BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI ---------------------------------------BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI ---------------------------------------Nguyễn Trọng Du Nguyễn Trọng Du CHẨN ĐOÁN HƯ HỎNG CỦA HỘP SỐ BÁNH RĂNG BẰNG PHÂN TÍCH THỜI GIAN – TẦN SỐ CÁC DAO ĐỘNG CƠ HỌC CHẨN ĐOÁN HƯ HỎNG CỦA HỘP SỐ BÁNH RĂNG BẰNG PHÂN TÍCH THỜI GIAN – TẦN SỐ CÁC DAO ĐỘNG CƠ HỌC LUẬN ÁN TIẾN SĨ CƠ HỌC Chuyên ngành: Cơ kỹ thuật Mã số: 62520101 LUẬN ÁN TIẾN SĨ CƠ HỌC NGƢỜI HƢỚNG DẪN KHOA HỌC PGS.TS. NGUYỄN PHONG ĐIỀN Hà Nội – 2015 LỜI CẢM ƠN Tác giả xin bày tỏ lòng biết ơn chân thành tới thầy giáo PGS. TS. Nguyễn Phong Điền tận tâm hướng dẫn khoa hoc, động viên giúp đỡ tác giả hoàn thành luận án này. Tác giả xin gửi lời cám ơn tới Thầy, Cô Bộ môn Cơ học ứng dụng, Viện Cơ Khí có nhiều ý kiến đóng góp cho luận án. Tác giả xin bày tỏ biết ơn tới quan tâm Viện Đào tạo sau đại học, ủng hộ bạn bè, đồng nghiệp giúp đỡ, tạo điều kiện thuận lợi cho tác giả trình làm luận án. Cuối tác giả xin chân thành cám ơn đến gia đình động viên ủng hộ tác giả suốt thời gian làm luận án. LỜI CAM ĐOAN Tôi xin cam đoan công trình nghiên cứu riêng tôi, kết nghiên cứu trình bày luận án trung thực, khách quan chưa công bố công trình khác. Tôi xin cam đoan giúp đỡ cho việc thực luận án cám ơn, thông tin trích dẫn luận án rõ nguồn gốc. Giáo viên hướng dẫn PGS. TS. Nguyễn Phong Điền Hà Nội, ngày tháng……năm…… Tác giả luận án Nguyễn Trọng Du MỤC LỤC Trang DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT . I DANH MỤC CÁC BẢNG BIỂU VÀ HÌNH VẼ . IV MỞ ĐẦU . Phƣơng pháp nghiên cứu . CHƢƠNG 1: TỔNG QUAN . 1.1 Giới thiệu chung chẩn đoán kỹ thuật . 1.2 Tổng quan chẩn đoán dao động cho hộp số bánh 1.2.1 Vấn đề hư hỏng hộp số bánh . 1.2.2 Tín hiệu chẩn đoán phương pháp đo . 1.2.3 Các tiêu chuẩn dao động 10 1.2.4 Các phương pháp phân tích tín hiệu dao động . 11 1.3 Xác định vấn đề cần nghiên cứu 14 Kết luận chƣơng . 15 CHƢƠNG 2: PHÂN TÍCH CÁC ĐẶC TRƢNG DAO ĐỘNG CỦA HỘP SỐ BÁNH RĂNG . 16 2.1 Các phƣơng pháp xử lý tín hiệu phân tích dao động 16 2.1.1 Phân loại cấu trúc tín hiệu dao động thường gặp . 16 2.1.2 Các phương pháp xử lý tín hiệu 19 2.2. Các dạng hỏng đặc trƣng dao động trục . 32 2.2.1 Mất cân 32 2.2.2 Không đồng trục . 33 2.2.3 Cong trục 34 2.2.4 Một số nguyên nhân khác . 34 2.3 Các dạng hỏng đặc trƣng dao động bánh . 35 2.3.1 Thông số hình học bánh 35 2.3.2 Một số dạng hỏng chủ yếu bánh 36 2.3.3. Dao động trình ăn khớp bánh . 37 2.4 Các dạng hỏng đặc trƣng dao động ổ đỡ lăn 47 2.4.1 Giới thiệu chung ổ đỡ lăn 47 2.4.2 Các dạng hỏng chủ yếu ổ đỡ lăn . 48 2.4.3 Đặc điểm dao động ổ đỡ lăn 48 2.4.4 Tần số đặc trưng hư hỏng ổ đỡ lăn phương pháp xác định 50 2.5 Tổng kết triệu chứng chẩn đoán . 54 Kết luận chƣơng . 56 CHƢƠNG 3: PHÂN TÍCH WAVELET VÀ ỨNG DỤNG TRONG CHẨN ĐOÁN DAO ĐỘNG . 57 3.1 Giới thiệu chung phép biến đổi Wavelet 57 3.1.1 Mở đầu 57 3.1.2 Hàm Wavelet sở . 58 3.2 Phép biến đổi Wavelet liên tục . 59 3.2.1 Cơ sở toán học 59 3.2.2 Độ phân giải thời gian – tần số 61 3.2.3 Tính toán số đánh giá định lượng phép biến đổi . 63 3.2.4 Một số ví dụ áp dụng . 66 3.3 Phép Biến đổi Wavelet rời rạc . 69 3.3.1 Cơ sở toán học 69 3.3.2 Phân tích đa phân giải 70 3.3.3 Thuật giải . 71 3.3.4 Ví dụ áp dụng 72 3.4 Phép biến đổi Wavelet packet 73 3.4.1 Cơ sở toán học 73 3.4.2 Ví dụ áp dụng 74 3.5 Phép biến đổi Wavelet nén đồng 75 3.5.1 Cơ sở toán học 75 3.5.2 Ví dụ áp dụng 76 3.6 Phép biến đổi Wavelet nén đồng suy rộng 78 3.6.1 Cơ sở toán học 78 3.6.2 Ví dụ áp dụng 79 3.7 Mạng Nơron Wavelet . 80 3.7.1 Một số khái niệm chung 80 3.7.2 Cấu trúc mạng nơron nhân tạo . 80 3.7.3 Kiến trúc mạng Nơron 82 3.7.4 Huấn luyện mạng nơron . 84 3.7.5 Mạng nơron Wavelet . 85 Kết luận chƣơng . 86 CHƢƠNG 4: PHƢƠNG PHÁP TRUNG BÌNH HÓA TÍN HIỆU ĐỒNG BỘ CẢI TIẾN . 87 4.1 Trung bình hóa đồng miền thời gian phép nội suy . 87 4.1.1 Trung bình hóa đồng miền thời gian 87 4.1.2 Phép nội suy 89 4.2 Kỹ thuật trung bình hóa tín hiệu đồng cho hộp số bánh 90 4.2.1 Lấy mẫu tín hiệu theo góc quay 90 4.2.2 Trung bình hóa tín hiệu đồng có tín hiệu pha 91 4.2.3 Trung bình hóa tín hiệu đồng với nhiều trục khác 94 4.2.4 Trung bình hóa tín hiệu đồng tín hiệu pha . 95 4.3 Chẩn đoán hƣ hỏng bánh sở phân tích tín hiệu TSA 98 4.3.1 Đánh giá định tính 99 4.3.2 Đánh giá định lượng . 101 4.4 Chẩn đoán hƣ hỏng ổ đỡ lăn sở TSA 103 Kết luận chƣơng . 103 CHƢƠNG 5: CÁC KẾT QUẢ THỰC NGHIỆM . 105 5.1 Xây dựng chƣơng trình xử lý tín hiệu số đa . 105 5.1.1 Kết cấu giao diện chương trình . 105 5.1.2 Nhập liệu 106 5.1.3 Trung bình hóa tín hiệu đồng . 107 5.1.4 Phân tích phổ 109 5.1.5 Phân tích tín hiệu miền thời gian-tần số . 109 5.2 Xây dựng mô hình thí nghiệm . 112 5.2.1 Mô tả thí nghiệm . 112 5.2.2 Giới thiệu phần mềm đo dao động 114 5.3 Chẩn đoán hƣ hỏng trục 115 5.4 Chẩn đoán hƣ hỏng bánh 116 5.4.1 Hư hỏng hộp số cấp 116 5.4.2 Hư hỏng bánh hộp số cấp 122 5.5 Giám sát tình trạng hoạt động hộp số công nghiệp . 125 5.5.1 Đánh giá định tính hư hỏng 126 5.5.2 Đánh giá định lượng hư hỏng . 128 5.6 Chẩn đoán hƣ hỏng ổ đỡ lăn . 129 5.6.1 Chẩn đoán hư hỏng vòng 130 5.6.2 Chẩn đoán hư hỏng vòng 131 5.7 Chẩn đoán hƣ hỏng đồng thời bánh ổ lăn 133 5.8 Phân loại hƣ hỏng mạng nơron Wavelet . 135 Kết luận chƣơng . 137 KẾT LUẬN 138 DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ 140 TÀI LIỆU THAM KHẢO . 141 DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT Danh mục ký hiệu biến f Xˆ Biến đổi Fourier suy rộng tín hiệu x(t) σx Phương sai x a (t ) Biến đổi Hilbert tín hiệu x(t)  * t  Hàm phức liên hợp   t  SW x ( , f ) Hệ số Scalogram tín hiệu x thời điểm  tỉ lệ s SF x ( , f ) Hệ số Spectrogram tín hiệu x thời điểm  tỉ lệ s W T x ( , s ) xd  t  Hệ số Wavelet tín hiệu x thời điểm  tỉ lệ s Tần số trung tâm hàm (f) Tín hiệu giải tích tín hiệu x(t) Thành phần tín hiệu chi tiết mức tỉ lệ j tín hiệu x(t) xa  t  Thành phần tín hiệu xấp xỉ mức tỉ lệ j tín hiệu x(t)   ,s(t) Góc tiếp xúc lăn Tham số dịch chuyển Hàm wavelet Biến đổi Fourier hàm wavelet sở (t) Pha dao động tín hiệu dao động theo thời gian Hàm tỉ kép Hàm wavelet sở Hàm Wavelet sở Hệ số Morlet Độ phân giải tần số Độ phân giải thời gian (t=T0) Độ lệch chuẩn Hệ số Kurtosis Hệ số lệch Biên độ dao động tín hiệu theo tần số Nơ ron đầu thứ i Hệ số xấp xỉ Độ lệch Hệ số Crest Đường kính lăn Hệ số chi tiết Đường kính vòng chia ổ đỡ lăn Hàm tần số theo thời gian Tần số dao động riêng Tần số đặc trưng hư hỏng vòng cách Các điểm tần số rời rạc Tần số quay trục I  x (t ) j j (f) (t) (t) (t) (t) 0 f t x x x A(f) aj,k b Cr d dj,k Dp f(t) fe fg fk fn fr fs fvn fvt fz g(t) j M Mk N n P(f) pi re rg ri rr s T t tn Tx(,) V W W wk,j X(f) x(n) x(t) z Z Tần số đặc trưng hư hỏng lăn Tần số lấy mẫu Tần số đặc trưng hư hỏng vòng Tần số đặc trưng hư hỏng vòng Tần số ăn khớp Hàm cửa sổ Đơn vị ảo (  ) Số khối Mô men xoắn Số điểm lấy mẫu Số vòng quay Phổ công suất tín hiệu Đầu vào thứ i Bán kính vòng Bán kính vòng cách Bán kính vòng Bán kính lăn Tham số tỉ lệ Chu kỳ tín hiệu Thời gian Các điểm thời gian rời rạc Hệ số nét wavelet tín hiệu x thời điểm  tần số góc  Không gian kín Không gian wavelet Ma trận trọng số liên kết Trọng số liên kết đầu vào thứ j nơ ron đầu thứ k Phổ tần số tín hiệu x(t) Tín hiệu số Tín hiệu liên tục theo thời gian Số lăn ổ đỡ lăn Số bánh Danh mục chữ viết tắt ADC AM ANN BP CBM CWT DIN DWT FFT FM FSST FT GFT GST HT IF Mạch chuyển đổi tương tự - số (Analog – Digital convert) Điều biến biên độ (Amplitude Modulation) Mạng nơron nhân tạo (Artificial Neural Network) Thuật toán lan truyền ngược (Back propagation) Chẩn đoán theo tình trạng (Condition-Based Maintenance) Phép biến đổi Wavelet liên tục (Continuous Wavelet Transform) Viện tiêu chuẩn Đức (Deutsche Institut fuer Normen) Phép biến đổi Wavelet rời rạc (Discrete Wavelet Transform) Phép biến đổi Fourier nhanh (Fast Fourier Transform) Điều biến tần số (Frequency Modulation) Phép biến đổi nén sở Fourier dạng cửa sổ Phép biến đổi Fourier (Fourier Transform) Phép biến đổi Fourier suy rộng (Generalized Fourier Transform) Phép biến đổi nén đồng suy rộng (Generalized Synchrosqueezing Transform) Phép biến đổi Hilbert (Hilbert Transform) Tần số tức thời (Instantaneous Frequency) II iFT ISO MLP PWM TFR TSA VDI WFT WNN WPT WSST WT WVD Phép biến đổi Fourier ngược (Inverse Fourier Transform) Tiêu chuẩn quốc tế (International Standards Organization) Mạng truyền thẳng đa lớp (Multi – Layer Perceptron Networks) Đồ thị hệ số Wavelet tọa độ cực (Polar Wavelet Map) Độ phân giải thời gian – tần số (Time – Frequency Resolution) Trung bình hóa tín hiệu đồng (Time Synchronous Averaging) Hiệp hội kỹ sư Đức (Verein Deutscher Ingenieure) Phép biến đổi Fourier dạng cửa sổ (Window Fourier Transform) Mạng nơron Wavelet (Wavelet Neural Network) Phép biến đổi Wavelet packet (Wavelet packet transforms) Phép biến đổi nén đồng Wavelet (CWT based Synchrosqueezing Transform) Phép biến đổi Wavelet (Wavelet Transform) Phân bố Wigner – Ville (Wigner – Viller Distribution) III DANH MỤC CÁC BẢNG BIỂU VÀ HÌNH VẼ Trang Bảng 1.1: Tần suất hư hỏng chi tiết hộp số bánh [14] . Bảng 2.1: Giá trị tín hiệu đặc trưng . 21 Bảng 2.2: Bảng tóm tắt tần số đặc trưng hư hỏng ổ đỡ lăn 53 Bảng 2.3: Các triệu chứng chẩn đoán 55 Bảng 3.1. Một số hàm cửa số thông dụng [62] 59 Bảng 3.2: So sánh độ phân giải thời gian – tần số . 63 Bảng 4.1. Các thông số để biểu diễn tín hiệu miền góc miền bậc . 91 Bảng 5.1: Mô tả kết cấu chương trình tính 105 Bảng 5.2: Các thiết bị dùng thí nghiệm . 112 Bảng 5.3: Thông số kỹ thuật hộp số . 113 Bảng 5.4: Danh mục thí nghiệm . 113 Bảng 5.5. Thông số hình học ổ đỡ lăn khảo sát . 130 Hình 1.1: Sự cố nghiêm trọng tổ máy tuốc bin Châu Âu năm 1984 Hình 1.2: Các bước chẩn đoán kỹ thuật [66] Hình 1.3: Giám sát đường đặc tính thông số giám sát x(t) Hình 1.4: Hư hỏng cục (a) hư hỏng phân bố (b)(nguồn [36]) . Hình 1.5: Phổ tần số ứng với đại lượng đo khác dao động học Hình 2.1: Phân loại tín hiệu dao động (nguồn [16]) 16 Hình 2.2: Tín hiệu tuần hoàn hai chu kỳ . 17 Hình 2.3: Tín hiệu hầu tuần hoàn [16] . 17 Hình 2.4: Một số dạng tín hiệu chuyển tiếp [45] . 17 Hình 2.5: Tín hiệu ngẫu nhiên: a) ngẫu nhiên dừng, b) ngẫu nhiên không dừng [45] 18 Hình 2.6: Một tín hiệu đo có cấu trúc chồng chất: a) thành phần dao động riêng va chạm, b) thành phần dao động cưỡng cân bằng, c) tín hiệu tổng hợp 18 Hình 2.7: Một tín hiệu điều biến biên độ với tần số f1 = Hz, f2 =30 Hz, tín hiệu điều biến x1(t) đường bao tín hiệu x(t) 19 Hình 2.8: Một tín hiệu điều biến tần số tăng tuyến tính 19 Hình 2.9: Thí dụ lấy mẫu tín hiệu . 20 Hình 2.10: Tín hiệu thô chưa trung bình hóa (a), tín hiệu sau trung bình hóa (b) 22 Hình 2.11: Các bước xác định đường bao tín hiệu 22 Hình 2.12: Biểu diễn tín hiệu tuần hoàn miền thời gian miền tần số . 23 Hình 2.13: Tín hiệu tuần hoàn xp(t) tạo từ tín hiệu không tuần hoàn x(t) 24 Hình 2.14: Sơ đồ mô tả công thức FFT . 26 Hình 2.15: Ví dụ phép biến đổi FFT . 27 Hình 2.16: Phổ biên độ - tần số tín hiệu điều biến biên độ với tần số 28 Hình 2.17: Phổ biên độ- tần số tín hiệu điều biến biên độ với nhiều thành phần tần số 28 Hình 2.18: Phổ biên độ - tần số tín hiệu điều biến tần số [36] 29 Hình 2.19: Phổ tần số tín hiệu dao động tắt dần với tần số f1 29 Hình 2.20: Phổ biên độ - tần số tín hiệu chuyển tiếp dạng xung chữ nhật 29 Hình 2.21: Phổ biên độ - tần số tín hiệu ngẫu nhiên dừng [45] . 30 Hình 2.22: So sánh: a) phổ biên độ b) phổ công suất tín hiệu dao động 30 IV Hình 5.48: Kết phân tích phổ tần số (a) phổ đường bao (b) Để tìm thấy tần số đặc trưng cho hư hỏng vòng ngoài, trước hết cần biểu diễn tín hiệu đồ thị Kutorgram. Từ kết đồ thị Kurtogram ta xác định vùng tần số hệ số Kurtosis lớn (hình 5.49a) từ 1500-2300Hz, vùng có triệu chứng hư hỏng ổ lăn. Phân tích phổ đường bao vùng tần ta tìm tần số đặc trưng hư hỏng vòng (78,91Hz xấp xỉ 81Hz) điều hòa (hình 5.49b). Việc xuất tần số đặc trưng hư hỏng vòng triệu chứng cho thấy vòng có hư hỏng, kết chẩn đoán phù hợp với thí nghiệm tạo ra. Phổ đường bao vùng tần số 1500 – 2300Hz Vùng lựa chọn 1500 - 2300Hz b) a) Hình 5.49: Kết phân tích Kutorgram phân tích phổ đường bao vùng lựa chọn 5.6.2 Chẩn đoán hƣ hỏng vòng Thí nghiệm đo điều kiện có vòng hư hỏng phần tử khác ổ đỡ lăn hoạt động điều kiện bình thường. Ổ đỡ lăn gắn vỏ hộp số, phần tử quay khác hộp số hoạt động bình thường. Giống chẩn đoán hư hỏng vòng ngoài, theo kết phân tích phổ phổ đường bao tín hiệu, hình 5.50, đánh giá trạng thái thời ổ đỡ lăn. Đồ thị phổ không cung cấp nhiều thông tin hữu ích liên quan đến tần số đặc trưng hư hỏng ổ đỡ lăn. 131 Hình 5.50: Phổ tần số phổ đường bao tín hiệu hư hỏng vòng Trên phương diện khác, sử dụng vùng tần số để phân tích phổ đường bao mà không sử dụng đồ thị Kurtogram (vùng tần số sử dụng 5100-7100Hz), kết thu hình 5.51. Quan sát hình vẽ này, cho thấy đỉnh phổ cao 111.8 Hz, 118Hz (là tần số hư hỏng vòng trong). Hình 5.51: Phổ đường bao tín hiệu hư hỏng vòng từ vùng tần số 5,1-7,1kHz Nếu sử dụng Kurtogram ta xác định vùng tần số có giá trị Kurtosis lớn 13700-14500Hz, từ phân tích phổ đường bao cho vùng tần số này. Kết phân tích phổ đường bao (hình 5.52b) cho thấy xuất tần số hư hỏng vòng xấp xỉ 118Hz. Do nhận định vòng hư hỏng, kết phù hợp với thí nghiệm. Qua phân tích kết luận dựa vào đồ thị phổ tần số để tìm vùng tần số hư hỏng từ phân tích phổ đường bao hiệu quả. Tuy nhiên việc sử dụng đồ thị Kurtogram dễ dàng xác định vùng tần số hư hỏng từ phân tích phổ đường bao nhằm xác định nhanh chóng triệu chứng hư hỏng ổ lăn thông qua tần số đặc trưng hư hỏng. Vùng lựa 14500Hz chọn 13700- Phổ đường bao vùng tần số 13,7-14,5kHz a) b) Hinh 5.52: Đồ thị Kutorgram phổ đường bao vùng tần số lựa chọn 132 5.7 Chẩn đoán hƣ hỏng đồng thời bánh ổ lăn Từ trường hợp thí nghiệm cho thấy vùng tần số để tìm triệu chứng hư hỏng ổ đỡ lăn thường vùng tần số cao. Tuy nhiên trường hợp hư hỏng xảy bánh ổ lăn giải pháp đưa dựa sở đồ thị Kutorgram tỏ không hiệu quả. Tín hiệu hư hỏng ổ đỡ lăn có lẫn tín hiệu hư hỏng bánh răng, lúc điều cần thiết phải bóc tách tín hiệu hư hỏng chi tiết quay để tìm triệu chứng hư hỏng. Việc sử dụng phương pháp trung bình hóa để tìm triệu chứng hư hỏng bánh đề cập nhiều phần trên. Trong phần trình bày phương pháp trung bình hóa tín hiệu đồng bộ, phương pháp loại trừ, để chẩn đoán hư hỏng ổ đỡ lăn. Thành phần tín hiệu ban đầu lấy mẫu lại miền góc sau trừ thành phần tín hiệu đồng với tốc độ quay trục lại tín hiệu hư hỏng ổ đỡ lăn gây ra. Hư hỏng tạo cách có chủ ý hư hỏng cục vòng (hình 5.46) ổ đỡ lăn có thông số hình học thể bảng 5.5. Ổ đỡ lăn gắn trục vào hộp số cấp với tần số quay trục vào biến đổi xung quanh fn= 50Hz. Tần số đặc trưng hư hỏng vòng ổ đỡ lăn đưa công thức trình bày chương 2: f vt  z d  cos   f n 1  2 D  (5.1) Thay thông số hình học từ bảng 5.5 vào công thức (5.1) ta xác định được: fvt=4.95fn=247.4 Hz. Do chẩn đoán miền tần số ta sử dụng tần số đặc trưng hư hỏng vòng 247.4Hz. Nếu chẩn đoán miền bậc ta sử dụng bậc đặc trưng hư hỏng 4.95. Khi tốc độ quay trục fn biến đổi ta xác định tần số đặc trưng hư hỏng fvt. Đây khó khăn lớn cho việc chẩn đoán hư hỏng ổ đỡ lăn với trường hợp tốc độ quay biến đổi phân tích phổ đường bao miền tần số. Để thấy rõ khó khăn ta sử dụng phương pháp phân tích tín hiệu ổ đỡ lăn đồ thị Kurtogram: + Trên sở kết hợp đồ thị Kurtogram (hình 5.53a) ta xác định vùng tần số có hệ số Kurtosis lớn tần số trung tâm fc=17708.33Hz với độ rộng dải Bw=2083.33Hz. Tiến hành phân tích phổ đường bao ta thu kết hình 5.53b. Do tốc độ quay trục biến đổi trình thí nghiệm nên phổ đường bao xuất tần số 245.3Hz sai số so với tần số đặc trưng hư hỏng vòng 2.1Hz, thành phần tần số 540.6Hz điều hòa tần số đặc trưng hư hỏng vòng trong. Từ cho thấy phương pháp chẩn đoán ổ đỡ lăn đồ thị Kurtogram không phát huy hiệu tốc độ quay trục biến đổi theo thời gian tín hiệu ổ đỡ lăn bị tín hiệu bánh làm nhiễu. 133 Hình 5.53. Đồ thị Kurtogram tín hiệu (a), phân tích phổ đường bao vùng tần số xác định (b) Áp dụng phương pháp trung bình hóa tín hiệu đồng để tiến hành tách thành phần tuần hoàn với tốc độ quay trục: + Từ tín hiệu gia tốc đo tiến hành lấy mẫu lại vòng quay kết thu biểu diễn hình 5.54a + Trung bình hóa tín hiệu đồng với vòng quay, kết thu hình 5.54b + Tín hiệu hư hỏng ổ đỡ lăn tín hiệu thu hình 5.54c cách lấy tín hiệu hình 5.54a trừ tín hiệu hình 5.54b. Hình 5.54. Phân tách nguồn tín hiệu phương pháp trung bình hóa tín hiệu đồng Tín hiệu ổ đỡ lăn sau tách tiếp tục đưa vào phân tích Kurtogram để xác định vùng tần số có hệ số Kurtosis lớn nhất, sau phân tích phổ đường bao vùng tần số đó. Kết cho thấy phân tích miền bậc (hình 5.55b) cho thấy nhiều điều hòa bậc hư hỏng so với phân tích miền tần số (hình 5.55a). Điều giải thích tốc độ quay trục biến đổi việc phân tích miền tần số trở nên khó khăn. Hình 5.55. Phổ đường bao (a) phổ bậc đường bao (b) tín hiệu ổ đỡ lăn hư hỏng vòng 134 5.8 Phân loại hƣ hỏng mạng nơron Wavelet Để lựa chọn đầu vào cho mạng nơron trước hết cần phân tích tín hiệu dạng hỏng để tìm đặc trưng tín hiệu đó. Ban đầu tín hiệu dạng hỏng chia thành khối (cụ thể trường hợp 37 khối) dựa sở tín hiệu pha phép nội suy. Mỗi khối tín hiệu tiếp tục phân ly thành 16 tín hiệu thành phần phép biến đổi WPT bậc (mỗi tín hiệu thành phần tương ứng với vùng tần số khác khối tín hiệu). Sau tiến hành lấy độ lệch chuẩn của 16 tín hiệu thành phần (hình 5.56). Như với dạng hỏng ta thu ma trận gồm phần tử độ lệch chuẩn (37x16 phần tử). Ma trận ma trận đặc trưng cho tín hiệu dạng hỏng, sử dụng để làm đầu vào cho mạng nơron (hình 5.57). Không thể sử dụng trực tiếp giá trị tín hiệu đặc trưng Kurtosis, Crest factor… cho khối tín hiệu để làm đầu vào cho mạng nơron. Bởi sử dụng cho ma trận có số phần từ nhiều (37x1 phần tử), không mang đầy đủ thông tin tín hiệu, đặc biệt khó phát tín hiệu dạng xung xảy thời gian ngắn (điều mà phân tích WPT làm được) [99]. Hình 5.56: Miêu tả phép biến đổi Wavelet packet phân ly bậc độ lệch chuẩn tương ứng Hình 5.57: Mô hình mạng nơron truyền thẳng đa lớp MLP Hàm mục tiêu mạng xây dựng: - Bánh bình thường:      1 T - Bánh mẻ:  1 1 1  1 - Bánh gãy:  1 1 1  1 T T - Hư hỏng tổng hợp:      1 hư hỏng tổng hợp hư hỏng đo hộp số vừa hư hỏng ổ lăn vừa gãy cong trục. T 135 Với mạng nơron khởi tạo ban đầu, sau trình huấn luyện thu mạng nơron với trọng số liên kết độ lệch hiệu chỉnh tương ứng với hàm mục tiêu đề ra, ta sử dụng mạng để nhận dạng mẫu bất kỳ. Thuật toán sử dụng để huấn luyện mạng thuật toán lan truyền ngược. Đầu mạng nơron dạng hỏng cần phân loại. Các bước phân loại, nhận dạng hư hỏng bánh với mô hình mạng nơron: - Thiết kế mạng nơron dựa liệu phân tích. - Huấn luyện mạng nơron. - Kiểm tra việc huấn luyện mẫu mới. Từ nghiên cứu WPT mạng nơron đưa sơ đồ thuật toán phân loại hư hỏng hình 5.58. Trong 37 số liệu lệch chuẩn dạng hỏng phân chia sau: Sử dụng 27 số liệu vào huấn luyện, để xác thực để kiểm tra. Kết huấn luyện mạng đạt 100% xác (hình 5.59) cho thấy lựa chọn tham số mạng chọn đầu vào mạng (độ lệch chuẩn hệ số WPT) mang lại hiệu huấn luyện cao nhất. Hình 5.58: Sơ đồ thuật toán phân loại hư hỏng ANN Bánh bình thường Bánh mẻ Bánh gãy 136 Hư hỏng tổng hợp Hình 5.59: Kết huấn luyện mạng phân loại hư hỏng Bộ liệu chưa dùng (5 số liệu lại dạng hỏng), sử dụng kiểm tra chất lượng mạng tương ứng với dạng hỏng khác nhau. Kết kiểm tra mạng đạt 97.5% xác với mẫu bị sai thể đồ thị hình 5.60. Từ thấy phân loại hư hỏng mạng nơron cho kết nhanh chóng, xác, đơn giản sử dụng vào hệ thống giám sát dao động online. Mẫu sai Bánh bình thường Bánh mẻ Bánh gãy Hư hỏng tổng hợp Hình 5.60: Kết kiểm tra mạng phân loại hư hỏng Kết luận chƣơng Chương trình bày giới thiệu chương trình tính DSPT để phục vụ chẩn đoán hư hỏng hộp số bánh rẳng. Bên cạnh mô hình thí nghiệm số kết chẩn đoán dao động hộp số bánh trình bày. Từ phân tích, bình luận chương cho thấy rằng, cách kết hợp phương pháp phân tích thời gian – tần số với trung bình hóa tín hiệu đồng cải tiến chẩn đoán hư hỏng chi tiết quay hộp số bánh vận hành với tốc độ quay ổn định biến đổi. Bên cạnh phương pháp phân loại hư hỏng tự động cách kết hợp WPT mạng nơron kiểm chứng mô hình thực tế. Có thể nói phương pháp đề xuất luận án đưa kết chẩn đoán nhanh, với độ xác cao phương pháp phân tích tín hiệu truyền thống. 137 KẾT LUẬN Trên sở nghiên cứu vấn đề hư hỏng hộp số bánh răng, luận án sâu giải toán chẩn đoán dao động chi tiết tiêu biểu hộp số bánh ổ lăn phương pháp kết hợp phép biến đổi thời gian – tần số với trung bình hóa tín hiệu đồng bộ. Bên cạnh luận án áp dụng trí tuệ nhân tạo vào hệ thống chẩn đoán dao động nhằm mục đích chẩn đoán trực tuyến cho hộp số công nghiệp. Nhìn chung luân án thực mục tiêu đề ra. Những kết thu đƣợc luận án 1. Đã xây dựng mô hình chẩn đoán dựa thông số chẩn đoán nhằm xác định triệu chứng phần tử hộp số bánh răng. Các triệu chứng hư hỏng chi tiết quay trục, bánh răng, ổ lăn xác định dựa vào phân tích dao động đo phần tĩnh hộp số bánh răng. Mỗi chi tiết có triệu chứng khác thể thông qua tín hiệu có vùng tần số khác nhau. 2. Xây dựng mô hình thí nghiệm cho hộp số bánh trụ cấp cấp điều kiện vận hành khác nhau. Tiến hành đo đạc đầu đo gia tốc đầu đo pha kết nối với máy đo dao động đa kênh, nhằm kiểm soát đường truyền dao động vỏ hộp số. Các hư hỏng tạo có chủ ý bánh răng, ổ lăn, trục quay, nhằm mục đích kiểm chứng hiệu phương pháp chẩn đoán áp dụng. 3. Sử dụng phương pháp phân tích thời gian – tần số sở phép biến đổi Wavelet nhằm đưa thông tín tín hiệu đồng thời hai miền thời gian tần số. Cải tiến độ phân giải phân bố thời gian – tần số tín hiệu sở phép biến đổi Wavelet phép biến đổi phép biến đổi Wavelet nén đồng phép biến đổi Wavelet nén đồng suy rộng. Đặc biệt, phép biến đổi Wavelet nén đồng suy rộng đưa thông tin dải biên xung quanh tần số ăn khớp tín hiệu dao động đo hộp số bánh vận hành với tốc độ quay biến đổi. 4. Đề xuất phương pháp trung bình hóa tín hiệu đồng cải tiến nhằm giảm thiểu nhiễu ngẫu nhiên nhiễu nguồn dao động khác, với mục đích chẩn đoán xác hư hỏng cục hư hỏng phân bố gây chi tiết quay hộp số bánh răng. Kỹ thuật trung bình hóa tín hiệu đồng cải tiến cho áp dụng cho hộp số nhiều cấp tốc độ mà cần đầu đo pha, tiết kiệm chi phí cho việc mua sắm thiết bị đo. Bên cạnh với hộp số có vỏ bọc che kín, không gắn đầu đo pha, gây khó khăn cho việc áp dụng kỹ thuật trung bình hóa tín hiệu đồng giải cách tách thông tin pha từ tín hiệu đo gia tốc. Phương pháp trung bình hóa tín hiệu đồng cải tiến sử dụng, phương pháp loại trừ, nhằm chẩn đoán hư hỏng ổ đỡ lăn. 5. Xây dựng mô hình chẩn đoán thông minh, tự động phân loại hư hỏng cách phối hợp phân tích Wavelet packet mạng nơron. Đây phương pháp tiên tiến giới đưa nhằm mục đích phát huy sức mạnh mạng internet, giúp cho nhà chuyên môn làm việc vị trí cố định kiểm soát hoạt động đưa nhận định đánh giá cho hộp số nơi xa. 6. Tiến hành xây dựng quy trình chẩn đoán chương trình tính DSPT tảng Matlab với thuật toán truyền thống thuật toán áp dụng, nhằm chẩn đoán dao động chi tiết quay hộp số bánh răng. Chương trình tính DSPT áp 138 dụng để phát hư hỏng chi tiết khác nhau, nhiều chi tiết hỏng lúc. Việc sử dụng chương trình tính DSPT giúp cho nhà chuyên môn nhanh chóng đưa nhận định, đánh giá xác tình trạng thời thiết bị. 7. Luận án kết hợp với sở sản xuất thực tế nhằm phối hợp nghiên cứu thực tiễn. Tiến hành lắp đặt thiết bị đo giám sát tình trạng hoạt động hộp số nhà máy cán thép. Các kết luận án áp dụng thực tế cho thấy việc áp dụng chẩn đoán dao động rút ngắn thời gian sửa chữa, chủ động việc thay tăng độ tin cậy thiết bị. Hƣớng phát triển đề tài - Tiếp tục nghiên cứu hoàn thiện phương pháp pháp đề xuất để chẩn đoán chi tiết quay hộp số bánh răng, đặc biệt chẩn đoán hộp số phức tạp nhiều cấp tốc độ làm việc điều kiện tốc độ quay tải trọng khác nhau. Nghiên cứu phương pháp chẩn đoán cho thiết bị công nghiệp khác hộp số bánh hành tinh, turbin gió động điện… - Áp dụng kết đề tài thu thập xử lý số liệu cho nhà máy sản xuất, tiến tới xây dựng trung tâm xử lý số liệu tập trung thiết bị chẩn đoán online để đảm bảo khả vận hành liên tục nhà máy, giảm thiểu rủi ro thiệt hại kinh tế phải dừng máy đột ngột. Đặc biệt nhà máy nhiệt điện, thủy điện, cán thép… với thiết bị nhập đắt tiền, đòi hỏi phận bảo dưỡng phải có chiến lược thay dự phòng lâu dài. 139 DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. Nguyễn Phong Điền, Nguyễn Trọng Du (2012). Phát vết nứt truyền bánh phương pháp trung bình hóa tín hiệu dao động phép biến đổi Wavelet liên tục. Tuyển tập công trình khoa học hội nghị Cơ học toàn quốc lần thứ 9, tập – Động lực học Điều Khiển, Hà nội, tháng 12, trang 119-129. Nguyễn Phong Điền, Nguyễn Trọng Du (2013). Phát hư hỏng hệ truyền động khí kỹ thuật chẩn đoán rung. Hội nghị khoa học công nghệ toàn quốc Cơ khí, Đại học Công nghiệp Hà Nội, tháng 4, trang 249-255. Nguyễn Phong Điền, Nguyễn Trọng Du (2013). Nhận dạng hư hỏng ổ bi trình vận hành phân tích wavelet dao động riêng tần số cao. Tạp chí Khoa học Công nghệ Năng lượng số 6, trường Đại học Điện Lực, trang 24-30. Nguyễn Phong Điền, Nguyễn Trọng Du (2014). Một phương pháp phân tích dao động hệ truyền động với tốc độ vận hành thay đổi: Áp dụng cho hộp số bánh công nghiệp. Tuyển tập công trình hội nghị Cơ học kỹ thuật toàn quốc kỷ niệm 35 năm thành lập Viện Cơ học, tập – Cơ học máy, Cơ học Thủy khí Động lực học Điều khiển, Hà nội, tháng 04, trang 491-496. Nguyen Trong Du, Nguyen Phong Dien (2014). Detecting gear tooth cracks using K-hybrid thresholding de-noising method based on continuous wavelet transforms. Proceedings of the 7th AUN/SEED-Net Regional Conference in Mechanical and Manufacturing Engineering (RCMME2014), Ha noi, October 9-10, pp. 122 - 126. Nguyen Trong Du, Nguyen Phong Dien (2014). Gear fault identification using artificial neural network and wavelet packet transform. Proceedings of the 3rd International Conference on Engineering Mechanics and Automation - ICEMA 3, Ha noi, October 15, pp. 17 – 22. Nguyễn Trọng Du (2015). Phương pháp nhận dạng hư hỏng truyền bánh điều kiện vận hành với tốc độ quay biến đổi phép biến đổi nén Wavelet suy rộng. Tạp chí Cơ khí Việt Nam, số 1+2, trang 159-165. Nguyễn Phong Điền, Nguyễn Trọng Du (2015). Phát sớm hư hỏng bánh từ dao động vỏ hộp số phương pháp trung bình hóa đồng miền thời gian. Tạp chí khoa học công nghệ trường Đại học kỹ thuật, số 104, trang 73-77. Nguyễn Trọng Du, Nguyễn Phong Điền (2015). Chẩn đoán sớm hư hỏng hệ truyền động kỹ thuật phân tích dao động mới. Tạp chí nghiên cứu khoa học công nghệ Quân sự, số 36, trang 160-166. Nguyen Phong Dien, Nguyen Trong Du (2015). Detection of Gear Faults in Gearboxes using Advanced Signal Processing Methods. Journal of Science of Technology 106, 063-068. 140 TÀI LIỆU THAM KHẢO Tiếng Việt [1] Huy, Nguyễn Đức (2011). Xây dựng mô hình dao động tham số tính toán dao động tuần hoàn truyền bánh nghiêng hai cấp. Trường Đại học Bách khoa Hà nội (Luận văn thạc sĩ khoa học). [2] Hùng, Nguyễn Oai (2010). Nghiên cứu giải pháp kỹ thuật để giám sát chẩn đoán tình trạng kỹ thuật ổ đỡ lăn từ tín hiệu đo dao động học. Trường Đại học Bách khoa Hà Nội (Luận văn thạc sĩ khoa học). [3] Hùng, Nguyễn Phương (2007). Ứng dụng phép biến đổi wavelet chẩn đoán dao động máy quay. Trường Đại học Bách khoa Hà nội (Luận văn thạc sỹ khoa học). [4] Khang, Nguyễn Văn (2003). Cơ sở học kỹ thuật (Tập 1). Nhà xuất Đại học Quốc gia Hà nội. [5] Adams, E., H. Keppler, & U. Schulte (1995). On the simulation of vibrations of industrial gear drives (Complex interactions of physics, mathematics, numerics and experiments). Archive of Applied Mechanics 65, pp. 142-160. [6] Addison, P.S., M. Morvidone, J.N. Watson, & D. Clifton (2006). Wavelet transform reassignment and the use of low-oscillation complex wavelets. Mechanical Systems and Signal Processing 20, pp. 1429–1443. [7] Aherwar, A., M. S. Khalid (2012). Vibration analysis techniques for gearbox diagnostic: A review. International Journal of Advanced Engineering Technology 3(2), pp. 4-12. [8] Al-Arbi, S. (2012). Condition Monitoring of Gear Systems using Vibration Analysis. University of Huddersfield (Doctoral thesis), Huddersfield. [9] Al-Ghamd, A. M., D. Mba (2006). A comparative experimental study on the use of acoustic emission and vibration analysis for bearing defect identification and estimation of defect size. Mechanical Systems and Signal Processing 20, pp. 15371571. [10] B. Samanta, K.R. Al-Balushi (2003). Artificial neural network based fault diagnostics of rolling element bearings using time-domain features. Mechanical Systems and Signal Processing 17(2), pp. 317–328. [11] Bader, D. (2006). Entwicklung einer flexiblen akustischen Messmethode zur Detektierung von verzahnungstechnischen Qualitätsproblemen. Technischen Universität Ilmenau (Dissertation). [12] Bartelmus, W. (2001). Mathematical modelling and computer simulations as an aid to gearbox diagnostics. Mechanical Systems and Signal Processing 15(5), pp. 855871. [13] Bartelmus, W., R. Zimroz, & H. Batra (2009). A new feature for monitoring the condition of gearboxes in non-stationary operating conditions. Mechanical Systems and Signal Processing 23, pp. 1528-1534. [14] Bartz, W. J. (1992). Schäden an geschmierten Maschinenelementen. Kontakt und Studium Band 28. Expert Verlag, Ehningen. [15] Baydar, N., A. Ball (2000). Detection of gear deterioration under varying load conditions by using the instantaneous power spectrum. Mechanical Systems and Signal Processing 14, pp. 907-921. 141 [16] [17] [18] [19] [20] [21] [22] [23] [24] [25] [26] [27] [28] [29] [30] [31] [32] [33] [34] [35] [36] Bendat, J. S., A. G. Piersol (2000). Random data analysis and measurement procedures (3rd edn ed.). Wiley, New York. Bently, D. E. (2003). Fundamentals of rotating machinery diagnostics. American Society of Mechanical Engineers. Bilošová, A. L., J. Biloš (2012). Vibration Diagnostics. Technical University of Ostrava, Czech Republic. Blankenship, G. W., R. Singh (1995). Dynamic force transmissibility in helical gear pairs. Mechanism and Machine Theory 30, pp. 323-339. Boashash, B. (1992). Time-Frequency Signal Analysis. Longman Cheshire, London. Boerner, J. (1999). Rechenprogramm LVR: Beanspruchungsverteilung an evolventischen Verzahnungen. Foschungsberichte, TU Dresden, Institut für Maschinenelemente und Maschinen-konstruktion. Bonnardot, F., M. El Badaoui, R.B. Randall, J. Danière, & F. Guillet (2005). Use of the acceleration signal of a gearbox in order to perform angular resampling (with limited speed fluctuation). Mechanical Systems and Signal Processing 19(4), pp. 766 -785. Brändlein, J., P. Eschmann, L. Hasbargen, & K. Weigand (1999). Ball and Roller Bearings: Theory, Design, and Application. John Wiley & Sons, UK. Braun, S. (1975). The extraction of periodic waveforms by time domain averaging. Acustica 32, pp. 69-77. Braun, S. (2011). The synchronous (time domain) average revisited. Mechanical Systems and Signal Processing 25(4), pp. 1087–1102. Brie, D. (2000). Modelling of the spalled rolling element bearing viration signal: an overview and some new results. Mechanical Systems and Signal Processing 14(3), pp. 353-369. Cempel, C. (1990). Vibroakustische Maschinendiagnostik. Verlag der Technik, Berlin. Cempel, C., M. Tabaszewski (2007). Multidimensional condition monitoring of machines in non-stationary operation. Mechanical Systems and Signal Processing 21, pp. 1233-1241. Cohen, L. (1995). Time-Frequency Analysis. NJ, Prentice Hall: Englewood Cliffs. Combet, L., L. Gelman (2007). An automated methodology for performing time synchronous averaging of a gearbox signal without speed sensor. Mechanical Systems and Signal Processing 21, pp. 2590-2606. Czichos, H. (2013). Handbook of technical diagnostics - Fundamentals and application to structures and systems (Editor Ed.). Springer - Verlag Berlin Heidelberg. Chui, C.K. (1992). An Introduction to Wavelets. Academic Press Inc. Dalpiaz, G., A. Rivola, & R. Rubini (2000). Effectiveness and sensitivity of vibration processing techniques for local fault detection in gears. Mechanical System and Signal Processing 14(3), pp. 387- 412. Daubechies, I. (1992). Ten Lectures on Wavelets. Society for Industrial and Applied Mathematics (SIAM), Philadelphia. Daubechies, I., J.F. Lu, & H.T. Wu (2011). Synchrosqueezed wavelet transforms: an empirical mode decomposition-like tool. Applied and Computational Harmonic Analysis 30, pp. 243–261. Dien, N. P. (2002). Beitrag zur Diagnostik der Verzahnungen in Getrieben mittels Zeit- Frequenz- Analyse. Technischen Universität Chemnitz (Dissertation). 142 [37] [38] [39] [40] [41] [42] [43] [44] [45] [46] [47] [48] [49] [50] [51] [52] [53] [54] [55] [56] Dien, N. P. (2004). Fault diagnosis in ball bearing using the envelope analysis and the wavelet analysis. Proc. of the National Conference on Mechanics, Ha noi, pp. 78-85. DIN, 3979 (1979): Zahnschäden an Zahnradgetrieben. Bezeichnung, Merkmale, Ursachen. Eisenmann, R. C. (1997). Machinary Malfuntion Diagnosis and Correction, Hewlett-Packard Professional Books, USA. Fang, S., L. Y. Bing, L. Ming, & Z. L. Bo (2006). Gear Faults Diagnosis Based on Wavelet Packet and Fuzzy Pattern Recognition Control Conference, CCC 2006, Chinese, pp. Feng, Y., F. S. Schlindwein (2009). Normalized wavelet packets quantifiers for condition monitoring. Mechanical Systems and Signal Processing 23, pp. 712–723. Forrester, B. D. (1996 ). Advanced vibration analysis techniques for fault detection and diagnosis in geared transmission systems. PhD-thesis, Swinburne University of Technology, Melbourne (303 pages). Fritsch, F.N., R.E. Carlson (1980). Monotone piecewise cubic interpolation. SIAM Journal of Numerical Analysis 17, pp. 238–246. Frolov, K. V., O. I. Kosarev (1999). Vibro-excitation in the meshing of imprecise deformable vibro-excitation teeth in a spur gear: a review. International Applied Mechanics 35, pp. 1081-1094. Gao, R. X., R. Yan (2011). Wavelets, Theory and Applications for Manufacturing. Springer New York Dordrecht Heidelberg, USA. Heneghan, C. Khanna, S. M. Flock, A. Ulfendahl, & M. Brundin (1994). Investigating the nonlinear dynamics of cellular motion in the inner ear using the short-time Fourier and continuous wavelet transforms. IEEE Transactions on Signal Processing 42(12), pp. 3335-3352. Ho, D., R. B. Randall (2000). Optimisation of bearing diagnostic techniques using simulated and actual bearing fault signals. Mechanical Systems and Signal Processing 14(5), pp. 763-788. Isermann, R. (2006). Fault-Diagnosis Systems: an Introduction from Fault Detection to Fault Tolerance. Springer-Verlag, Berlin, Heidelberg. ISO, 7919 (1996-2001): Mechanical vibration of non-reciprocating machines. Measurement on rotating shafts and evaluation criteria. ISO, 10816 (1995-2000): Mechanical vibration- Evaluation of machine vibration by measurements on non-rotating parts. ISO, 13373-1 (2001): Condition monitoring and diagnostics of machines. Vibration condition monitoring - General procedures. ISO, DIS 17359 (2011): Condition monitoring and diagnostics of machines. General guidelines. Jardine, A. K.S., D. Lin, & D. Banjevic (2006). A review on machinery diagnostics and prognostics implementing condition-based maintenance. Mechanical Systems and Signal Processing 20, pp. 1483-1510. Jia, S., I. Howard (2006). Comparison of localised spalling and crack damage from dynamic modelling of spur gear vibrations. Mechanical Systems and Signal Processing 20, pp. 332–349. Kıral, Z., H. Karagulle (2006). Vibration analysis of rolling element bearings with various defects under the action of an unbalanced force. Mechanical Systems and Signal Processing 20, pp. 1967–1991. Klein, U. (1999). Schwingungsdiagnostische Beurteilung von Maschinen und Anlagen. Verlag Stahleisen, Düsseldorf. 143 [57] [58] [59] [60] [61] [62] [63] [64] [65] [66] [67] [68] [69] [70] [71] [72] [73] [74] [75] Kolerus, J. (2000). Zustandsüberwachung von Maschinen. Expert-Verlag, Renningen–Malmsheim. Khang, N. V., N. P. Dien, & H. M. Cuong (2009). Linearization and parametric vibration analysis of some applied problems in multibody systems. Multibody System Dynamics 22, pp. 163-180. Lebold, M., et al (2000). Review of Vibration Analysis Methods for Gearbox Diagnostics and Prognostics. Proceedings of the 54th Meeting of the Society for Machinery Failure Prevention Technology, Virginia Beach, USA, pp. 623-634. Li, C., M. Liang (2012). Time-frequency signal analysis for gearbox fault diagnosis using genelized synchrosqueezing transform. Mechanical Systems and Signal Processing 26, pp. 205-217. Li, C., M. Liang (2012). A generalized synchrosqueezing transform for enhancing signal time–frequency representation. Mechanical systems and Signal Processing 92, pp. 2264–2274. Mallat, S. (1999). A Wavelet Tour of Signal Processing. Academic Press, New York. McFadden, P. D. (1987). A revised model for the extraction of periodic waveforms by time domain averaging. Mechanical Systems and Signal Processing 1, pp. 83– 95. McFadden, P. D. (1987). Examination of a technique for the early detection of failure in gears by signal processing of the time domain average of the messing vibration. Mechanical System and Signal Processing 1, pp. 173-183. Meltzer, G., Nguyen Phong Dien (2004). Fault diagnosis in gears operating under non-stationary rotational speed using polar wavelet amplitude maps. Mechanical Systems and Signal Processing 18(5), pp. 985-992. Meltzer, G. (2000). Technical diagnostics - an introduction. Lecture notes, Dresden University. Meyer, Y. (1993). Wavelets: Algorithms and Applications. Society for Industrial and Applied Mathematics, Philadelphia. Munro, R. G. (1991). A review of the theory and measurement of gear transmission error. Proceedings of the 1st IMechE International Conference on Gearbox Noise and Vibration, Cambridge, UK, pp. 3-10. Newland, D. E. (1993). An introduction to random vibrations, spectral and wavelet analysis. John Wiley & Sons. Parker, G.R., et al. (2000). Non-linear dynamic response of a spur gear pair: Modelling and experimental comparisons. Journal of Sound and Vibration 237(3), pp. 435-455. Peng, F.Q., D.J. Yu, & J.S. Luo (2011). Sparse signal decomposition method based on multi-scale chirplet and its application to the fault diagnosis of gearboxes. Mechanical Systems and Signal Processing 25, pp. 549–557. Peng, Z. K., F. L. Chu (2004). Application of the wavelet transform in machine condition monitoring and fault diagnostics: a review with bibliography. Mechanical Systems and Signal Processing 18, pp. 199-221. Rafiee, J., F. Arvani, A. Harifi, & M.H. Sadeghi (2007). Intelligent condition monitoring of a gearbox using artificical neural network. Mechanical Systems and Signal Processing 21, pp. 1746-1754. Randall, R. B. (2011). Vibration-based Condition Monitoring: Industrial, aerospace and automotive applications. Wiley, New York. Randall, R. B., J. Antoni (2011). Rolling element bearing diagnostics-A tutorial. Mechanical Systems and Signal Processing 25, pp. 485-520. 144 [76] [77] [78] [79] [80] [81] [82] [83] [84] [85] [86] [87] [88] [89] [90] [91] [92] [93] [94] [95] Riedmiller, M., H. Braun (1993). A direct adaptive method for faster backpropagation learning: the RPROP algorithm. Proceedings of the IEEE International Conference on Neural Networks, San Francisco, pp. 586-591. Roque, A. A., T. A. N. Silva, J. M. F. Calado, & J. C. Q. Dias (2009). An Approach to Fault Diagnosis of Rolling Bearings. Wseas transactions on systems and control 4(4), pp. 188-197. Rubini, R., U. Meneghetti (2001). Application of the envelope and wavelet transform analyses for the diagnosis of incipient faults in ball bearings. Mechanical Systems and Signal Processing 15(2), pp. 287-302. Sassi, S., B. Badri, & M. Thom (2007). A numerical model to predict damaged bearing vibrations. Journal of Vibration and Control 13(11), pp. 1603-1628. Sheen, Y. T., C. K. Hung (2004). Constructing a wavelet-based envelope function for vibration signal analysis. Mechanical Systems and Signal Processing 18, pp. 119-126. Sheen, Yuh-Tay (2009). On the study of applying Morlet wavelet to the Hilbert transform for the envelope detection of bearing vibrations. Mechanical Systems and Signal Processing 23, pp. 1518-1527. Shin, K., J. K. Hammond (2008). Fundamentals of signal processing for sound and vibration engineers. John Wiley & Sons, London. Smith, J. D. (2003). Gear Noise and Vibration (second ed.). Marcel Dekker Inc (318 pages), New York. Staszewski, W. J. (1994). The application of time-variant analysis to gearbox fault detection. Manchester University (Doctoral thesis). Stewart, R.M. (1977). Some useful analysis techniques for gearbox diagnostics. Technical Report MHM/R/10/77 Machine Health Monitoring Group, Institute of Sound and Vibration Research, University of Southampton,. Strang, G., T. Nguyen (1996). Wavelets and Filter Banks. Wellesley-Cambridge Press, Wellesley. Su, W., F. Wang, H. Zhu, Z. Zhang, & Z. Guo (2010). Rolling element bearing faults diagnosis based on optimal Morlet wavelet filter and autocorrelation enhancement. Mechanical Systems and Signal Processing 24, pp. 1458-1472. Sun, Q., Y. Tang (2002). Singularity analysis using continous wavelet transform for bearing fault diagnosis. Mechanical Systems and Signal Processing 16(6), pp. 1025-1041. Theodossiades, S., S. Natsiavas (2000). Non-linear dynamics of gear-pair systems with periodic stiffness and backlash. J. Sound and Vibration 229(2), pp. 287-310. VDI-Richtlinien, 3839 (1999-2001): Hinweise zur Messung und Interpretation der Schwingungen von Maschinen. (Instruction on measuring and interpreting the vibration of machines). Veitch, D. (2005). Wavelet Neural Networks and their application in the study of dynamical systems. University of York (Dissertations), UK. Wang, J., R. Li, & X. Peng (2003). Survey of nonlinear vibration of gear transmission systems. ASME Applied Mechanics Reviews 56(3), pp. 309-329. Wang, W. J. (2001). Wavelets for detecting mechanical faults with high sensitivity. . Mechanical Systems and Signal Processing 15(4), pp. 685-696. Wang, Y., Z. He, & Y. Zi (2010). Enhancement of signal denoising and multiple fault signatures detecting in rotating machinery using dual-tree complex wavelet transform. Mechanical Systems and Signal Processing 24, pp. 119-137. Wickerhauser, V. M. (1996). Adaptive Wavelet-Analysis. Braunschweig /Wiesbaden, Theorie und Software. Vieweg - Verlag. 145 [96] Wright, Z. H. (2009 ). Loaded static transmission error measurement system for spur and helical gears. Thesis of Master of Science, Graduate School of The Ohio State University, (122 pages). [97] Yan, Z., A. Miyamoto, & Z. Jiang (2009). Frequency slice wavelet transform for transient vibration response analysis. Mechanical Systems and Signal Processing 23, pp. 1474-1489. [98] Zheng, H., Z. Li, & X. Chen (2002). Gear fault diagnosis based on continous wavelet transform. Mechanical Systems and Signal Processing 16 (2-3), pp. 447457. [99] Zhixin yang, Wui ian hoi, Jianhua zhong (2011). Gearbox Fault Diagnosis based on Artificial Neural Network and Genetic Algorithms. Proceedings of International Conference on System Science and Engineering, Macau, China, pp. 37-42. [100] Zhu, Z.K., Ruqiang Yan, Liheng Luo, Z.H. Feng, & F.R. Kong (2009). Detection of signal transients based on wavelet and statistics for machine fault diagnosis. Mechanical Systems and Signal Processing 23, pp. 1076-1097. 146 [...]... là các dạng hư hỏng thường gặp của hộp số bánh răng cũng như các đặc trưng dao động của nó là vấn đề đầu tiên phải giải quyết Chương này tập trung vào việc phân tích các đặc trưng dao động cơ bản của các phần tử thuộc hộp số bánh răng và xác định các triệu chứng chẩn đoán trong miền thời gian và miền tần số Việc xác định các triệu chứng chẩn đoán mới trong miền thời gian - tần số sẽ là chủ đề của chương... trúc tín hiệu dao động cơ học và các dạng hỏng thường gặp của các chi tiết quay trong hộp số bánh răng; đưa ra các triệu chứng chẩn đoán của các dạng hỏng này dựa vào phân tích tín hiệu dao động cơ học Các phương pháp xử lý tín hiệu số cơ bản đã và đang được sử dụng phổ biến trong lĩnh vực chẩn đoán dao động cũng được trình bày trong chương này Chương 3: Nghiên cứu về cơ sở toán học các phép biến đổi... khắc phục được giải quyết bằng các phương pháp phân tích trong miền thời gian- tần số 1.2.4.3 Phân tích dao động trong miền thời gian- tần số 12 Khi một hộp số bánh răng vận hành với tốc độ biến đổi kèm theo sự thay đổi tải trọng Khi đó, tín hiệu dao động đo được có tần số và độ lớn thay đổi theo thời gian Nói cách khác, dao động của hộp số bánh răng này có đặc tính điều biến tần số và điều biến biên độ... những hư hỏng đột ngột xảy ra trong hộp số bánh răng 15 CHƢƠNG 2: PHÂN TÍCH CÁC ĐẶC TRƢNG DAO ĐỘNG CỦA HỘP SỐ BÁNH RĂNG Như đã đề cập tới trong phần trước, chẩn đoán dao động dựa trên mối quan hệ giữa triệu chứng chẩn đoán và các dạng hư hỏng tương ứng Nói cách khác, ta cần xác định được dấu hiệu của hư hỏng biểu thị qua các dao động cơ học Do đó, việc xác định tình trạng kỹ thuật, gồm thông số kỹ... tạo ra các thông tin về pha dao động của trục quay đã được đề xuất trong một số nghiên cứu như [36] nhưng chưa có giải pháp thực hiện Từ các phân tích nêu trên, luận án sẽ tập trung vào nghiên cứu các vấn đề chẩn đoán dao động của hộp số, điển hình là hộp số bánh răng công nghiệp với các nội dung như sau: - Áp dụng các phép biến đổi thời gian- tần số mới được công bố đề phân tích tín hiệu dao động, điển... gian và miền tần số, gọi là các phân bố thời gian - tần số của tín hiệu Boashash [20] và Chui [32] đã công bố các sách chuyên khảo đầu tiên về phân tích thời gian- tần số Boashash đã tổng kết các phép biến đổi thời gian- tần số phi tuyến, còn tài liệu của Chui đề cập tới các phép biến đổi thời gian- tần số tuyến tính Ville và Wigner [20] đã đề xuất năm 1960 khái niệm phân bố thời gian- tần số của một tín... phát triển các phương pháp chẩn đoán dao động của máy nói chung và hộp số bánh răng nói riêng Bartz [14] đã tiến hành thống kê tần suất hư hỏng của các chi tiết/cụm chi tiết trong hộp số bánh răng Kết quả thống kê được trình bày trong bảng 1.1 Theo số liệu này, hư hỏng tại bánh răng và ổ đỡ con lăn xảy ra với tần suất trên 70% trong khi hư hỏng của tất cả các chi tiết con lại trong hộp số có tần suất... giám sát dao động thông minh cho hộp số bánh răng - Xây dựng các thuật toán và một chương trình phân tích tín hiệu số trên phần mềm tính toán đa năng MATLAB (gọi là bộ chương trình tính) trên cơ sở các phương pháp chẩn đoán dao động truyền thống và các phương pháp mới đề xuất - Phân tích, đánh giá và tổng kết các đặc trưng dao động chủ yếu của các chi tiết quay phổ biến trong hộp số bánh răng (trục,... các nhà toán học - nhằm cải thiện độ phân giải của các phân bố thời gian- tần số của tín hiệu dao động - Đề xuất một phương án kết hợp giữa Phép biến đổi Wavelet Packet và mạng trí tuệ nhân tạo nhằm phát hiện vào phân loại tự động một số dạng hư hỏng của chi tiết quay trong hộp số bánh răng Về thực tiễn: - Áp dụng thành công các phương pháp phân tích thời gian - tần số mới được đề xuất như Phép biến... dựng các thuật toán xử lý tín hiệu số và chương trình tính trên phần mềm tính toán đa năng MATLAB cho các nội dung nghiên cứu nêu trên Kết luận chƣơng 1 Có nhiều phương pháp chẩn đoán hư hỏng các chi tiết trong hộp số bánh răng, tuy nhiên chẩn đoán hư hỏng dựa trên phân tích dao động là được sử dụng phổ biến hơn cả Chương này trình bày tổng quan về giám sát và chẩn đoán dao động cho hộp số bánh răng, . hệ thống chẩn đoán dao động. - Đề xuất một quy trình chẩn đoán dao động trên cơ sở phân tích thời gian- tần số các dao động cơ học để phát hiện và định vị hư hỏng của hộp số bánh răng trụ vận. HỌC BÁCH KHOA HÀ NỘI Nguyễn Trọng Du CHẨN ĐOÁN HƯ HỎNG CỦA HỘP SỐ BÁNH RĂNG BẰNG PHÂN TÍCH THỜI GIAN – TẦN SỐ CÁC DAO ĐỘNG CƠ HỌC LUẬN ÁN TIẾN SĨ CƠ HỌC. quan về chẩn đoán dao động cho hộp số bánh răng 7 1.2.1 Vấn đề hư hỏng của hộp số bánh răng 7 1.2.2 Tín hiệu chẩn đoán và phương pháp đo 8 1.2.3 Các tiêu chuẩn về dao động 10 1.2.4 Các phương