首页> 外文OA文献 >Análisis tiempo-frecuencia de señales de vibraciones mecánicas para la detección de fallos en máquinas rotativas = Time-Frequency analysis of mechanic vibration signals for fault detection in rotating machines
【2h】

Análisis tiempo-frecuencia de señales de vibraciones mecánicas para la detección de fallos en máquinas rotativas = Time-Frequency analysis of mechanic vibration signals for fault detection in rotating machines

机译:旋转机械故障检测中机械振动信号的时频分析

摘要

La presente tesis pretende desarrollar un conjunto de metodologías que permitan caracterizar señales de vibraciones mecánicas empleando la variabilidad estocástica para la identificación y tipificación de distintos tipos de fallos en rodamientos, cajas reductoras y ejes (desbalanceo, desalineación, soltura mecánica y lubricación). Los estados transitorios y regímenes variables de carga y velocidad como el arranque, parada y distintas velocidades constantes, son analizados a profundidad permitiendo asociar la calidad de las señales y la identificación de fallos a varios puntos de medición estudiados. Los resultados de clasificación muestran que las metodologías aplicadas son bastantes significativas, debido a que, en general, las tasas de rendimiento se encuentran por encima de un 90% de eficiencia. Finalmente, las diversas técnicas de caracterización y clasificación empleadas, así como el análisis de transitorios, permiten diferenciar de manera clara distintos tipos de fallos y mostrar que es necesario un análisis tiempo-frecuencia si se quieren obtener los mejores resultados / Abstract: This thesis aims to develop a set of methodologies to characterize mechanical vibration signals using stochastic variability in the identification and classification of different types of faults in bearings, gearboxes and axles (imbalance, misalignment, mechanical looseness and poor lubrication). Transient states and varying load and speed regimes as the starting, stopping and different constant speeds are analyzed in depth allowing to associate the signal quality and identification of failures at several measuring points studied. The classification results show that the methodologies used are quite significant, because, in general, the performance rates are higher than 90% efficiency. Finally, the various techniques of characterization and classification employed, as well transient analysis, allows to clearly distinguish different between the types of failures and show that we need a time-frequency analysis in order to obtain the best results.udud
机译:本论文旨在开发一套方法,允许使用随机变量来表征机械振动信号,以识别和分类不同类型的轴承,齿轮箱和轴故障(不平衡,不对中,机械松动和润滑)。深入分析了负载和速度的瞬态和可变状态,例如启动,停止和不同的恒定速度,从而使信号质量和故障识别与所研究的各个测量点相关联。分类结果表明,所应用的方法非常重要,因为通常情况下,效率高于90%。最后,所使用的各种表征和分类技术以及瞬态分析使清晰地区分不同类型的故障成为可能,并表明,如果要获得最佳结果,则必须进行时频分析/摘要:本文旨在开发一套利用随机变异性来表征机械振动信号的方法,以识别和分类轴承,齿轮箱和轴的不同类型的故障(失衡,不对中,机械松动和润滑不良)。深入分析了瞬态和起步,停止以及不同的恒定速度的各种负载和速度状况,从而可以在研究的几个测量点将信号质量与故障识别联系起来。分类结果表明,所使用的方法非常重要,因为通常情况下,效率高于90%的效率。最后,采用的各种表征和分类技术以及瞬态分析可以清楚地区分故障类型,并表明我们需要进行时频分析才能获得最佳结果。

著录项

  • 作者

    Cardona Morales Oscar;

  • 作者单位
  • 年度 2011
  • 总页数
  • 原文格式 PDF
  • 正文语种 {"code":"es","name":"Spanish","id":10}
  • 中图分类

相似文献

  • 外文文献
  • 中文文献
  • 专利

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号