بررسی توانایی روشEMD در تشخیص عیب چرخ دنده مخروطی
Publish place: The 7th Students Conference on Mechanical Engineering
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 889
This Paper With 5 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ASCME07_094
تاریخ نمایه سازی: 4 اسفند 1392
Abstract:
پردازش سیگنال روشی مهم در زمینه عیبیابی سیستمهای مکانیکی میباشد. روشهای فراوانی برای پردازش سیگنالهای حاصل از تجهیزات و ماشینالات مکانیکی موجود و قابل استفاده میباشد، ازقبیل: تبدیل فوریه، تبدیل موجک، سپستروم، آنالیز دمدولاسیونوغیره. با این حال اغلب فرضیات در مورد دادهها و روشهای محاسبات باعث محدودیت استفاده از برخی از روشهای مذکور می- گردد. برای رفع این محدودیت روش تجزیه مود تجربی 1 معرفی شدهاست. خروجی این روش نوین توابع مودهای ذاتی 2 است که به عنوان ورودی تبدیل هیلبرت 3 برای استخراج فرکانس لحظهای مورد استفاده قرار میگیرد. در این مقاله یک جفت چرخدنده مخروطی در حالت سالم و ترکدار مدلسازی شده و با استفاده از نرمافزار آدامز سیگنالهای شتاب در حالات مذکور با شرایط و دور ورودی یکسان استخراج و به عنوان ورودی برای روش ذکر شده مورد استفاده قرارگرفته و در ادامه توابع نوسانی به نام توابع مود ذاتی محاسبه شده است. مودهای ذاتی مقیاسهای زمانی محاط شده در سیگنال رانمایش میدهند که به عنوان گذشت زمان میان دو اکسترمم متوالیتعریف میگردد. در حقیقت این توابع میتوانند هم غیر ایستا و هم مدوله شده دامنه و فرکانس باشند. سپس از این توابع به عنوان ورودی تبدیل هیلبرت استفاده کرده و از این طریق نمودارهای فرکانس لحظه را بدست آوردیم و تاثیر ترک در ریشه دندانه روی دامنه و نوسان مقادیر فرکانس لحظهای مورد بررسی قرار گرفت. و درنهایت توانایی روش تجزیه مود تجربی در آشکارسازی عیوب بوسیله سیگنالهای اولیه مورد بررسی قرار گرفت.
Keywords:
Authors
مهدی کریمی
دانشگاه بوعلی سینا- دانشکده مهندسی- گروه مکانیک، عضو هیئت علمی گروه مکانیک
محمدرضا قسمتی
دانشگاه بوعلی سینا- دانشکده مهندسی- گروه مکانیک، دانشجوی کارشناسی ارشد مهندسی مکانیک
امین حیطه
دانشگاه بوعلی سینا- دانشکده مهندسی- گروه مکانیک، دانشجوی کارشناسی ارشد مهندسی مکانیک
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :