Czasowo-częstotliwościowe metody przetwarzania niestacjonarnych diagnostycznych sygnałów wibroakustycznych
1
Politechnika Poznańska, Instytut Transportu, Polska
Data nadesłania: 18-09-2021
Data akceptacji: 12-10-2021
Data publikacji online: 14-10-2021
Data publikacji: 14-10-2021
Autor do korespondencji
Daniel Michał Mokrzan
Politechnika Poznańska, Instytut Transportu, Piotrowo 3, 61-138, Poznań, Polska
Politechnika Poznańska, Instytut Transportu, Piotrowo 3, 61-138, Poznań, Polska
Rail Vehicles/Pojazdy Szynowe 2021,3,44-57
SŁOWA KLUCZOWE
DZIEDZINY
STRESZCZENIE
W artykule zaprezentowano problematykę interpretacji niestacjonarnych wibroakustycznych sygnałów diagnostycznych. Wyjaśniono przyczyny niepełnej przydatności tradycyjnej analizy wyłącznie w dziedzinie czasu lub częstotliwości dla takich przypadków. Jako proponowane rozwiązanie przedstawiono wykorzystanie metod czasowo-częstotliwościowych. Dokonano przeglądu literatury w aspekcie metod obecnie wykorzystywanych lub nad którymi prowadzone są badania. Wymieniono zarówno zastosowania starsze jak krótkoczasowa transformata Fouriera oraz bardziej złożone i współczesne jak transformata Hilberta-Huanga. Dokonano również oceny dalszych kierunków rozwoju z uwzględnieniem kombinacji metod oraz wykorzystania sztucznych sieci neuronowych oceniając te ostatnie jako dające największy potencjał w aspekcie ewolucji metod przetwarzania sygnałów.
REFERENCJE (41)
1.
Augustyniak P. Przybornik falkowej analizy sygnałów. I Krajowa Konferencja Użytkowników MATLABA 1995.
2.
Barczewski R. Diagnozowanie układów na podstawie analizy zmian krzywej szkieletowej uzyskiwanej metodą STFT-AFC. Diagnostyka 2000;23:15–18.
3.
Batko W, Ziółko M. Zastosowanie teorii falek w diagnostyce technicznej. Warszawa: WIMiR; 2002.
4.
Baydar N, Ball A. A comparative study of acoustic and vibration signals in detection of gear failures using Wigner-Ville distribution. Mechanical Systems and Signal Processing 2001;15:1091–1107. https://doi.org/10.1006/mssp.2....
5.
Burdzik R, Konieczny Ł, Deuszkiewicz P, Vaskova I. Application of time-frequency method for research on influence of locomotive wheel slip on vibration. Journal of Vibroengineering 2018;20:2998–3008. https://doi.org/10.21595/jve.2....
6.
Cempel C. Diagnostyka wibroakustyczna maszyn. Poznań: Wydawnictwo Politechniki Poznańskiej; 1985.
7.
Chen Z-S, Rhee SH, Liu G-L. Empirical mode decomposition based on Fourier transform and band-pass filter. International Journal of Naval Architecture and Ocean Engineering 2019;11:939–951. https://doi.org/10.1016/j.ijna....
8.
Cheng G, Cheng Y, Shen L, Qiu J, Zhang S. Gear fault identification based on Hilbert–Huang transform and SOM neural network. Measurement 2013;46:1137–1146. https://doi.org/10.1016/j.meas....
9.
Climente-Alarcon V, Antonino-Daviu JA, Riera-Guasp M, Puche-Panadero R, Escobar L. Application of the Wigner–Ville distribution for the detection of rotor asymmetries and eccentricity through high-order harmonics. Electric Power Systems Research 2012;91:28–36. https://doi.org/10.1016/j.epsr....
10.
Fedotenkova M, Hutt A. Research report: Comparison of different time-frequency representations. INRIA. Nancy: 2014.
11.
Górecki K, Szmajda M, Zygarlicki J, Zygarlicka M, Mroczka J. Zaawansowane metody analiz w pomiarach jakości energii elektrycznej. Pomiary Automatyka Kontrola 2011;57:284–286.
13.
Hartono D, Halim D, Widodo A, Roberts G. Bevel Gearbox Fault Diagnosis using Vibration Measurements. MATEC Web of Conferences 2016;59:06002. https://doi.org/10.1051/matecc....
14.
Jaworek K, Kownacki C, Pauk J. Transformata falkowa - nowoczesne narzędzie do analizy sygnałów pomiarowych. Zeszyty Naukowe Politechniki Białostockiej Budowa i Eksploatacja Maszyn 2001:199–212.
15.
Jin X. Key problems faced in high-speed train operation. Journal of Zhejiang University Science A 2014;15:936–945. https://doi.org/10.1631/jzus.A....
16.
Katunin A. Damage Identification and Quantification in Beams Using Wigner-Ville Distribution. Sensors 2020;20:6638. https://doi.org/10.3390/s20226....
17.
Kim BS, Lee SH, Lee MG, Ni J, Song JY, Lee CW. A comparative study on damage detection in speed-up and coast-down process of grinding spindle-typed rotor-bearing system. Journal of Materials Processing Technology 2007;187–188:30–36. https://doi.org/10.1016/j.jmat....
18.
Klemiato M. Przetwarzanie Sygnałów - Materiały dydaktyczne studiów podyplomowych AGH - Automatyka i Robotyka. Kraków: 2021.
19.
Komorski P, Szymański GM, Nowakowski T, Orczyk M, Awrejcewicz J. Advanced acoustic signal analysis used for wheel-flat detection. Latin American Journal of Solids and Structures 2021;18:1–14. https://doi.org/10.1590/1679-7....
20.
Laval X, Mailhes C, Martin N, Bellemain P, Pachaud C. Amplitude and phase interaction in Hilbert demodulation of vibration signals: Natural gear wear modeling and time tracking for condition monitoring. Mechanical Systems and Signal Processing 2021;150:107321. https://doi.org/10.1016/j.ymss....
21.
Li D, Wang Y, Yan W-J, Ren W-X. Acoustic emission wave classification for rail crack monitoring based on synchrosqueezed wavelet transform and multi-branch convolutional neural network. Structural Health Monitoring 2021;20:1563–1582. https://doi.org/10.1177/147592....
22.
Manhertz G, Bereczky A. STFT spectrogram based hybrid evaluation method for rotating machine transient vibration analysis. Mechanical Systems and Signal Processing 2021;154:107583. https://doi.org/10.1016/j.ymss....
23.
Newland DE. Practical Signal Analysis: Do Wavelets Make Any Difference? Volume 1A: 16th Biennial Conference on Mechanical Vibration and Noise, American Society of Mechanical Engineers; 1997. https://doi.org/10.1115/DETC97....
24.
Osadchiy A, Kamenev A, Saharov V, Chernyi S. Signal Processing Algorithm Based on Discrete Wavelet Transform. Designs 2021;5:41. https://doi.org/10.3390/design....
25.
Padovese LR. Hybrid time–frequency methods for non-stationary mechanical signal analysis. Mechanical Systems and Signal Processing 2004;18:1047–1064. https://doi.org/10.1016/j.ymss....
26.
Peng D, Liu Z, Wang H, Qin Y, Jia L. A Novel Deeper One-Dimensional CNN With Residual Learning for Fault Diagnosis of Wheelset Bearings in High-Speed Trains. IEEE Access 2019;7:10278–10293. https://doi.org/10.1109/ACCESS....
27.
Peng ZK, Tse PW, Chu FL. A comparison study of improved Hilbert–Huang transform and wavelet transform: Application to fault diagnosis for rolling bearing. Mechanical Systems and Signal Processing 2005;19:974–988. https://doi.org/10.1016/j.ymss....
28.
Plucińska A, Pluciński E. Probabilistyka. Statystyka matematyczna Procesy stochastyczne Rachunek prawdopodobieństwa. Warszawa: Wydawnictwo Naukowe PWN; 2021.
29.
Polyshchuk V V., Choy FK, Braun MJ. Gear Fault Detection with Time-Frequency Based Parameter NP4. International Journal of Rotating Machinery 2002;8:57–70. https://doi.org/10.1155/S10236....
30.
Rizvi SHM, Abbas M. An advanced Wigner–Ville time–frequency analysis of Lamb wave signals based upon an autoregressive model for efficient damage inspection. Measurement Science and Technology 2021;32:095601. https://doi.org/10.1088/1361-6....
31.
Safizadeh MS, Lakis AA, Thomas M. Using Short-Time Fourier Transform in Machinery Diagnosis. Proceedings of the 4th WSEAS International Conference on Electronic, Signal Processing and Control, Stevens Point, Wisconsin, USA: World Scientific and Engineering Academy and Society (WSEAS); 2007.
32.
Sandsten M. Time-Frequency Analysis of Time-Varying Signals and Non-Stationary Processes. An Introduction. Lund University; 2020.
33.
Song Y, Liang L, Du Y, Sun B. Railway Polygonized Wheel Detection Based on Numerical Time Frequency Analysis of Axle-Box Acceleration. Applied Sciences 2020;10:1613. https://doi.org/10.3390/app100....
34.
Strackeljan J, Lahdelma S. Smart Adaptive Monitoring and Diagnostic Systems. 2nd International Seminar on Maintenance, Condition Monitoring and Diagnostics, Oulu, Finland: 2005.
35.
Szmajda M, Górecki K, Mroczka J. Gabor Transform, SPWVD, Gabor-Wigner Transform and Wavelet Transform - Tools for Power Quality monitoring. Metrology and Measurement Systems 2010;17:383–396.
36.
Szymański GM, Misztal A, Misztal W. Zastosowanie krótkoczasowej analizy częstotliwościowej do wyznaczenia częstotliwości wymuszeń odrzutowego silnika lotniczego na stanowisku badawczym. Autobusy: Technika, Eksploatacja, Systemy Transportowe 2017;18:1328–1332.
37.
Tatara T, Kożuch B. Analiza propagacji drgań wywołanych przejazdami pociągów z zastosowaniem FFT i STFT. Zeszyty Naukowo-Techniczne Stowarzyszenia Inżynierów i Techników Komunikacji w Krakowie 2016;109:177–189.
38.
Vu V-H, Thomas M, Lakis AA, Marcouiller L. Short-Time Autoregressive (STAR) Modeling for Operational Modal Analysis of Non-stationary Vibration. Vibration and Structural Acoustics Analysis, Dordrecht: Springer Netherlands; 2011, p. 59–77. https://doi.org/10.1007/978-94....
39.
Wójcik A, Pankanin G. Zastosowanie transformaty Hilberta-Huanga do przetwarzania sygnału z przepływomierza wirowego. Przeglad Elektrotechniczny 2012;88:37–45.
40.
Wu J-D, Huang C-K. An engine fault diagnosis system using intake manifold pressure signal and Wigner–Ville distribution technique. Expert Systems with Applications 2011;38:536–544. https://doi.org/10.1016/j.eswa....
41.
Zhu Q, Wang Y, Shen G. Research and comparison of time-frequency techniques for nonstationary signals. Journal of Computers 2012;7:954–958. https://doi.org/10.4304/jcp.7.....
Udostępnij
| eISSN: | 2719-9630 |
| ISSN: | 0138-0370 |
Przetwarzamy dane osobowe zbierane podczas odwiedzania serwisu. Realizacja funkcji pozyskiwania informacji o użytkownikach i ich zachowaniu odbywa się poprzez dobrowolnie wprowadzone w formularzach informacje oraz zapisywanie w urządzeniach końcowych plików cookies (tzw. ciasteczka). Dane, w tym pliki cookies, wykorzystywane są w celu realizacji usług, zapewnienia wygodnego korzystania ze strony oraz w celu monitorowania ruchu zgodnie z Polityką prywatności. Dane są także zbierane i przetwarzane przez narzędzie Google Analytics (więcej).
Możesz zmienić ustawienia cookies w swojej przeglądarce. Ograniczenie stosowania plików cookies w konfiguracji przeglądarki może wpłynąć na niektóre funkcjonalności dostępne na stronie.
Możesz zmienić ustawienia cookies w swojej przeglądarce. Ograniczenie stosowania plików cookies w konfiguracji przeglądarki może wpłynąć na niektóre funkcjonalności dostępne na stronie.
