طراحی، ساخت و آزمون سامانه پایش وضعیت جعبه دنده با کمک پردازش سیگنال های صوتی

ماشین های کشاورزی

مقاله 5، دوره 6، شماره 2 - شماره پیاپی 12، 1395، صفحه 322-335   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/jam.v6i2.47825

نویسندگان

مهدی زمانی؛ محمد ابونجمی^* ؛ سید رضا حسن بیگی بیدگلی

گروه فنی کشاورزی، پردیس ابوریحان، دانشگاه تهران، تهران، ایران

چکیده

یکی از روش هایی که امروزه برای به حداقل رساندن هزینه نگهداری و تعمیرات تجهیزات صنعتی دوار به‌کار می رود، پایش وضعیت به کمک تحلیل صدا می باشد. در پژوهش حاضر به منظور بررسی روند تشخیص عیب و پایش وضعیت جعبه دنده ابتدا سامانه ای طراحی و سپس ساخته شد. صدای حاصل از چرخ دنده های سالم و معیوب به‌وسیله صداسنج اخذ و در رایانه جهت پردازش ذخیره گردید. اندازه گیری صدا در سه سرعت پینیون 750، 1050 و 1500 دور بر دقیقه برای چرخ دنده های سالم، عیب شکستگی یک دندانه و ساییدگی یک دندانه انجام شد. مقایسه سیگنال های صوتی پردازش شده از چرخ دنده های جعبه دنده در شرایط سالم و معیوب نشان دهنده فرکانس درگیری چرخ دنده، هارمونیک های آن و نیز تغییرات در اثر عیوب ایجاد شده بود. نتایج حاصل از تحلیل طیف فرکانسی سیگنال ها در سرعت 1500 دور بر دقیقه پینیون، عیب شکستگی یک دندانه در فرکانس درگیری چرخ‌دنده ها را به ترتیب برابر 500، 350 و 250 هرتز نشان داد که با افزایش دامنه فرکانس مذکور ظاهر شد. عیب سائیدگی دندانه ها در یک چرخ دنده به‌صورت ایجاد باندهای جانبی به فاصله مساوی در اطراف فرکانس درگیری چرخدنده در طیف فرکانسی سیگنال در سرعت های 1500 و 1050 دور بر دقیقه پینیون کاملاً قابل تشخیص بود. بررسی طیف فرکانسی سیگنال صوتی حاصل از چرخ دنده، بیانگر توانمندی این روش در پایش وضعیت جعبه دنده با دقت بالا در زمان حداقل می باشد.

کلیدواژه‌ها

پایش وضعیت؛ پردازش سیگنال های صوتی؛ جعبه دنده؛ حوزه فرکانس

مراجع

1. Ahmadi, H., and K. Mollazade. 2008. A practical approach to electromotor fault diagnosis of Imam Khomaynei silo by vibration condition monitoring. African Journal of Agricultural Research 4: 383-388.

2. Amarnath, M., V. Sugumaran, and H. Kumar. 2013. Exploiting sound signals for fault diagnosis of bearings using decision tree. Measurement 46: 1250-1256.

3. Bartelmus, W., and R. Zimroz. 2008. Belt conveyor driving system vibro-acoustic severity reduction by condition based maintenance. Prace Naukowe Instytutu Gornictwa Politechniki Wrocławskiej. Studia i Materiały 123: 5-16.

4. Dayani, A. 2013. Signals and Systems. Nas. Publishers, Tehran.

5. Ebrahimi, E., P. Javadikia, N. Astan, M. Heydari, M. Bavandpour, M. H. Jalili, and A. Zarei. 2013. Developing an intelligent fault diagnosis of MF285 tractor gearbox using genetic algorithm and vibration signals. Journal of Modern Mechanical Engineering 3: 152-160.

6. Ghasemzadeh, H. 2000. Mechanical design components of the machine. Tabriz University Press. Tabriz.

7. Gol-Mohammadi, R. 2010. Sound and vibration engineering. Student publishers. Hamadan.

8. Hasan Beygi, S. R., B. Ghobadian, and N. Kamalian. 2004. Prediction model of a power tiller noise Level at rural dirt road. Journal of Agriculture Science 10: 47-58.

9. Heydar-beigi, K., H. Ahmadi, S. A. Tabatabai-Far, and O. Mahmud. 2007. Massey Ferguson tractor gearbox vibration condition monitoring. Second technical conference condition monitoring and troubleshooting machines. Sharif University of Technology, Iran.

10. Homai, H., and K. Safarai. 2014. Sound feasibility analysis for troubleshooting a helical gear box with sliding bearings. Fourth International Conference on Acoustics and Vibration. Tehran, Iran.

11. Jiang, J., F. Gu, R. Gennish, D. Moore, G. Harris, and A. Ball. 2008. Monitoring of diesel engine combustions based on the acoustic source characterisation of the exhaust system. Mechanical Systems and Signal Processing 22: 1465-1480.

12. Kanthababu, M., M. Shunmugam, and M. Singaperumal. 2008. Tool condition monitoring in honing process using acoustic emission signals. International Journal of Automation and Control 2: 99-112.

13. Mazrui-Sabdani, M. 2009. EMD new method for troubleshooting gearboxes. 4th Technical Conference condition monitoring and troubleshooting machines. Sharif University of Technology, Iran.

14. Mutabi, H. 2003. Design component of the machine. Ashina. Tabriz.

15. Ravindra, H., Y. Srinivasa, and R. Krishnamurthy. 1997. Acoustic emission for tool condition monitoring in metal cutting. Wear 212: 78-84.

16. Wu, J. D., C. K. Huang, Y. W. Chang, and Y. J. Shiao. 2010. Fault diagnosis for internal combustion engines using intake manifold pressure and artificial neural network. Expert Systems with Applications 37: 949-958.

17. Wu, J. D., and C. H. Liu. 2008. Investigation of engine fault diagnosis using discrete wavelet transform and neural network. Expert Systems with Applications 35: 1200-1213.

18. Zhan, Y., and C. K. Mechefske. 2007. Robust detection of gearbox deterioration using compromised autoregressive modeling and Kolmogorov–Smirnov test statistic-Part I: Compromised autoregressive modeling with the aid of hypothesis tests and simulation analysis. Mechanical Systems and Signal Processing 21: 1953-1982.