Title of article :
Rolling Bearing Fault Analysis by Interpolating Windowed DFT Algorithm
Author/Authors :
Li, X College of Mechanical Engineering - Chongqing University, Chongqing, China , Han, L School of Advanced Manufacturing Engineering - Chongqing University of Posts and Telecommunications, Chongqing, China , Xu, H School of Advanced Manufacturing Engineering - Chongqing University of Posts and Telecommunications, Chongqing, China , Yang, Y Chongqing Machine Tool (Group) Co. Ltd., Chongqing, China , Xiao, H School of Advanced Manufacturing Engineering - Chongqing University of Posts and Telecommunications, Chongqing, China
Abstract :
This paper focuses on the problem of accurate Fault Characteristic Frequency (FCF) estimation of rolling bearing. Teager-Kaiser Energy Operator (TKEO) demodulation has been applied widely to rolling bearing fault detection. FCF can be extracted from vibration signals, which is pre-treatment by TEKO demodulation method. However, because of strong noise background of fault vibration signal, it is difficult to extract FCF with high precision. In this paper, the improved algorithm of rolling bearing fault diagnosis is analyzed. Based on the envelope analysis by TKEO demodulation, it combines zero padding technique and the Improved Iterative Windowed Interpolation DFT (IIWIpDFT) algorithm to correct demodulated signal. Experimental result shows that the proposed algorithm decreases Root Mean Square Error (RMSE) of FCF(inner race) form about 2Hz~5.5Hz to about 0.5Hz for short data length, the same treatment also decreases RMSE form about 1.1Hz~3Hz to about 0.4~0.5Hz for longer data length in most cases. Meanwhile, the RMSE of FCF (outer race) improved 2.3 to 84.5% as compared to the application of traditional TEKO demodulation alone.
Farsi abstract :
اين مقاله بر روي مسئله دقيق بودن فركانس مشخصه شكست (FCF) نورد غلتكي تمركز دارد. دمودولاسيوناپراتورTKEO به طور گسترده اي براي شناسايي خطاي غلتك استفاده شده است. FCF مي تواند از سيگنال هاي ارتعاشي استخراج شود كه پيش از درمان با استفاده از روش TEKO است. با اين حال، به دليل سابقه قوي نوپز سيگنال ارتعاش خطا، استخراج FCF با دقت بالا مشكل است. در اين مقاله، الگوريتم بهبود يافته تشخيص غلط نورد تحمل شده مورد تجزيه و تحليل قرار گرفته است. بر اساس تجزيه و تحليل پاكت توسط TKEO، آن را تركيبي از تكنيك صفر پوسته و الگوريتم DFT بهبود پنجره هاي متحرك براي اصلاح سيگنال دمودوله مي باشد. نتيجه آزمايش نشان مي دهد كه الگوريتم پيشنهادي خطاي مربع متوسط ريشه RMSE و FCF (نژاد دروني) را از حدود Hz ~ 5.5Hz2
به حدود 5،.Hz براي طول داده هاي كوتاه را كاهش مي دهد. همين روش همچنين RMSE را در حدود 1.1 Hz ~ 3Hz به حدود 4% ، . تا 5، .HZ براي طول داده هاي طولاني در اكثر موارد حاصل مي شود. در عين حال، RMSE FCF (نژاد بيروني) 2٫3٪ به 5, 85٪ افزايش يافته است در مقايسه با استفاده از دمودولاسيون سنتي TEKO به تنهايي مي باشد.
Keywords :
Fault Characteristic Frequencyl , Interpolated DFT , Fault Diagnosis , Rolling Bearing , Teager-Kaiser Energy Operator
