Czasopismo | PRZEGLĄD ELEKTROTECHNICZNY | Rocznik 2024 - zeszyt 5

A model for processing and identifying engine vibration signals

Model przetwarzania sygnału drgań silnika

15199/48.2024.05.50

nr katalogowy: 148635
15199/48.2024.05.50

Streszczenie

The advancement of the sensor technology becoming increasingly cost-effective and the progress in diagnostic and management research, users nowadays not only demand high reliability from their devices but also the ability for their equipment to self-diagnose errors and provide alerts. These devices often incorporate sensor systems capable of generating plenty of data points, that needed a carefully targeted algorithms for extracting features from the data for classification and prediction models. In this paper, we will develop a comprehensive model for identifying vibration signals. We will extract features from the bearing data provided by Case Western Reserve University Bearing Data Center, then use a deep-learning based convolutional neural network to learn to be a classification model of the motor states based on the vibration signals. The numerical results show that the method can offer the promising accuracy at 85.8%.

Abstract

Wraz z postępem w technologii czujników, która staje się coraz bardziej tańsza do użycia w badaniach diagnostycznych, użytkownicy wymagają obecnie nie tylko wysokiej niezawodności swoich urządzeń, ale także zdolności ich sprzętu do samodiagnostyki błędów i generowania alertów. Nowej generacje urządzeń zawierają systemy czujników zdolne do generowania mnóstwo danych, co wymagało starannie dobranych algorytmów do wyodrębniania cech charakterystycznych na potrzeby modeli klasyfikacji i predykcji. W tym artykule przedstawimy model do identyfikacji sygnałów drganiowych. Korzystaliśmy z danych pomiarowych łożysk dostępnych w Centrum baz danych łożysk Uniwersytetu Case Western Reserve. Z tych danych pomiarowych, wygenerowano ich spectrogramy do postaci obrazów a następnie wykorzystano splotową sieć neuronową opartą na głębokim uczeniu się do tworzenia model klasyfikacji stanów silnika w oparciu o sygnały wibracyjne. Wyniki liczbowe pokazują, że metoda ta może zapewnić obiecując ˛a dokładność na poziomie 85,8%.

Słowa kluczowe

Keywords

Bibliografia

[1] Case Western Reserve University Bearing Data Center Website.
[web page] https://engineering.case.edu/bearingdatacenter/
[Accessed on 01 Apr. 2022.].
[2] Venkatesan, Ragav; Li, Baoxin: Convolutional Neural Networks in Visual Computing: A Concise Guide, CRC Press, ISBN 978-1-351-65032-8, 2017.
[3] David Verstraete, Andrés Ferrada, Enrique López Droguett, Viviana Meruane, Mohammad Modarres: Deep Learning Enabled Fault Diagnosis Using Time-Frequency Image Analysis of Rolling Element Bearings, Shock and Vibration, vol. 2017, Article ID 5067651, 2017.
[4] Kehtarnavaz, N.: Frequency Domain Processing, Digital Signal Processing System Design, doi:10.1016/b978-0-12- 374490-6.00007-6, pp. 175–196, 2008.
[5] Bloomfield, P.: Fourier Analysis of Time Series: An Introduction, New York: Wiley-Interscience, 2000.
[6] Hua Su, Kil To Chong, R. Ravi Kumar: Vibration signal analysis for electrical fault detection of induction machine using neural networks, Neural Computing and Applications, vol, 20, pp. 183–194, 2011.
[7] Maruthi G. S., Vishwanath Hegde: Application of MEMS Accelerometer for Detection and Diagnosis of Multiple Faults in the Roller Element Bearings of Three Phase Induction Motor, IEEE Sensors Journal, vol. 16, no. 1, pp. 145 – 152, 2016.
[8] Diederik P. Kingma, Jimmy Ba: Adam: A Method for Stochastic Optimization, arXiv preprint arXiv:1412.6980, pp. 273 – 297, 2014.

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


PRZEGLĄD ELEKTROTECHNICZNY- e-publikacja (pdf) z zeszytu 2024-5 , nr katalogowy 148635 licencja: Osobista Produkt cyfrowy Nowość	10.00 zł

Zeszyt


PRZEGLĄD ELEKTROTECHNICZNY- e-zeszyt (pdf) 2024-5 licencja: Osobista Produkt cyfrowy Nowość	85.00 zł

Prenumerata

PRZEGLĄD ELEKTROTECHNICZNY - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

762.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	1002.00 zł brutto 927.78 zł netto 74.22 zł VAT (stawka VAT 8%)

1002.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna	960.00 zł brutto 888.89 zł netto 71.11 zł VAT (stawka VAT 8%)
PRZEGLĄD ELEKTROTECHNICZNY - pakowanie i wysyłka	42.00 zł brutto 34.15 zł netto 7.85 zł VAT (stawka VAT 23%)

1002.00 zł

Zeszyt

2024-5

Twój Koszyk

Publikacja

Zeszyt

Prenumerata

Zeszyt

Czasopisma