Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Phát hiện nứt trong trục quay sử dụng mạng nơ-ron nhân tạo và đặc trưng PSD
Tóm tắt
Chẩn đoán nứt trong các trục quay bằng các kỹ thuật không phá hủy cung cấp một phương pháp để tránh sự cố thảm khốc của những thành phần phổ biến này. Nghiên cứu này đã đo lường phản ứng động của một trục quay kích thước đầy đủ với ba độ sâu nứt khác nhau. Một hệ thống không phá hủy mới đã được phát triển và mô tả. Hệ thống sử dụng rung động thẳng đứng của hệ thống được đo theo thời gian và đặc trưng hóa hành vi của nó bằng các yếu tố của mật độ phổ công suất (PSD) được lấy từ biến đổi Fourier nhanh của thời gian lịch sử. Các PSD được sử dụng làm đầu vào cho một mạng nơ-ron nhân tạo (ANN) để phát hiện sự hiện diện của nứt bằng cách sử dụng những thay đổi trong nội dung phổ của rung động hệ thống. Một phương pháp mới để giảm thiểu lượng dữ liệu nhập vào ANN đã được mô tả. Phương pháp Thành phần Vị trí Đỉnh (PPCM) giảm thiểu việc truyền dữ liệu bằng cách sử dụng đặc trưng thống kê của vị trí các đỉnh trong PSD. Các vị trí đỉnh đại diện cho một phần nhỏ thông tin có trong toàn bộ khoảng tần số. Số lượng các đỉnh PSD được sử dụng làm đầu vào cho mạng nơ-ron là một phần nhỏ so với toàn bộ khoảng tần số. ANN là một mạng feed-forward có giám sát với thuật toán lan truyền ngược Levenberg-Marquardt hoạt động trên kết quả PPCM. Phổ tần số cho ba độ dài nứt khác nhau được kiểm tra cho thấy sự thay đổi rõ ràng trong các vị trí đỉnh của PSD và các kết quả rõ ràng cho thấy tính khả thi của việc sử dụng hệ thống mới để phát hiện nứt trong quá trình sử dụng.
Từ khóa
#nứt #trục quay #mạng nơ-ron nhân tạo #mật độ phổ công suất #phương pháp thanh toán giao dịchTài liệu tham khảo
Swanson L (2001) Linking maintenance strategies to performance. Int J Prod Econ 70:237–244
Bar-Cohen Y (2000) Emerging NDE technologies and challenges at the beginning of the 3rd millennium—part I. Mater Eval 58(1):17–30
Dimarogonas AD (1996) Vibration of cracked structures: a state of the art review. Eng Fract Mech 55(5):831–857
Dimarogonas D, Papadopoulos CA (1983) Vibration of cracked shafts in bending. J Sound Vib 91(4):583–593
Jun OS, Eun OS (1992) Modelling and vibration analysis of a simple rotor with a breathing crack. J Sound Vib 155(2):273–290
Dalpiaz G, Rivola A, Rubini R (2000) Effectiveness and sensitivity of vibration processing techniques for local fault detection in gears. Mech Syst Signal Process 14(3):387–412
Samuel P, Pines D (2005) A review of vibration-based techniques for helicopter transmission diagnostics. J Sound Vib 282 (1–2):475–508
Benko U, Petrovčič J, Juričić J, Tavčar J, Rejec J, Stefanovska A (2004) Fault diagnosis of a vacuum cleaner motor by means of sound analysis. J Sound Vib 276(3–5):781–806
Peng Z, Chu F (2004) Application of the wavelet transform in machine condition monitoring and fault diagnostics: a review with bibliography. Mech Syst Signal Process 18(2):199–221
Toms L (1998) Machinery oil analysis—methods, automation and benefits, 2nd edn. Coastal Skills Training, Virginia Beach
Sinou J-J, Lees A (2007) A nonlinear study of a cracked rotor. Eur J Mech A, Solids 26(1):152–170
Darpe A, Gupta K, Chawla A (2006) Dynamics of bowed rotor with transverse surface crack. J Sound Vib 296(4–5):429–445
Patel T, Darpe A (2008) Vibration response of a cracked rotor in presence of rotor-stator rub. J Sound Vib 317(3–5):841–865
Antoni J, Randall R (2006) The spectral kurtosis: application to the vibratory surveillance and diagnostics of rotating machines. Eur J Mech A, Solids 20(2):308–331
Ishida Y, Inoue T (2006) Detection of a rotor crack using a harmonic excitation and nonlinear vibration analysis. J Vib Acoust 128(6):741–749
Rich E, Knight K (1991) Artificial intelligence, 2nd edn. McGraw-Hill, New York
Li B, Chow M, Tipsuwan Y, Hung J (2000) Neural network based motor rolling bearing fault diagnosis. IEEE Trans Ind Electron 47(5):1060–1069
Islam TWSM, Ledwich G (2000) A novel fuzzy logic approach to transformer fault diagnosis. IEEE Trans Dielectr Electr Insul 7(2):177–186
Wang YLZ, Griffin P (1998) A combined ann and expert system tool for transformer fault diagnosis. IEEE Trans Power Deliv 13(4):1224–1229
Malhi RGA (2004) Pca-based feature selection scheme for machine defect classification. IEEE Trans Instrum Meas 53(6):1517–1525
Widodo A, Yang B-S, Han T (2007) Combination of independent component analysis and support vector machines for intelligent faults diagnosis of induction motors. Expert Syst Appl 32(2):299–312
Tavner P, Penman J (1987) Condition monitoring of electrical machines. Research Studies Press, Baldoch
Barron R (1996) Engineering condition monitoring: practices methods and application. Addison-Wesley Longman, Reading
MacFadden PD, Smith J (1984) Model for the vibration produced by a signal point defect in rolling elements bearing. J Sound Vib 96(1):69–82
Kay S (1981) Spectrum analysis a modern perspective. Proc IEEE 69(11):1380–1414
Hagan MT, Menhaj MB (1994) Training feedward networks with the Marquardt algorithm. IEEE Trans Neural Netw 5(6):989–993
Carling A (1992) Introducing neural networks. Sigma Press, Manhasset
Haykin S (2002) Neural networks: a comprehensive foundation. Pearson Edition Asia
Lippman RP (1987) An introduction to computing with neural nets. IEEE ASSP Mag 4(2):4–22
Werbos PJ (1974) Beyond regression: new tools for prediction and analysis in the behavioral sciences. Ph.D. thesis, Harvard University
Swingler K (1996) Applying neural networks. Academic Press, San Diego