طراحی و ساخت چیدمان آزمایشگاهی برای مطالعه ارتعاشات ناشی از عیوب گیربکس
پذیرفته شده برای پوستر ، صفحه 1-8 (8)
اصل مقاله (619.09 K)
کد مقاله : 1140-ISAV2022 (R2)
نویسندگان
1گروه مهندسی مکانیک، دانشکده مهندسی، دانشگاه زنجان، زنجان، ایران
2روه مهندسی مکانیک، دانشکده مهندسی، دانشگاه زنجان، زنجان، ایران
چکیده
گیربکسها از جمله تجهیزات دوار بسیار پرکاربرد در صنایع مختلف هستند. عملکرد صحیح این تجهیزات و قابلیت اطمینان کافی برای بهره‌برداری صحیح آنها حائز اهمیت است. پایش وضعیت ارتعاشات یکی از کاربردی‌ترین روش‌ها برای شناخت وضعیت سلامت و تشخیص عیوب گیربکسها است. در این مقاله طراحی یک گیربکس آزمایشگاهی به منظور امکان بررسی عیوب مختلف گیربکسها تشریح گردیده است. طراحی این چیدمان با ملاحظات مختلف از جمله امکان ایجاد عیوب مختلف و ترکیب آنها، امکان مونتاژ و دمونتاژ ساده برای تغییر وضعیت سلامت، امکان تغییر شرایط کاری صورت گرفته است. سپس، در مرحله بعدی اقدام به ساخت تجهیز شده است و نتایج اندازه‌گیری و تحلیل اولیه ارتعاشات گیربکس در وضعیت سالم و همچنین در دو وضعیت ساییدگی و لب‌پریدگی چرخدنده ارائه شده است. برای این منظور تحلیل‌ها و مقایسه‌هایی در حوزه زمان و حوزه فرکانس روی سیگنال‌های اندازه‌گیری شده شتاب و سرعت صورت گرفته است. نتایج ارائه شده حاکی از تحقق هدف مورد نظر در طراحی این تجهیز آزمایشگاهی بوده است.
کلیدواژه ها
موضوعات
Title
Designing a Test-rig for the Faulty Gearbox Vibration Analysis
Authors
Hesam Addin Arghand, Amirhossein Kheybarinejhad, Yashar Amani
Abstract
The gearbox is one of the important industrial rotating equipment. Generally, high reliability and availability are crucial issues for this equipment. vibration condition monitoring (VCM) is a very good and useful technique for detecting the faults of the gearboxes. In this paper, a test rig design and development are explained. Some considerations including easy assembling and disassembling, the possibility of locating various faults, and the possibility of applying different operating conditions are taken into account. After manufacturing the test rig, an experiment scenario is planned and run. Two conditions, including assembling a couple of healthy gear and pinion, and assembling a chipped pinion and a healthy gear, are planned for the test. The results of vibration measurement for both scenarios are recorded. Using the time domain analysis as well as the frequency domain analysis, recorded vibrations in the two mentioned health conditions are compared. Results show that the designed and constructed test rig satisfies the initial aim of the design.
Keywords
Vibration Condition Monitoring, gearbox, Gear faults, test-rig
مراجع
<p dir="LTR"> 1-https://sites.ualberta.ca/~mzuo/RRL/html/RESOURCES.html (2022).</p>
<p dir="LTR">2- H. Enayet B., Sirish L. Shah, Ming J. Zuo, and MAA Shoukat Choudhury. "Fault detection of gearbox from vibration signals using time-frequency domain averaging." In 2006 American Control Conference, pp. 6-pp. IEEE, (2006).</p>
<p dir="LTR">3- Tian, Zhigang, and Ming J. Zuo. "Health condition prediction of gears using a recurrent neural network approach." IEEE transactions on reliability 59, no. 4, 700-705, (2010).</p>
<p dir="LTR">۴ -ح. ارغند، ا. خیبری نژاد، ی. امانی، " مطالعه رفتار ارتعاشی روند رشد عیب در گیربکسها در حوزه زمان و مقایسه آن با حوزه فرکانس" ، یازدهمین کنفرانس بینالمللی آکوستیک و ارتعاشات، تهران، ایران، ۱۴۰۰ .</p>
<p dir="LTR">5- <a href="https://phmsociety.org/public-data-sets/">https://phmsociety.org/public-data-sets/</a></p>
<p dir="LTR">6- Al-Atat, Hassan, David Siegel, and Jay Lee. "A systematic methodology for gearbox health assessment and fault classification." Int J Prognostics Health Manage Soc 2, no. 1, 16, (2011).</p>
<p dir="LTR">7- Han, Te, Chao Liu, Wenguang Yang, and Dongxiang Jiang. "Learning transferable features in deep convolutional neural networks for diagnosing unseen machine conditions." ISA transactions 93, 341-353, (2019).</p>
<p dir="LTR">8- Wang, Yiwei, Jian Zhou, Lianyu Zheng, and Christian Gogu. "An end-to-end fault diagnostics method based on convolutional neural network for rotating machinery with multiple case studies." Journal of Intelligent Manufacturing, 1-22, (2020).</p>
<p dir="LTR">9- Liang, Pengfei, Chao Deng, Jun Wu, Zhixin Yang, Jinxuan Zhu, and Zihan Zhang. "Single and simultaneous fault diagnosis of gearbox via a semi-supervised and high-accuracy adversarial learning framework." Knowledge-Based Systems 198,105895, (2020).</p>
<p dir="LTR">10- Nectoux, Patrick, Rafael Gouriveau, Kamal Medjaher, Emmanuel Ramasso, Brigitte ChebelMorello, Noureddine Zerhouni, and Christophe Varnier. "PRONOSTIA: An experimental platform for bearings accelerated degradation tests." In IEEE International Conference on Prognostics and Health Management, PHM'12., pp. 1-8. IEEE Catalog Number: CPF12PHM-CDR, (2012).</p>
<p dir="LTR">11- https://www.nasa.gov/content/prognostics-center-of-excellence-data-set-repository/</p>
<p dir="LTR">12- <a href="http://www.technekon.com">www.technekon.com</a></p>
<p dir="LTR">13- Behzad, Mehdi, Amirmasoud Kiakojouri, Hesam Addin Arghand, and Ali Davoodabadi. "Inaccessible rolling bearing diagnosis using a novel criterion for Morlet wavelet optimization." Journal of Vibration and Control 28, no. 11-12,1239-1250, (2022).</p>