حذف نویز از سیگنال های ارتعاشی ماشین های دوار به کمک تبدیل موجک تجربی و روش های رایج آستانه گذاری

Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 630

This Paper With 14 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JSFM-9-1_009

تاریخ نمایه سازی: 2 مهر 1398

Abstract:

در این مقاله، روش جدیدی برای حذف نویز سیگنال های ارتعاشی اکتساب شده از ماشین های دوار بر پایه ی تبدیل موجک تجربی و آستانه گذاری نرم ارائه شده است. تبدیل موجک تجربی روش جدیدی است که هر سیگنال را بر اساس اطلاعات فرکانسی اش به مولفه-های تشکیل دهنده ی آن که مود تجربی نامیده می شوند، تجزیه می کند. پس از تجزیه هر سیگنال، روش آستانه گذاری نرم به هر کدام از مولفه های حاصل از تجزیه اعمال شده و سیگنال بی نویز شده بازسازی می شود. برای ارزیابی روش حذف نویز پیشنهادی در این مطالعه، از این تکنیک برای عیب یابی یاتاقان ها استفاده شده است. برای این منظور، فاکتور کشیدگی و طیف پوش هر سیگنال بی نویز شده به ترتیب برای شناسایی حضور عیب و تشخیص نوع عیب محاسبه شده اند. نتایج نشان می دهند که روش پیشنهادی کیفیت سیگنال های ارتعاشی را به گونه ای افزایش می دهد که فاکتور کشیدگی به دست آمده به حضور عیوب موجود در رینگ های داخلی و خارجی حساس تر می باشد. از طرف دیگر، با مشاهده ی فرکانس های پدیدار شده در طیف پوش سیگنال های بی نویز شده توسط روش تبدیل موجک تجربی می توان نوع عیب را به خوبی تشخیص داد. نتایج نشان می دهند که رویکرد بی نویزسازی به کمک تبدیل موجک تجربی برتر از روش بی نویزسازی تجزیه مود تجربی در فرآیند عیب یابی ماشین های دوار می باشد.

Authors

سعید نظامیوند چگینی

دانشجوی دکتری، دانشکده مهندسی مکانیک، گروه دینامیک، کنترل و ارتعاشات، دانشگاه گیلان، رشت

فاطمه ظریف

دانشجوی کارشناسی ارشد، گروه مهندسی مکانیک، مهندسی مکاترونیک، موسسه آموزش عالی احرار، رشت

احمد باقری

استاد، دانشکده مهندسی مکانیک، گروه دینامیک، کنترل و ارتعاشات، دانشگاه گیلان، رشت

مجید علی طاولی

دانشیار، دانشکده مهندسی مکانیک، گروه طراحی جامدات، دانشگاه گیلان، رشت

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 :
  • باقری ا، نظامیوند چگینی س، رمضانی دشتمیان م، فرید نجفی ...
  • He D, Wang X, Li S, Lin J, Zhao M ...
  • McFadden PD, Smith JD (1984) Vibration monitoring of rolling element ...
  • Shi DF, Wang WJ, Qu LS (2004) Defect detection for ...
  • Wang D, Miao Q, Fan X, Huang HZ (2009) Rolling ...
  • Donoho DL, Johnstone JM (1994) Ideal spatial adaptation by wavelet ...
  • Al-Raheem KF, Roy A, Ramachandran KP, Harrison DK, Grainger S ...
  • Sadooghi MS, Khadem SE (2016) A new performance evaluation scheme ...
  • Mishra C, Samantaray AK, Chakraborty G (2017) Rolling element bearing ...
  • Huang NE, Shen Z, Long SR, Wu MC, Shih HH, ...
  • Zhao DZ, Li JY, Cheng WD, Wang TY, Wen WG ...
  • Abdelkader R, Kaddour A, Derouiche Z (2018) Enhancement of rolling ...
  • Wang R, Sun S, Guo X, Yan D (2018) EMD ...
  • Nguyen P, Kang M, Kim JM, Ahn BH, Ha JM, ...
  • Gilles J (2013) Empirical wavelet transform. IEEE Trans Signal Processing ...
  • Kedadouche M, Thomas M, Tahan A (2016) A comparative study ...
  • Pan J, Chen J, Zi Y, Li Y, He Z ...
  • Kedadouche M, Liu Z, Vu VH (2016) A new approach ...
  • Singh O, Sunkaria RK (2017) ECG signal denoising via empirical ...
  • Li J, Li Y, Li Y, Qian Z (2018) Downhole ...
  • Bearing Data Center-Case Western Reserve University.http://csegroups.case.edu/bearingdatacenter/pages/welcome case western-reserve-university-bearing-data center-website ...
  • He D, Wang X, Li S, Lin J, Zhao M ...
  • Dong S, Sun D, Tang B, Gao Z, Yu W, ...
  • Ziani R, Felkaoui A, Zegadi R (2017) Bearing fault diagnosis ...
  • Zhang X, Zhang Q, Chen M, Sun Y, Qin X, ...
  • نمایش کامل مراجع