Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Application of Optimal Morlet Wavelet Filter for Bearing Fault Diagnosis

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21220%2F15%3A00240256" target="_blank" >RIV/68407700:21220/15:00240256 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.4271/2015-01-2178" target="_blank" >http://dx.doi.org/10.4271/2015-01-2178</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.4271/2015-01-2178" target="_blank" >10.4271/2015-01-2178</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Application of Optimal Morlet Wavelet Filter for Bearing Fault Diagnosis

  • Popis výsledku v původním jazyce

    When localized fault occurs in a bearing, the periodic impulsive feature of the vibration signal appears in time domain and the corresponding Bearing Characteristic Frequencies (BCFs) emerge in frequency domain. The common technique of Fast Fourier Transforms (FFT) and Envelope Detection (ED) are always used to identify faults occurring at the BCFs. In the early stage of bearing failures, the BCFs contain very little energy and are often overwhelmed by noise and higher-level macro-structural vibrations. In order to extract the weak fault information submerged in strong background noise of the gearbox vibration signal, an effective signal processing method would be necessary to remove such corrupting noise and interference. Optimal Morlet Wavelet Filter and Envelope Detection (ED) are applied in this paper. First, to eliminate the frequency associated with interferential vibrations, the vibration signal is filtered with a band-pass filter determined by a Morlet wavelet whose parameters are optimized based on the maximum Kurtosis value. Then, to further reduce the residual in-band noise and highlight the periodic impulsive feature, an envelope enhancement is applied to the filtered signal. The proposed and the common techniques are used respectively to analyze the experimental signal with inner race fault of rolling bearings. The test stand is equipped with two dynamometers; the input dynamometer serves as internal combustion engine, the output dynamometer introduce the load on the flange of output joint shaft. The Kurtosis and pulse indicator are chosen as the evaluation of the denoising effect. The results of comparative analysis have drawn that the proposed technique is more accurate and reliable than the common technique for the fault feature extraction. Especially, it is much easier to achieve early diagnosis for bearing failure.

  • Název v anglickém jazyce

    Application of Optimal Morlet Wavelet Filter for Bearing Fault Diagnosis

  • Popis výsledku anglicky

    When localized fault occurs in a bearing, the periodic impulsive feature of the vibration signal appears in time domain and the corresponding Bearing Characteristic Frequencies (BCFs) emerge in frequency domain. The common technique of Fast Fourier Transforms (FFT) and Envelope Detection (ED) are always used to identify faults occurring at the BCFs. In the early stage of bearing failures, the BCFs contain very little energy and are often overwhelmed by noise and higher-level macro-structural vibrations. In order to extract the weak fault information submerged in strong background noise of the gearbox vibration signal, an effective signal processing method would be necessary to remove such corrupting noise and interference. Optimal Morlet Wavelet Filter and Envelope Detection (ED) are applied in this paper. First, to eliminate the frequency associated with interferential vibrations, the vibration signal is filtered with a band-pass filter determined by a Morlet wavelet whose parameters are optimized based on the maximum Kurtosis value. Then, to further reduce the residual in-band noise and highlight the periodic impulsive feature, an envelope enhancement is applied to the filtered signal. The proposed and the common techniques are used respectively to analyze the experimental signal with inner race fault of rolling bearings. The test stand is equipped with two dynamometers; the input dynamometer serves as internal combustion engine, the output dynamometer introduce the load on the flange of output joint shaft. The Kurtosis and pulse indicator are chosen as the evaluation of the denoising effect. The results of comparative analysis have drawn that the proposed technique is more accurate and reliable than the common technique for the fault feature extraction. Especially, it is much easier to achieve early diagnosis for bearing failure.

Klasifikace

  • Druh

    J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

  • CEP obor

    JR - Ostatní strojírenství

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2015

  • Kód důvěrnosti údajů

    C - Předmět řešení projektu podléhá obchodnímu tajemství (§ 504 Občanského zákoníku), ale název projektu, cíle projektu a u ukončeného nebo zastaveného projektu zhodnocení výsledku řešení projektu (údaje P03, P04, P15, P19, P29, PN8) dodané do CEP, jsou upraveny tak, aby byly zveřejnitelné.

Údaje specifické pro druh výsledku

  • Název periodika

    SAE International Journal of passenger Cars – Mechanical Systems

  • ISSN

    1946-3995

  • e-ISSN

  • Svazek periodika

    8

  • Číslo periodika v rámci svazku

    3

  • Stát vydavatele periodika

    US - Spojené státy americké

  • Počet stran výsledku

    7

  • Strana od-do

    817-823

  • Kód UT WoS článku

  • EID výsledku v databázi Scopus

    2-s2.0-84954493752