinivasan, K. Malarmohan, “Assessment of sideband energy ratio technique in detection of wind turbine gear defects”, Case Studies in Mechanical Systems and Signal Processing, Vol.2, 2015, pp.1-11.
 [22] Jin, Y., Z.-y. Hao, X. Zheng, “Comparison of different techniques for time-frequency analysis of internal combustion engine vibration signals”, Journal of Zhejiang University SCIENCE A, Vol.12, No.7, 2011, pp.519-531
[23] Yan, R., R. X. Gao, “Multi-scale enveloping spectrogram for vibration analysis in bearing defect diagnosis”, Tribology International, Vol.42, No.2, 2009 pp.293-302.
[24] Author Eds., “Wavelets: a Tutorial in Theory and Applications”, Academic Press Professional, Inc., 1992.
[25] Wang, W. J., “Wavelet Transform in Vibration Analysis for Mechanical Fault Diagnosis”, Shock and Vibration, Vol.3, No.1, 1996.
[26] خدایی, م.، م. رفیعیان, "شناسایی عیوب جعبه دنده به کمک آنالیز سیگنال ارتعاشی", پنجمین کنفرانس پایش وضعیت و عیب یابی, 1389.
[27] Wang, W., “An evaluation of some emerging techniques for gear fault detection”, Structural Health Monitoring, Vol.2, No.3, 2003, pp.225-242.
[28] وک, و.، "ارتعاشات ماشین های صنعتی", انتشارات دانشگاه یزد. 468 صفحه. مترجمین: منصور رفیعیان و حمیدرضا عزیزیان, 1390.
[29] Mohammed, Omar, D. M. Rantatalo, J.-O. Aidanpää, U. Kumar, “Vibration signal analysis for gear fault diagnosis with various crack progression scenarios”, Mechanical Systems and Signal Processing, Vol.41, No.1–2, 2013, pp.176-195
[30] Wang, K., “Phase Information at Tooth Mesh Frequency for Gear Crack Diagnosis”, in Proceeding of, 2712-2717.
[31] Sukhwan, C., C. J. Li, “Estimation of gear tooth transverse crack size from vibration by fusing selected gear condition indices”, Measurement Science and Technology, Vol.17, No.9, 2006, pp.2395.
[32]  کاظمی, غ. "آنالیز ارتعاشات و ترایبولوژی", 1387.
[33] Girondin, V., H. Morel, J.-P. Cassar, K. M. Pekpe, “Vibration-based fault detection of meshing shafts”, IFAC-PapersOnLine, Vol.48, No.21, 2015, pp.560-565.
[34] Mobley, R. K. “Chapter 15 - Failure-Mode Analysis, in: Vibration Fundamentals”, Eds., pp. 138-180, Woburn: Newnes, 1999.
[35] Moazen Ahmadi, A. C., Q. Howard, D. Petersen, “The path of rolling elements in defective bearings: Observations, analysis and methods to estimate spall size”, Journal of Sound and Vibration, Vol.366, 2016, pp.277-292.
[36] Koulocheris, D., Stathis, A., Atsas, A., “Wear and multiple fault diagnosis on rolling bearings using vibration signal analysis”, International Journal of Engineering Science Invention, Vol.3, No.4, 2014, pp.11-19.
[37] Moosavian, A., H. Ahmadi, and A. Tabatabaeefar. "Journal-Bearing Fault Detection Based on Vibration Analysis Using Feature Selection and Classification Techniques." Elixir Control Eng Vol.49, 2012, pp.9690-9693.
[38] Sawalhi, N., R. B. Randall, “Vibration response of spalled rolling element bearings: Observations, simulations and signal processing techniques to track the spall size”, Mechanical Systems and Signal Processing, Vol.25, No.3, 2011, pp.846-870.