Machines Fault Detection 2.0

Lisans: Ücret -siz ‎Dosya boyutu: 2.20 MB
‎Kullanıcı Derecelendirmesi: 0.0/5 - ‎0 ‎Oy

Hakkı -nda Machines Fault Detection

Tanılama teknolojileri, yaklaşan hataları tespit ederek enerji sistemlerinde dönen makinelerin verimliliğini artırmak için kullanılır. Küçük dönen makineler genellikle gemide tanı lama üniteleri ne yok. Taşınabilir tanı üniteleri pahalıdır ve rulmanlarda yuvarlanan elemanların çapı, rotor çubukları nın sayısına kadar izlenen makineler hakkında çok detaylı bilgi gerektirir. Bu nedenle, ayrıntılı makine bilgileri gerektirmeyen düşük maliyetli bir tanı birimi geliştirmek için bir fırsat alanı vardır. Onlar yerleşik akustik ve titreşim veri toplama ve önemli bilgi işlem kapasitesine sahip çünkü modern akıllı telefonlar bu görev için uygun görünüyor. Ancak, veri örnekleme hızı ve sensör duyarlılığı gibi son teknoloji tanı birimleriyle karşılaştırıldığında donanım sınırlamaları vardır.

Bir dizi indüksiyon motoru, bir akıllı telefonla kaydedilen titreşim ve akustik sinyalleri analiz etmek için hem sağlıklı hem de hatalı koşullarda (dengesiz rotor, hasarlı rulmanlar ve kırık rotor çubukları) test edilir. Daha sonra, kaydedilen veriler sağlıklı ve hatalı emisyon imzalarını belirlemek için analiz edilir. Toplam 85 dakikalık akustik emisyon ve yaklaşık 125 dakikalık titreşim verisi tüm farklı çalışma koşulları boyunca kaydedilir. Sonuçlar, makinedönüş hızını tahmin etmek ve akıllı telefon kayıtlarındaki hataları tespit etmek mümkün olduğunu göstermektedir. Akustik emisyonların hatalı imzası 4 KHz – 8 KHz arasında yüksek frekanslı kümeler şeklinde yer alır ve hızı 100 Hz- 1 KHz arasında bulunan mekanik dönme frekans harmonitiği kullanılarak tahmin edilebilir. Benzer şekilde Titreşim hatalı imza yüksek büyüklükte zirveleri şeklinde frekans spektrumu boyunca bulunan ve dönme hızı pik titreşim frekansı kullanılarak tahmin edilebilir. Son olarak, motor hızını ve sağlık durumunu otomatik olarak tespit etmek için test sonuçlarına dayalı tam işlevsel bir Android uygulaması geliştirildi. Doğrulama testi hata algılamada %90 doğruluk gösterdi.