Informacja

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

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "rolling bearing" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Fault Detection Enhancement in Rolling Element Bearings Using the Minimum Entropy Deconvolution
    Autorzy:
    Barszcz, T.
    Sawalhi, N.
    Powiązania:
    https://bibliotekanauki.pl/articles/177746.pdf
    Data publikacji:
    2012
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    rolling bearing
    fault detection
    Minimum Entropy Deconvolution (MED)
    wind turbine
    Opis:
    Minimum Entropy Deconvolution (MED) has been recently introduced to the machine condition mon- itoring field to enhance fault detection in rolling element bearings and gears. MED proved to be an excellent aid to the extraction of these impulses and diagnosing their origin, i.e. the defective component of the bearing. In this paper, MED is revisited and re-introduced with further insights into its application to fault detection and diagnosis in rolling element bearings. The MED parameter selection as well as its combination with pre-whitening is discussed. Two main cases are presented to illustrate the benefits of the MED technique. The first one was taken from a fan bladed test rig. The second case was taken from a wind turbine with an inner race fault. The usage of the MED technique has shown a strong enhancement for both fault detection and diagnosis. The paper contributes to the knowledge of fault detection of rolling element bearings through providing an insight into the usage of MED in rolling element bearings diag- nostic. This provides a guide for the user to select optimum parameters for the MED filter and illustrates these on new interesting cases both from a lab environment and an actual case.
    Źródło:
    Archives of Acoustics; 2012, 37, 2; 131-141
    0137-5075
    Pojawia się w:
    Archives of Acoustics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Decomposition of vibration signals into deterministic and nondeterministic components and its capabilities of fault detection and identification
    Autorzy:
    Barszcz, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/907657.pdf
    Data publikacji:
    2009
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    rozkład
    drganie
    składowa deterministyczna
    łożysko toczne
    decomposition
    vibration
    deterministic component
    nondeterministic component
    rolling bearing
    Opis:
    The paper investigates the possibility of decomposing vibration signals into deterministic and nondeterministic parts, based on the Wold theorem. A short description of the theory of adaptive filters is presented. When an adaptive filter uses the delayed version of the input signal as the reference signal, it is possible to divide the signal into a deterministic (gear and shaft related) part and a nondeterministic (noise and rolling bearings) part. The idea of the self-adaptive filter (in the literature referred to as SANC or ALE) is presented and its most important features are discussed. The flowchart of the Matlab-based SANC algorithm is also presented. In practice, bearing fault signals are in fact nondeterministic components, due to a little jitter in their fundamental period. This phenomenon is illustrated using a simple example. The paper proposes a simulation of a signal containing deterministic and nondeterministic components. The self-adaptive filter is then applied- first to the simulated data. Next, the filter is applied to a real vibration signal from a wind turbine with an outer race fault. The necessity of resampling the real signal is discussed. The signal from an actual source has a more complex structure and contains a significant noise component, which requires additional demodulation of the decomposed signal. For both types of signals the proposed SANC filter shows a very good ability to decompose the signal.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2009, 19, 2; 327-335
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Comparison of advanced signal-processing methods for roller bearing faults detection
    Autorzy:
    Urbanek, J.
    Barszcz, T.
    Uhl, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/221168.pdf
    Data publikacji:
    2012
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    fault detection
    condition monitoring
    rolling element bearing
    wind turbine
    Opis:
    Wind turbines are nowadays one of the most promising energy sources. Every year, the amount of energy produced from the wind grows steadily. Investors demand turbine manufacturers to produce bigger, more efficient and robust units. These requirements resulted in fast development of condition-monitoring methods. However, significant sizes and varying operational conditions can make diagnostics of the wind turbines very challenging. The paper shows the case study of a wind turbine that had suffered a serious rolling element bearing (REB) fault. The authors compare several methods for early detection of symptoms of the failure. The paper compares standard methods based on spectral analysis and a number of novel methods based on narrowband envelope analysis, kurtosis and cyclostationarity approach. The very important problem of proper configuration of the methods is addressed as well. It is well known that every method requires setting of several parameters. In the industrial practice, configuration should be as standard and simple as possible. The paper discusses configuration parameters of investigated methods and their sensitivity to configuration uncertainties.
    Źródło:
    Metrology and Measurement Systems; 2012, 19, 4; 715-726
    0860-8229
    Pojawia się w:
    Metrology and Measurement Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wind turbines rolling element bearings fault detection enhancement using minimum entropy deconvolution
    Poprawa wykrywania uszkodzeń łożysk tocznych w turbinach wiatrowych przy użyciu metody minimum entropy deconvolution
    Autorzy:
    Barszcz, T.
    Sawalhi, N.
    Powiązania:
    https://bibliotekanauki.pl/articles/327996.pdf
    Data publikacji:
    2011
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    łożysko toczne
    wykrywanie uszkodzeń
    Minimum Entropy Deconvolution
    MED
    turbina wiatrowa
    rolling bearing
    fault detection
    wind turbine
    Opis:
    Minimum Entropy Deconvolution (MED) has been recently introduced to the machine condition monitoring field to enhance fault detection in rolling element bearings and gears. MED proved to be an excellent aid to the extraction of these impulses and diagnosing their origin, i.e. the defective component of the bearing. In this paper, MED was applied for fault detection and diagnosis in rolling element bearings in wind turbines. MED parameter selection as well as its combination with pre-whitening is discussed. Two main cases are presented to illustrate the benefits of the MED technique. The first was taken from a fan bladed test rig. The second case was taken from a wind turbine with an inner race fault. The usage of the MED technique has shown a strong enhancement for both fault detection and diagnosis. The paper contributes to the knowledge of fault detection of rolling elements bearings through providing an insight into the usage of MED in rolling element bearings diagnostic by providing a guide for the user to select optimum parameters for the MED filter and illustrating these on new interesting cases both from a lab environment and an actual case.
    Metoda Minimum Etropy Deconvolution (MED) została niedawno wprowadzona do diagnostyki w celu poprawy wykrywania uszkodzeń łożysk tocznych i przekładni. MED okazała się bardzo pomocna w ekstrakcji impulsów pochodzących od tych uszkodzeń i określania miejsca ich pochodzenia (np. uszkodzonego elementu łożyska). W niniejszym artykule MED zastosowano do wykrywania uszkodzeń łożysk tocznych w turbinach wiatrowych. W artykule opisano zagadnienie selekcji parametrów metody MED oraz metody "wybielania sygnału" (ang. pre-whitening). Korzyści płynące z zastosowania metody przedstawiono na dwóch przypadkach. Pierwszym jest stanowisko laboratoryjne, a drugim - turbina wiatrowa z uszkodzoną bieżnią wewnętrzną łożyska generatora. Zastosowanie metody MED pozwoliło na znaczącą poprawę zarówno wykrycia, jak i lokalizacji uszkodzenia. Najistotniejszymi częściami niniejszego artykułu są: opis metody MED, wskazówki dotyczące optymalnego dostrojenia metody oraz interesujące przypadki zarówno laboratoryjne, jak i rzeczywiste.
    Źródło:
    Diagnostyka; 2011, 3(59); 53-59
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Supervised and unsupervised learning process in damage classification of rolling element bearings
    Nadzorowany i nienadzorowany proces uczenia w klasyfikacji uszkodzeń łożysk tocznych
    Autorzy:
    Strączkiewicz, M.
    Czop, P.
    Barszcz, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/327924.pdf
    Data publikacji:
    2016
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    fault classification
    pattern recognition
    rolling element bearing
    multiple classifiers comparison
    klasyfikacja uszkodzeń
    rozpoznawanie wzorców
    łożysko toczne
    porównanie klasyfikatorów
    Opis:
    Damage classification plays a crucial role in the process of management in nearly every branch of industry. In fact, is becomes equally important as damage detection, since it can provide information of malfunction severity and hence lead to improvement of a production or manufacturing process. Within this paper selected supervised and unsupervised pattern recognition methods are employed for this purpose. The attention of the authors is given to assessment of selection, performance benchmarking and applicability of selected pattern recognition methods. The investigation is performed on the data collected using an experimental test grid and rolling element bearing with deteriorating condition of an outer race.
    Klasyfikacja uszkodzeń odgrywa ważną rolę w procesie zarządzania w niemalże każdej gałęzi przemysłu. W rzeczywistości staje się ona równie istotna co samo wykrywanie uszkodzenia ponieważ pozwala określić stopień uszkodzenia, a co za tym idzie, poprawić efektywność zarządzania zakładem przemysłowym. W tym celu wykorzystano wybrane nadzorowane i nienadzorowane metody rozpoznawania wzorców. W artykule zwrócono uwagę na ocenę wyboru, porównanie wydajności oraz możliwości wykorzystania tych metod. Analiza przeprowadzona została na danych zgromadzonyh na eksperymentalnym stanowisku testowym, gdzie obserwowany jest stan łożyska tocznego z pogłębiającym się uszkodzeniem bieżni zewnętrznej.
    Źródło:
    Diagnostyka; 2016, 17, 2; 71-80
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      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