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.....
CYTOWANIA (3):
1.
The application of time-frequency methods of acoustic signal processing in the diagnostics of tram drive components
Daniel Mokrzan, Tomasz Nowakowski, Grzegorz M. Szymański
Archives of Transport
Daniel Mokrzan, Tomasz Nowakowski, Grzegorz M. Szymański
Archives of Transport
2.
Health Monitoring of Milling Tool Inserts Using CNN Architectures Trained by Vibration Spectrograms
Sonali S. Patil, Sujit S. Pardeshi, Abhishek D. Patange
Computer Modeling in Engineering & Sciences
Sonali S. Patil, Sujit S. Pardeshi, Abhishek D. Patange
Computer Modeling in Engineering & Sciences
3.
Signal Decomposition Techniques for Railroad Track Safety and Ride Quality Features Extraction: A Multicriteria Selection Framework
Abel D. Ayele, Allan M. Zarembski, Joseph Palese
Journal of Infrastructure Systems
Abel D. Ayele, Allan M. Zarembski, Joseph Palese
Journal of Infrastructure Systems
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.
