Experimental Study of Low-Speed Gearbox Faults Using Vibration and Acoustic Emission Signals
Notice bibliographique
Résumé
With the goal of finding an effective condition monitoring tool for low-speed gearbox applications, vibration-based tests and Acoustic Emission (AE) tests have been performed on several gearbox sets in normal and faulty conditions. \nVibration based tests were conducted both on-site and off-line. Vibration signals from the gearboxes were mostly corrupted by background noise, as was demonstrated by the close proximity of dominant frequencies in the frequency spectrum. Among those, 121.5 Hz was observed as the most significant dominant frequency for both on-site and off-line test regardless of speed changes. This frequency response was speculated to be a property of electrical noise. \nThe AE tests were conducted on faulty and normal gearboxes at different shaft speeds from 3 to 35 rpm. Hit-based, time-driven and frequency domain AE parameters were used to compare their effectiveness. The count rate, absolute energy and signal strength were found to be good hit-based parameters in this application. The count rate was the best hit-based parameter with the largest parameter difference value at a shaft speed of 25 rpm. The absolute energy was observed to be the best time-driven parameter. Both frequency and time-frequency analysis results indicated that the faulty gearbox has higher spectral peaks in the lower frequency range, which was confirmed numerically by the frequency centroid difference. \nAE was shown to be superior to vibration signal analysis in condition monitoring of low-speed gearbox faults with numerous AE parameters identified as showing significant differences between normal and faulty gearbox conditions.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».