MétaCan
Menu
Retour à la cohorte
Enregistrement W2896730462 · doi:10.1109/tii.2018.2875447

Induction Motor Stator Current AM-FM Model and Demodulation Analysis for Planetary Gearbox Fault Diagnosis

2018· article· en· W2896730462 sur OpenAlexafffund
Zhipeng Feng, Xiaowang Chen, Ming J. Zuo

Notice bibliographique

RevueIEEE Transactions on Industrial Informatics · 2018
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-clésDemodulationSidebandStatorFault (geology)Induction motorControl theory (sociology)Frequency modulationHarmonic analysisEngineeringTorqueSIGNAL (programming language)Rotor (electric)Amplitude modulationElectronic engineeringComputer sciencePhysicsElectrical engineeringRadio frequencyVoltage

Résumé

récupéré en direct d'OpenAlex

Induction motor-planetary gearbox drivetrains are widely used for industrial productions, including machine tools in manufacturing systems. For fault diagnosis of planetary gearboxes in such electromechanical systems, motor current signal analysis provides an effective alternative approach, because motor current signals have easier accessibility and are free from time-varying transfer path effects. Planetary gearbox faults generate load torque oscillations, leading to both amplitude modulation and frequency modulation (AM-FM) effects on induction motor current signals. To thoroughly understand gear fault features in current signals, an AM-FM current signal model is derived through mechanical-magnetic-electric interaction analysis, explicit equation of Fourier spectrum is derived, and sidebands characteristics are summarized. To avoid an intricate sideband analysis, amplitude and frequency demodulation analyses are proposed, explicit equations of corresponding demodulated spectra are derived, and gear fault features are summarized. The theoretical derivations are validated through lab experiments. Localized fault on the sun, planet, and ring gears are all successfully diagnosed using the proposed method.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,050
Tête enseignante GPT0,295
Écart entre enseignants0,245 · 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
GenreEmpirique

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

En bref

Citations80
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industrial InformaticsMême sujetMachine Fault Diagnosis TechniquesTravaux en français237 207