Gear fault detection using dynamic transmission variance
Notice bibliographique
Résumé
Purpose The purpose of this paper is to report the findings of a study that used measurements of shaft relative rotational position, made using inexpensive Hall Effect sensors and magnets mounted at the ends of a gearbox input and output shafts, to determine gear “transmission variance.” The transmission variance signals, as a function of gear/shaft rotational position, were then used to detect and diagnose gear faults. Design/methodology/approach Two sets of spur gears (one plastic and one steel) were used to experimentally determine the relative shaft rotational position between the input and the output gearbox shafts. Fault-free and faulted (damaged tooth faces and cracked tooth bases) gears were used to collect representative dynamic signals. Signal processing was used to extract transmission variance values as a function of shaft rotational position and then used to detect and diagnose gear faults. Findings The results show that variations in the relative rotational position of the output shaft relative to that of the input shaft (the transmission variance) can be used to reveal gear mesh characteristics, including faults, such as cracked or missing gear teeth and flattened gear tooth faces, in both plastic gears and steel gears under appropriate (realistic) loads and speeds. Research limitations/implications The operational mode of the non-contact rotational position sensors and the dynamic accuracy limitations are explained along with the basic signal processing required to extract transmission variance values. Practical implications The results show that shaft rotational position measurements can be made accurately and precisely using relatively inexpensive sensors and can subsequently reveal gear faults. Social implications The inexpensive and yet trustworthy fault detection methodology developed in this work should help to improve the efficiency of maintenance actions on gearboxes and, therefore, improve the overall industrial efficiency of society. Originality/value The method described has distinct advantages over traditional analysis methods based on gearbox vibration and/or oil analysis.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».