MétaCan
Menu
Retour à la cohorte
Enregistrement W2741030676 · doi:10.3390/app7080775

Planetary Gearbox Fault diagnosis via Joint Amplitude and Frequency Demodulation Analysis Based on Variational Mode Decomposition

2017· article· en· W2741030676 sur OpenAlexafffund
Zhipeng Feng, Dong Zhang, Ming Zuo

Notice bibliographique

RevueApplied Sciences · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueMachine Fault Diagnosis Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésDemodulationFrequency modulationAmplitude modulationVibrationInstantaneous phaseModulation (music)Fault (geology)AmplitudeHilbert–Huang transformSIGNAL (programming language)AcousticsControl theory (sociology)Fourier transformComputer scienceElectronic engineeringEngineeringPhysicsMathematicsArtificial intelligenceOpticsTelecommunicationsBandwidth (computing)Computer visionMathematical analysisFilter (signal processing)

Résumé

récupéré en direct d'OpenAlex

Planetary gearbox vibration signals have strong modulation features due to the amplitude modulation and frequency modulation (AM-FM) effect of gear faults, as well as the amplitude modulation (AM) effect of time-varying vibration transfer paths, on gear meshing vibrations. This results in an involute sidebands structure in Fourier spectrum, possibly misleading fault diagnosis. The modulating frequency of both amplitude modulation (AM) and frequency modulation (FM) parts is closely related to the gear fault characteristic frequency. This inspires the idea of joint amplitude and frequency demodulation analysis, thus addressing the complex sidebands issue inherent in Fourier spectrum. Demodulation analysis requires mono-component signals for accurate estimation of instantaneous frequency, and proper selection of an AM-FM component sensitive to gear fault. To this end, we firstly decompose the complex signal into intrinsic mode functions (IMFs) via variational mode decomposition (VMD), by exploiting its capability in decomposing complex modulated signal into constituent AM-FM components. For effective application of VMD in complex planetary gearbox signal analysis, we propose a method to determine a key parameter in VMD, i.e. the number of IMFs to be separated. For accurate instantaneous frequency estimation, we decompose IMFs via empirical AM-FM decomposition, to remove the influence of AM on instantaneous frequency estimation. Then, we select the sensitive IMF that contains the main gear fault information for further demodulation analysis. In order to properly select the sensitive IMF, we propose a criterion based on the gear vibration characteristics and the VMD properties. Finally, we obtain the amplitude and frequency demodulated spectra by applying Fourier transform to the amplitude envelope and instantaneous frequency of the selected sensitive IMF. According to the characteristics exhibited in the demodulated spectra, we can detect planetary gearbox fault. The proposed method is illustrated via a numerical simulated planetary gearbox vibration signal, and is further validated using lab experimental vibration signals of a planetary gearbox. Faults on all the three types of gear (sun, planet and ring) are successfully identified.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,016
Tête enseignante GPT0,304
Écart entre enseignants0,288 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetMachine Fault Diagnosis TechniquesTravaux en français237 207