Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "vibration diagnosis" wg kryterium: Wszystkie pola


Wyświetlanie 1-2 z 2
Tytuł:
Fault diagnosis of multistage centrifugal pump unit using non-local means-based vibration signal denoising
Diagnozowanie uszkodzeń wielostopniowej pompy odśrodkowej z wykorzystaniem metody odszumiania sygnału drgań w oparciu o średnie nielokalne
Autorzy:
Han, Te
Jiang, Dongxiang
Powiązania:
https://bibliotekanauki.pl/articles/301103.pdf
Data publikacji:
2019
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
vibration signal denoising
multistage centrifugal pump
nonlocal means
diagnosis
odszumianie sygnału drgań
wielostopniowa pompa odśrodkowa
średnie nielokalne
diagnozowanie
Opis:
In real industry environment, the signal characteristics of multistage centrifugal pump vibration signal are easily submerged by strong background noise. To settle this problem, the nonlocal means (NLM) approach is proposed for the denoising of multistage centrifugal pump in this paper. Utilizing the similarity theory, the NLM method has achieved a wide range of applications in the fields of image processing and biomedical signal denoising. Due to the periodic characteristics and redundancy, NLM is successfully applied to the de-noising of 1-D machinery vibration signal. The numerical simulation experiments with different SNRs verify the effectiveness and the superiority of the proposed method. Besides, the selection principles of core parameters in NLM are discussed. The real engineering cases analysis demonstrates that the NLM can effectively filter out the background noise and realize the weak fault feature enhancements. The proposed noise reduction method is superior to traditional wavelet coefficient method.
W rzeczywistym środowisku przemysłowym, charakterystyki sygnału drgań wielostopniowej pompy odśrodkowej są zagłuszane przez silny szum tła. Problem ten można rozwiązać stosując zaproponowane w niniejszej pracy podejście oparte na algorytmie średnich nielokalnych (non-local means, NLM). Wykorzystująca teorię podobieństwa metoda NLM znajduje szeroki zakres zastosowań w dziedzinie przetwarzania obrazu i odszumiania sygnałów biomedycznych. Dzięki okresowemu charakterowi i redundancji sygnałów, NLM można z powodzeniem stosować do usuwania szumu jednowymiarowego sygnału drgań maszyn. Skuteczność proponowanej metody i jej przewagę nad stosowanymi dotychczas rozwiązaniami zweryfikowano na podstawie eksperymentów symulacyjnych z uwzględnieniem różnych stosunków sygnału do szumu (SNR). Ponadto omówiono zasady wyboru podstawowych parametrów NLM. Analiza przypadków inżynierskich pokazuje, że NLM pozwala skutecznie odfiltrowywać szumy tła i wzmacniać słabe symptomy akustyczne uszkodzenia. Proponowana metoda redukcji szumów przewyższa tradycyjną metodę współczynnika falkowego.
Źródło:
Eksploatacja i Niezawodność; 2019, 21, 4; 539-545
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Induction motor fault classification via entropy and column correlation features of 2D represented vibration data
Autorzy:
Basaran, Murat
Fidan, Mehmet
Powiązania:
https://bibliotekanauki.pl/articles/1841827.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
entropy
fault diagnosis
support vector machines
wavelet transforms
Opis:
Due to long-term use under challenging conditions, the sub-elements of induction motors may suffer certain defects over time. Such defects impair the vibration characteristics of the motors in different ways, depending on the type of defect. Therefore, the change in vibration characteristic provides indicators about the fault type and can be used in preventive maintenance strategies to ensure safe operation of the system. In this work, discrete-time vibration data were transformed into 2-dimensional grey-level images and decomposed into individual components by the Wavelet decomposition method. Features based on entropy and column correlation were extracted from these components and used to classify motor faults by using the Support Vector Machine method implemented by using the Sequential Minimal Optimisation algorithm. When the selected classifier is compared with other popular Machine Learning algorithms, it is observed that motor faults are more successfully classified, and these observations are presented in detail with comparative classification performance results.
Źródło:
Eksploatacja i Niezawodność; 2021, 23, 1; 132-142
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies