Chẩn đoán hư hỏng của hộp số bánh răng bằng phân tích thời gian tần số các dao động cơ học

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI Nguyễn Trọng Du CHẨN ĐOÁN HƯ HỎNG CỦA HỘP SỐ BÁNH RĂNG BẰNG PHÂN TÍCH THỜI GIAN – TẦN SỐ CÁC DAO ĐỘNG CƠ HỌC LUẬN ÁN TIẾN SĨ CƠ HỌC Hà Nội – 2015 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI Nguyễn Trọng Du CHẨN ĐOÁN HƯ HỎNG CỦA HỘP SỐ BÁNH RĂNG BẰNG PHÂN TÍCH THỜI GIAN – TẦN SỐ CÁC DAO ĐỘNG CƠ HỌC Chuyên ngành: Cơ kỹ thuật Mã số: 62520101 LUẬN ÁN TIẾN SĨ CƠ HỌC NGƯỜI HƯỚNG DẪN KHOA HỌC PGS.TS NGUYỄN PHONG ĐIỀN LỜI CẢM ƠN Tác giả xin bày tỏ lòng biết ơn chân thành tới thầy giáo PGS TS Nguyễn Phong Điền tận tâm hướng dẫn khoa học, động viên giúp đỡ tác giả hoàn thành luận án Tác giả xin gửi lời cám ơn tới Thầy, Cô Bộ môn Cơ học ứng dụng, Viện Cơ Khí có nhiều ý kiến đóng góp cho luận án Tác giả xin bày tỏ biết ơn tới quan tâm Viện Đào tạo sau đại học, ủng hộ bạn bè, đồng nghiệp giúp đỡ, tạo điều kiện thuận lợi cho tác giả trình làm luận án Cuối tác giả xin chân thành cám ơn đến gia đình động viên ủng hộ tác giả suốt thời gian làm luận án LỜI CAM ĐOAN Tôi xin cam đoan cơng trình nghiên cứu riêng tơi, kết nghiên cứu trình bày luận án trung thực, khách quan chưa cơng bố cơng trình khác Tôi xin cam đoan giúp đỡ cho việc thực luận án cám ơn, thơng tin trích dẫn luận án rõ nguồn gốc Giáo viên hướng dẫn PGS TS Nguyễn Phong Điền Hà Nội, ngày tháng……năm…… Tác giả luận án Nguyễn Trọng Du MỤC LỤC Trang DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT I DANH MỤC CÁC BẢNG BIỂU VÀ HÌNH VẼ IV MỞ ĐẦU Phương pháp nghiên cứu CHƯƠNG 1: TỔNG QUAN 1.1 Giới thiệu chung chẩn đoán kỹ thuật 1.2 Tổng quan chẩn đoán dao động cho hộp số bánh 1.2.1 Vấn đề hư hỏng hộp số bánh 1.2.2 Tín hiệu chẩn đốn phương pháp đo 1.2.3 Các tiêu chuẩn dao động 10 1.2.4 Các phương pháp phân tích tín hiệu dao động 11 1.3 Xác định vấn đề cần nghiên cứu 14 Kết luận chương 15 CHƯƠNG 2: PHÂN TÍCH CÁC ĐẶC TRƯNG DAO ĐỘNG CỦA HỘP SỐ BÁNH RĂNG 16 2.1 Các phương pháp xử lý tín hiệu phân tích dao động 16 2.1.1 Phân loại cấu trúc tín hiệu dao động thường gặp 16 2.1.2 Các phương pháp xử lý tín hiệu 19 2.2 Các dạng hỏng đặc trưng dao động trục 32 2.2.1 Mất cân 32 2.2.2 Không đồng trục 33 2.2.3 Cong trục 34 2.2.4 Một số nguyên nhân khác 34 2.3 Các dạng hỏng đặc trưng dao động bánh 35 2.3.1 Thơng số hình học bánh 35 2.3.2 Một số dạng hỏng chủ yếu bánh 36 2.3.3 Dao động trình ăn khớp bánh 37 2.4 Các dạng hỏng đặc trưng dao động ổ đỡ lăn 47 2.4.1 Giới thiệu chung ổ đỡ lăn 47 2.4.2 Các dạng hỏng chủ yếu ổ đỡ lăn 47 2.4.3 Đặc điểm dao động ổ đỡ lăn 48 2.4.4 Tần số đặc trưng hư hỏng ổ đỡ lăn phương pháp xác định 50 2.5 Tổng kết triệu chứng chẩn đoán 54 Kết luận chương 56 CHƯƠNG 3: PHÂN TÍCH WAVELET VÀ ỨNG DỤNG TRONG CHẨN ĐOÁN DAO ĐỘNG 57 3.1 Giới thiệu chung phép biến đổi Wavelet 57 3.1.1 Mở đầu 57 3.1.2 Hàm Wavelet sở 58 3.2 Phép biến đổi Wavelet liên tục 59 3.2.1 Cơ sở toán học 59 3.2.2 Độ phân giải thời gian – tần số 61 3.2.3 Tính tốn số đánh giá định lượng phép biến đổi 63 3.2.4 Một số ví dụ áp dụng 66 3.3 Phép Biến đổi Wavelet rời rạc 69 3.3.1 Cơ sở toán học 69 3.3.2 Phân tích đa phân giải 70 3.3.3 Thuật giải 71 3.3.4 Ví dụ áp dụng 72 3.4 Phép biến đổi Wavelet packet 73 3.4.1 Cơ sở toán học 73 3.4.2 Ví dụ áp dụng 74 3.5 Phép biến đổi Wavelet nén đồng 75 3.5.1 Cơ sở toán học 75 3.5.2 Ví dụ áp dụng 76 3.6 Phép biến đổi Wavelet nén đồng suy rộng 78 3.6.1 Cơ sở toán học 78 3.6.2 Ví dụ áp dụng 79 3.7 Mạng Nơron Wavelet 80 3.7.1 Một số khái niệm chung 80 3.7.2 Cấu trúc mạng nơron nhân tạo 80 3.7.3 Kiến trúc mạng Nơron 82 3.7.4 Huấn luyện mạng nơron 84 3.7.5 Mạng nơron Wavelet 85 Kết luận chương 86 CHƯƠNG 4: PHƯƠNG PHÁP TRUNG BÌNH HĨA TÍN HIỆU ĐỒNG BỘ CẢI TIẾN 87 4.1 Trung bình hóa đồng miền thời gian phép nội suy 87 4.1.1 Trung bình hóa đồng miền thời gian 87 4.1.2 Phép nội suy 89 4.2 Kỹ thuật trung bình hóa tín hiệu đồng cho hộp số bánh 90 4.2.1 Lấy mẫu tín hiệu theo góc quay 90 4.2.2 Trung bình hóa tín hiệu đồng có tín hiệu pha 91 4.2.3 Trung bình hóa tín hiệu đồng với nhiều trục khác 94 4.2.4 Trung bình hóa tín hiệu đồng khơng có tín hiệu pha 95 4.3 Chẩn đốn hư hỏng bánh sở phân tích tín hiệu TSA 98 4.3.1 Đánh giá định tính 99 4.3.2 Đánh giá định lượng 101 4.4 Chẩn đoán hư hỏng ổ đỡ lăn sở TSA 103 Kết luận chương 103 CHƯƠNG 5: CÁC KẾT QUẢ THỰC NGHIỆM 104 5.1 Xây dựng chương trình xử lý tín hiệu số đa 104 5.1.1 Kết cấu giao diện chương trình 104 5.1.2 Nhập liệu 105 5.1.3 Trung bình hóa tín hiệu đồng 106 5.1.4 Phân tích phổ 107 5.1.5 Phân tích tín hiệu miền thời gian-tần số 108 5.2 Xây dựng mơ hình thí nghiệm 111 5.2.1 Mơ tả thí nghiệm 111 5.2.2 Giới thiệu phần mềm đo dao động 113 5.3 Chẩn đoán hư hỏng trục 114 5.4 Chẩn đoán hư hỏng bánh 115 5.4.1 Hư hỏng hộp số cấp 115 5.4.2 Hư hỏng bánh hộp số cấp 121 5.5 Giám sát tình trạng hoạt động hộp số công nghiệp 124 5.5.1 Đánh giá định tính hư hỏng 125 5.5.2 Đánh giá định lượng hư hỏng 127 5.6 Chẩn đoán hư hỏng ổ đỡ lăn 128 5.6.1 Chẩn đoán hư hỏng vịng ngồi 129 5.6.2 Chẩn đốn hư hỏng vịng 130 5.7 Chẩn đoán hư hỏng đồng thời bánh ổ lăn 131 5.8 Phân loại hư hỏng mạng nơron Wavelet 133 Kết luận chương 136 KẾT LUẬN 137 DANH MỤC CÁC CƠNG TRÌNH ĐÃ CƠNG BỐ 139 TÀI LIỆU THAM KHẢO 140 DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT Danh mục ký hiệu biến Xˆ  f  Biến đổi Fourier suy rộng tín hiệu x(t) σ Phương sai x xa (t ) Biến đổi Hilbert tín hiệu x(t)  * t  Hàm phức liên hợp   t  SWx ( , f ) Hệ số Scalogram tín hiệu x thời điểm  tỉ lệ s SFx ( , f ) Hệ số Spectrogram tín hiệu x thời điểm  tỉ lệ s WTx ( , s)  x(t ) xdj  t  Hệ số Wavelet tín hiệu x thời điểm  tỉ lệ s Tần số trung tâm hàm (f) Tín hiệu giải tích tín hiệu x(t) Thành phần tín hiệu chi tiết mức tỉ lệ j tín hiệu x(t) xaj  t  Thành phần tín hiệu xấp xỉ mức tỉ lệ j tín hiệu x(t)   ,s(t) Góc tiếp xúc lăn Tham số dịch chuyển Hàm wavelet Biến đổi Fourier hàm wavelet sở (t) Pha dao động tín hiệu dao động theo thời gian Hàm tỉ kép Hàm wavelet sở Hàm Wavelet sở Hệ số Morlet Độ phân giải tần số Độ phân giải thời gian (t=T0) Độ lệch chuẩn Hệ số Kurtosis Hệ số lệch Biên độ dao động tín hiệu theo tần số Nơ ron đầu thứ i Hệ số xấp xỉ Độ lệch Hệ số Crest Đường kính lăn Hệ số chi tiết Đường kính vịng chia ổ đỡ lăn Hàm tần số theo thời gian Tần số dao động riêng Tần số đặc trưng hư hỏng vòng cách Các điểm tần số rời rạc (f) (t) (t) (t) (t) 0 f t x x x A(f) aj,k b Cr d dj,k Dp f(t) fe fg fk I fn fr fs fvn fvt fz g(t) j M Mk N n P(f) pi re rg ri rr s T t tn Tx(,) V W W wk,j X(f) x(n) x(t) z Z Tần số quay trục Tần số đặc trưng hư hỏng lăn Tần số lấy mẫu Tần số đặc trưng hư hỏng vịng ngồi Tần số đặc trưng hư hỏng vịng Tần số ăn khớp Hàm cửa sổ Đơn vị ảo ( 1 ) Số khối Mô men xoắn Số điểm lấy mẫu Số vịng quay Phổ cơng suất tín hiệu Đầu vào thứ i Bán kính vịng ngồi Bán kính vịng cách Bán kính vịng Bán kính lăn Tham số tỉ lệ Chu kỳ tín hiệu Thời gian Các điểm thời gian rời rạc Hệ số nét wavelet tín hiệu x thời điểm  tần số góc  Khơng gian kín Khơng gian wavelet Ma trận trọng số liên kết Trọng số liên kết đầu vào thứ j nơ ron đầu thứ k Phổ tần số tín hiệu x(t) Tín hiệu số Tín hiệu liên tục theo thời gian Số lăn ổ đỡ lăn Số bánh Danh mục chữ viết tắt ADC AM ANN BP CBM CWT DIN DWT FFT FM FSST FT GFT GST HT Mạch chuyển đổi tương tự - số (Analog – Digital convert) Điều biến biên độ (Amplitude Modulation) Mạng nơron nhân tạo (Artificial Neural Network) Thuật toán lan truyền ngược (Back propagation) Chẩn đốn theo tình trạng (Condition-Based Maintenance) Phép biến đổi Wavelet liên tục (Continuous Wavelet Transform) Viện tiêu chuẩn Đức (Deutsche Institut fuer Normen) Phép biến đổi Wavelet rời rạc (Discrete Wavelet Transform) Phép biến đổi Fourier nhanh (Fast Fourier Transform) Điều biến tần số (Frequency Modulation) Phép biến đổi nén sở Fourier dạng cửa sổ Phép biến đổi Fourier (Fourier Transform) Phép biến đổi Fourier suy rộng (Generalized Fourier Transform) Phép biến đổi nén đồng suy rộng (Generalized Synchrosqueezing Transform) Phép biến đổi Hilbert (Hilbert Transform) II IF iFT ISO MLP PWM TFR TSA VDI WFT WNN WPT WSST WT WVD Tần số tức thời (Instantaneous Frequency) Phép biến đổi Fourier ngược (Inverse Fourier Transform) Tiêu chuẩn quốc tế (International Standards Organization) Mạng truyền thẳng đa lớp (Multi – Layer Perceptron Networks) Đồ thị hệ số Wavelet tọa độ cực (Polar Wavelet Map) Độ phân giải thời gian – tần số (Time – Frequency Resolution) Trung bình hóa tín hiệu đồng (Time Synchronous Averaging) Hiệp hội kỹ sư Đức (Verein Deutscher Ingenieure) Phép biến đổi Fourier dạng cửa sổ (Window Fourier Transform) Mạng nơron Wavelet (Wavelet Neural Network) Phép biến đổi Wavelet packet (Wavelet packet transforms) Phép biến đổi nén đồng Wavelet (CWT based Synchrosqueezing Transform) Phép biến đổi Wavelet (Wavelet Transform) Phân bố Wigner – Ville (Wigner – Viller Distribution) III Hình 5.51: Phổ đường bao tín hiệu hư hỏng vòng từ vùng tần số 5,1-7,1kHz Nếu sử dụng Kurtogram ta xác định vùng tần số có giá trị Kurtosis lớn 13700-14500Hz, từ phân tích phổ đường bao cho vùng tần số Kết phân tích phổ đường bao (hình 5.52b) cho thấy xuất tần số hư hỏng vòng xấp xỉ 118Hz Do nhận định vòng hư hỏng, kết phù hợp với thí nghiệm Qua phân tích kết luận dựa vào đồ thị phổ tần số để tìm vùng tần số hư hỏng từ phân tích phổ đường bao hiệu Tuy nhiên việc sử dụng đồ thị Kurtogram dễ dàng xác định vùng tần số hư hỏng từ phân tích phổ đường bao nhằm xác định nhanh chóng triệu chứng hư hỏng ổ lăn thông qua tần số đặc trưng hư hỏng Vùng lựa chọn 13700-14500Hz Phổ đường bao vùng tần số 13,7-14,5kHz a) b) Hinh 5.52: Đồ thị Kutorgram phổ đường bao vùng tần số lựa chọn 5.7 Chẩn đoán hư hỏng đồng thời bánh ổ lăn Từ trường hợp thí nghiệm cho thấy vùng tần số để tìm triệu chứng hư hỏng ổ đỡ lăn thường vùng tần số cao Tuy nhiên trường hợp hư hỏng xảy bánh ổ lăn giải pháp đưa dựa sở đồ thị Kutorgram tỏ không hiệu Tín hiệu hư hỏng ổ đỡ lăn có lẫn tín hiệu hư hỏng bánh răng, lúc điều cần thiết phải bóc tách tín hiệu hư hỏng chi tiết quay để tìm triệu chứng hư hỏng Việc sử dụng phương pháp trung bình hóa để tìm triệu chứng hư hỏng bánh đề cập nhiều phần Trong phần trình bày phương pháp trung bình hóa tín hiệu đồng bộ, phương pháp loại trừ, để chẩn đốn hư hỏng ổ đỡ lăn Thành phần tín hiệu ban đầu lấy mẫu lại miền góc sau trừ thành 131 phần tín hiệu đồng với tốc độ quay trục cịn lại tín hiệu hư hỏng ổ đỡ lăn gây Hư hỏng tạo cách có chủ ý hư hỏng cục vịng (hình 5.46) ổ đỡ lăn có thơng số hình học thể bảng 5.5 Ổ đỡ lăn gắn trục vào hộp số cấp với tần số quay trục vào biến đổi xung quanh fn= 50Hz Tần số đặc trưng hư hỏng vòng ổ đỡ lăn đưa công thức trình bày chương 2: z d  (5.1) f vt  1  cos   f n 2 D  Thay thơng số hình học từ bảng 5.5 vào công thức (5.1) ta xác định được: fvt=4.95fn=247.4 Hz Do chẩn đốn miền tần số ta sử dụng tần số đặc trưng hư hỏng vịng 247.4Hz Nếu chẩn đốn miền bậc ta sử dụng bậc đặc trưng hư hỏng 4.95 Khi tốc độ quay trục fn biến đổi ta xác định tần số đặc trưng hư hỏng fvt Đây khó khăn lớn cho việc chẩn đoán hư hỏng ổ đỡ lăn với trường hợp tốc độ quay biến đổi phân tích phổ đường bao miền tần số Để thấy rõ khó khăn ta sử dụng phương pháp phân tích tín hiệu ổ đỡ lăn đồ thị Kurtogram: + Trên sở kết hợp đồ thị Kurtogram (hình 5.53a) ta xác định vùng tần số có hệ số Kurtosis lớn tần số trung tâm fc=17708.33Hz với độ rộng dải Bw=2083.33Hz Tiến hành phân tích phổ đường bao ta thu kết hình 5.53b Do tốc độ quay trục biến đổi q trình thí nghiệm nên phổ đường bao xuất tần số 245.3Hz sai số so với tần số đặc trưng hư hỏng vòng 2.1Hz, thành phần tần số 540.6Hz khơng phải điều hịa tần số đặc trưng hư hỏng vòng Từ cho thấy phương pháp chẩn đốn ổ đỡ lăn đồ thị Kurtogram không phát huy hiệu tốc độ quay trục biến đổi theo thời gian tín hiệu ổ đỡ lăn bị tín hiệu bánh làm nhiễu Hình 5.53 Đồ thị Kurtogram tín hiệu (a), phân tích phổ đường bao vùng tần số xác định (b) Áp dụng phương pháp trung bình hóa tín hiệu đồng để tiến hành tách thành phần tuần hoàn với tốc độ quay trục: + Từ tín hiệu gia tốc đo tiến hành lấy mẫu lại vòng quay kết thu biểu diễn hình 5.54a + Trung bình hóa tín hiệu đồng với vịng quay, kết thu hình 5.54b + Tín hiệu hư hỏng ổ đỡ lăn tín hiệu thu hình 5.54c cách lấy tín hiệu hình 5.54a trừ tín hiệu hình 5.54b 132 Hình 5.54 Phân tách nguồn tín hiệu phương pháp trung bình hóa tín hiệu đồng Tín hiệu ổ đỡ lăn sau tách tiếp tục đưa vào phân tích Kurtogram để xác định vùng tần số có hệ số Kurtosis lớn nhất, sau phân tích phổ đường bao vùng tần số Kết cho thấy phân tích miền bậc (hình 5.55b) cho thấy nhiều điều hịa bậc hư hỏng so với phân tích miền tần số (hình 5.55a) Điều giải thích tốc độ quay trục biến đổi việc phân tích miền tần số trở nên khó khăn Hình 5.55 Phổ đường bao (a) phổ bậc đường bao (b) tín hiệu ổ đỡ lăn hư hỏng vịng 5.8 Phân loại hư hỏng mạng nơron Wavelet Để lựa chọn đầu vào cho mạng nơron trước hết cần phân tích tín hiệu dạng hỏng để tìm đặc trưng tín hiệu Ban đầu tín hiệu dạng hỏng chia thành khối (cụ thể trường hợp 37 khối) dựa sở tín hiệu pha phép nội suy Mỗi khối tín hiệu tiếp tục phân ly thành 16 tín hiệu thành phần phép biến đổi WPT bậc (mỗi tín hiệu thành phần tương ứng với vùng tần số khác khối tín hiệu) Sau tiến hành lấy độ lệch chuẩn của 16 tín hiệu thành phần (hình 5.56) Như với dạng hỏng ta thu ma trận gồm phần tử độ lệch chuẩn (37x16 phần tử) Ma trận ma trận đặc trưng cho tín hiệu dạng hỏng, sử dụng để làm đầu vào cho mạng nơron (hình 5.57) 133 Khơng thể sử dụng trực tiếp giá trị tín hiệu đặc trưng Kurtosis, Crest factor… cho khối tín hiệu để làm đầu vào cho mạng nơron Bởi sử dụng cho ma trận có số phần từ nhiều (37x1 phần tử), không mang đầy đủ thơng tin tín hiệu, đặc biệt khó phát tín hiệu dạng xung xảy thời gian ngắn (điều mà phân tích WPT làm được) [99] Hình 5.56: Miêu tả phép biến đổi Wavelet packet phân ly bậc độ lệch chuẩn tương ứng Hình 5.57: Mơ hình mạng nơron truyền thẳng đa lớp MLP Hàm mục tiêu mạng xây dựng: T - Bánh bình thường:  1 1 1 1 - Bánh mẻ: - Bánh gãy:  1  1  1 1 1 1 T 1 1 1 T - Hư hỏng tổng hợp: 1 1 1 hư hỏng tổng hợp hư hỏng đo hộp số vừa hư hỏng ổ lăn vừa gãy cong trục Với mạng nơron khởi tạo ban đầu, sau trình huấn luyện thu mạng nơron với trọng số liên kết độ lệch hiệu chỉnh tương ứng với hàm mục tiêu đề ra, ta sử dụng mạng để nhận dạng mẫu Thuật toán sử dụng để huấn luyện mạng thuật toán lan truyền ngược Đầu mạng nơron dạng hỏng cần phân loại Các bước phân loại, nhận dạng hư hỏng bánh với mô hình mạng nơron: - Thiết kế mạng nơron dựa liệu phân tích - Huấn luyện mạng nơron - Kiểm tra việc huấn luyện mẫu Từ nghiên cứu WPT mạng nơron đưa sơ đồ thuật tốn phân loại hư hỏng hình 5.58 Trong 37 số liệu lệch chuẩn dạng hỏng phân chia sau: Sử dụng 27 số liệu vào huấn luyện, để xác thực để kiểm tra Kết huấn T 134 luyện mạng đạt 100% xác (hình 5.59) cho thấy lựa chọn tham số mạng chọn đầu vào mạng (độ lệch chuẩn hệ số WPT) mang lại hiệu huấn luyện cao Hình 5.58: Sơ đồ thuật toán phân loại hư hỏng ANN Bánh bình thường Bánh mẻ Bánh gãy Hư hỏng tổng hợp Hình 5.59: Kết huấn luyện mạng phân loại hư hỏng Bộ liệu chưa dùng (5 số liệu lại dạng hỏng), sử dụng kiểm tra chất lượng mạng tương ứng với dạng hỏng khác Kết kiểm tra mạng đạt 97.5% xác với mẫu bị sai thể đồ thị hình 5.60 Từ thấy phân loại hư hỏng mạng nơron cho kết nhanh chóng, xác, đơn giản sử dụng vào hệ thống giám sát dao động online 135 Mẫu sai Bánh bình thường Bánh mẻ Bánh gãy Hư hỏng tổng hợp Hình 5.60: Kết kiểm tra mạng phân loại hư hỏng Kết luận chương Chương trình bày giới thiệu chương trình tính DSPT để phục vụ chẩn đoán hư hỏng hộp số bánh Bên cạnh mơ hình thí nghiệm số kết chẩn đoán dao động hộp số bánh trình bày Từ phân tích, bình luận chương cho thấy rằng, cách kết hợp phương pháp phân tích thời gian – tần số với trung bình hóa tín hiệu đồng cải tiến chẩn đốn hư hỏng chi tiết quay hộp số bánh vận hành với tốc độ quay ổn định biến đổi Bên cạnh phương pháp phân loại hư hỏng tự động cách kết hợp WPT mạng nơron kiểm chứng mơ hình thực tế Có thể nói phương pháp đề xuất luận án đưa kết chẩn đoán nhanh, với độ xác cao phương pháp phân tích tín hiệu truyền thống 136 KẾT LUẬN Trên sở nghiên cứu vấn đề hư hỏng hộp số bánh răng, luận án sâu giải toán chẩn đoán dao động chi tiết tiêu biểu hộp số bánh ổ lăn phương pháp kết hợp phép biến đổi thời gian – tần số với trung bình hóa tín hiệu đồng Bên cạnh luận án áp dụng trí tuệ nhân tạo vào hệ thống chẩn đốn dao động nhằm mục đích chẩn đốn trực tuyến cho hộp số cơng nghiệp Nhìn chung ln án thực mục tiêu đề Những kết thu luận án Đã xây dựng mơ hình chẩn đốn dựa thơng số chẩn đoán nhằm xác định triệu chứng phần tử hộp số bánh Các triệu chứng hư hỏng chi tiết quay trục, bánh răng, ổ lăn xác định dựa vào phân tích dao động đo phần tĩnh hộp số bánh Mỗi chi tiết có triệu chứng khác thể thơng qua tín hiệu có vùng tần số khác Xây dựng mơ hình thí nghiệm cho hộp số bánh trụ cấp cấp điều kiện vận hành khác Tiến hành đo đạc đầu đo gia tốc đầu đo pha kết nối với máy đo dao động đa kênh, nhằm kiểm soát đường truyền dao động vỏ hộp số Các hư hỏng tạo có chủ ý bánh răng, ổ lăn, trục quay, nhằm mục đích kiểm chứng hiệu phương pháp chẩn đoán áp dụng Sử dụng phương pháp phân tích thời gian – tần số sở phép biến đổi Wavelet nhằm đưa thơng tín tín hiệu đồng thời hai miền thời gian tần số Cải tiến độ phân giải phân bố thời gian – tần số tín hiệu sở phép biến đổi Wavelet phép biến đổi phép biến đổi Wavelet nén đồng phép biến đổi Wavelet nén đồng suy rộng Đặc biệt, phép biến đổi Wavelet nén đồng suy rộng đưa thông tin dải biên xung quanh tần số ăn khớp tín hiệu dao động đo hộp số bánh vận hành với tốc độ quay biến đổi Đề xuất phương pháp trung bình hóa tín hiệu đồng cải tiến nhằm giảm thiểu nhiễu ngẫu nhiên nhiễu nguồn dao động khác, với mục đích chẩn đốn xác hư hỏng cục hư hỏng phân bố gây chi tiết quay hộp số bánh Kỹ thuật trung bình hóa tín hiệu đồng cải tiến cho áp dụng cho hộp số nhiều cấp tốc độ mà cần đầu đo pha, tiết kiệm chi phí cho việc mua sắm thiết bị đo Bên cạnh với hộp số có vỏ bọc che kín, khơng gắn đầu đo pha, gây khó khăn cho việc áp dụng kỹ thuật trung bình hóa tín hiệu đồng giải cách tách thông tin pha từ tín hiệu đo gia tốc Phương pháp trung bình hóa tín hiệu đồng cải tiến cịn sử dụng, phương pháp loại trừ, nhằm chẩn đoán hư hỏng ổ đỡ lăn Xây dựng mơ hình chẩn đốn thơng minh, tự động phân loại hư hỏng cách phối hợp phân tích Wavelet packet mạng nơron Đây phương pháp tiên tiến giới đưa nhằm mục đích phát huy sức mạnh mạng internet, giúp cho nhà chuyên môn làm việc vị trí cố định kiểm sốt hoạt động đưa nhận định đánh giá cho hộp số nơi xa Tiến hành xây dựng quy trình chẩn đốn chương trình tính DSPT tảng Matlab với thuật toán truyền thống thuật toán áp dụng, nhằm chẩn đoán dao động chi tiết quay hộp số bánh Chương trình tính DSPT áp dụng 137 để phát hư hỏng chi tiết khác nhau, nhiều chi tiết hỏng lúc Việc sử dụng chương trình tính DSPT giúp cho nhà chun mơn nhanh chóng đưa nhận định, đánh giá xác tình trạng thời thiết bị Luận án kết hợp với sở sản xuất thực tế nhằm phối hợp nghiên cứu thực tiễn Tiến hành lắp đặt thiết bị đo giám sát tình trạng hoạt động hộp số nhà máy cán thép Các kết luận án áp dụng thực tế cho thấy việc áp dụng chẩn đoán dao động rút ngắn thời gian sửa chữa, chủ động việc thay tăng độ tin cậy thiết bị Hướng phát triển đề tài - Tiếp tục nghiên cứu hoàn thiện phương pháp đề xuất để chẩn đoán chi tiết quay hộp số bánh răng, đặc biệt chẩn đoán hộp số phức tạp nhiều cấp tốc độ làm việc điều kiện tốc độ quay tải trọng khác Nghiên cứu phương pháp chẩn đoán cho thiết bị công nghiệp khác hộp số bánh hành tinh, turbin gió động điện… - Áp dụng kết đề tài thu thập xử lý số liệu cho nhà máy sản xuất, tiến tới xây dựng trung tâm xử lý số liệu tập trung thiết bị chẩn đoán online để đảm bảo khả vận hành liên tục nhà máy, giảm thiểu rủi ro thiệt hại kinh tế phải dừng máy đột ngột Đặc biệt nhà máy nhiệt điện, thủy điện, cán thép… với thiết bị nhập đắt tiền, đòi hỏi phận bảo dưỡng phải có chiến lược thay dự phịng lâu dài 138 DANH MỤC CÁC CƠNG TRÌNH ĐÃ CƠNG BỐ 10 Nguyễn Phong Điền, Nguyễn Trọng Du (2012) Phát vết nứt truyền bánh phương pháp trung bình hóa tín hiệu dao động phép biến đổi Wavelet liên tục Tuyển tập cơng trình khoa học hội nghị Cơ học tồn quốc lần thứ 9, tập – Động lực học Điều Khiển, Hà nội, tháng 12, trang 119-129 Nguyễn Phong Điền, Nguyễn Trọng Du (2013) Phát hư hỏng hệ truyền động khí kỹ thuật chẩn đốn rung Hội nghị khoa học cơng nghệ tồn quốc Cơ khí, Đại học Cơng nghiệp Hà Nội, tháng 4, trang 249-255 Nguyễn Phong Điền, Nguyễn Trọng Du (2013) Nhận dạng hư hỏng ổ bi trình vận hành phân tích wavelet dao động riêng tần số cao Tạp chí Khoa học Cơng nghệ Năng lượng số 6, trường Đại học Điện Lực, trang 24-30 Nguyễn Phong Điền, Nguyễn Trọng Du (2014) Một phương pháp phân tích dao động hệ truyền động với tốc độ vận hành thay đổi: Áp dụng cho hộp số bánh cơng nghiệp Tuyển tập cơng trình hội nghị Cơ học kỹ thuật toàn quốc kỷ niệm 35 năm thành lập Viện Cơ học, tập – Cơ học máy, Cơ học Thủy khí Động lực học Điều khiển, Hà nội, tháng 04, trang 491-496 Nguyen Trong Du, Nguyen Phong Dien (2014) Detecting gear tooth cracks using K-hybrid thresholding de-noising method based on continuous wavelet transforms Proceedings of the 7th AUN/SEED-Net Regional Conference in Mechanical and Manufacturing Engineering (RCMME2014), Ha noi, October 9-10, pp 122 - 126 Nguyen Trong Du, Nguyen Phong Dien (2014) Gear fault identification using artificial neural network and wavelet packet transform Proceedings of the 3rd International Conference on Engineering Mechanics and Automation - ICEMA 3, Ha noi, October 15, pp 17 – 22 Nguyễn Trọng Du (2015) Phương pháp nhận dạng hư hỏng truyền bánh điều kiện vận hành với tốc độ quay biến đổi phép biến đổi nén Wavelet suy rộng Tạp chí Cơ khí Việt Nam, số 1+2, trang 159-165 Nguyễn Phong Điền, Nguyễn Trọng Du (2015) Phát sớm hư hỏng bánh từ dao động vỏ hộp số phương pháp trung bình hóa đồng miền thời gian Tạp chí khoa học cơng nghệ trường Đại học kỹ thuật, số 104, trang 73-77 Nguyễn Trọng Du, Nguyễn Phong Điền (2015) Chẩn đoán sớm hư hỏng hệ truyền động kỹ thuật phân tích dao động Tạp chí nghiên cứu khoa học cơng nghệ Qn sự, số 36, trang 160-166 Nguyen Phong Dien, Nguyen Trong Du (2015) Detection of Gear Faults in Gearboxes using Advanced Signal Processing Methods Journal of Science of Technology 106, 063-068 139 TÀI LIỆU THAM KHẢO Tiếng Việt [1] Huy, Nguyễn Đức (2011) Xây dựng mơ hình dao động tham số tính tốn dao động tuần hồn truyền bánh nghiêng hai cấp Trường Đại học Bách khoa Hà nội (Luận văn thạc sĩ khoa học) [2] Hùng, Nguyễn Oai (2010) Nghiên cứu giải pháp kỹ thuật để giám sát chẩn đốn tình trạng kỹ thuật ổ đỡ lăn từ tín hiệu đo dao động học Trường Đại học Bách khoa Hà Nội (Luận văn thạc sĩ khoa học) [3] Hùng, Nguyễn Phương (2007) Ứng dụng phép biến đổi wavelet chẩn đoán dao động máy quay Trường Đại học Bách khoa Hà nội (Luận văn thạc sỹ khoa học) [4] Khang, Nguyễn Văn (2003) Cơ sở học kỹ thuật (Tập 1) Nhà xuất Đại học Quốc gia Hà nội [5] Adams, E., H Keppler, & U Schulte (1995) On the simulation of vibrations of industrial gear drives (Complex interactions of physics, mathematics, numerics and experiments) Archive of Applied Mechanics 65, pp 142-160 [6] Addison, P.S., M Morvidone, J.N Watson, & D Clifton (2006) Wavelet transform reassignment and the use of low-oscillation complex wavelets Mechanical Systems and Signal Processing 20, pp 1429–1443 [7] Aherwar, A., M S Khalid (2012) Vibration analysis techniques for gearbox diagnostic: A review International Journal of Advanced Engineering Technology 3(2), pp 4-12 [8] Al-Arbi, S (2012) Condition Monitoring of Gear Systems using Vibration Analysis University of Huddersfield (Doctoral thesis), Huddersfield [9] Al-Ghamd, A M., D Mba (2006) A comparative experimental study on the use of acoustic emission and vibration analysis for bearing defect identification and estimation of defect size Mechanical Systems and Signal Processing 20, pp 15371571 [10] B Samanta, K.R Al-Balushi (2003) Artificial neural network based fault diagnostics of rolling element bearings using time-domain features Mechanical Systems and Signal Processing 17(2), pp 317–328 [11] Bader, D (2006) Entwicklung einer flexiblen akustischen Messmethode zur Detektierung von verzahnungstechnischen Qualitätsproblemen Technischen Universität Ilmenau (Dissertation) [12] Bartelmus, W (2001) Mathematical modelling and computer simulations as an aid to gearbox diagnostics Mechanical Systems and Signal Processing 15(5), pp 855871 [13] Bartelmus, W., R Zimroz, & H Batra (2009) A new feature for monitoring the condition of gearboxes in non-stationary operating conditions Mechanical Systems and Signal Processing 23, pp 1528-1534 [14] Bartz, W J (1992) Schäden an geschmierten Maschinenelementen Kontakt und Studium Band 28 Expert Verlag, Ehningen [15] Baydar, N., A Ball (2000) Detection of gear deterioration under varying load conditions by using the instantaneous power spectrum Mechanical Systems and Signal Processing 14, pp 907-921 140 [16] [17] [18] [19] [20] [21] [22] [23] [24] [25] [26] [27] [28] [29] [30] [31] [32] [33] [34] [35] [36] Bendat, J S., A G Piersol (2000) Random data analysis and measurement procedures (3rd edn ed.) Wiley, New York Bently, D E (2003) Fundamentals of rotating machinery diagnostics American Society of Mechanical Engineers Bilošová, A L., J Biloš (2012) Vibration Diagnostics Technical University of Ostrava, Czech Republic Blankenship, G W., R Singh (1995) Dynamic force transmissibility in helical gear pairs Mechanism and Machine Theory 30, pp 323-339 Boashash, B (1992) Time-Frequency Signal Analysis Longman Cheshire, London Boerner, J (1999) Rechenprogramm LVR: Beanspruchungsverteilung an evolventischen Verzahnungen Foschungsberichte, TU Dresden, Institut für Maschinenelemente und Maschinen-konstruktion Bonnardot, F., M El Badaoui, R.B Randall, J Danière, & F Guillet (2005) Use of the acceleration signal of a gearbox in order to perform angular resampling (with limited speed fluctuation) Mechanical Systems and Signal Processing 19(4), pp 766 -785 Brändlein, J., P Eschmann, L Hasbargen, & K Weigand (1999) Ball and Roller Bearings: Theory, Design, and Application John Wiley & Sons, UK Braun, S (1975) The extraction of periodic waveforms by time domain averaging Acustica 32, pp 69-77 Braun, S (2011) The synchronous (time domain) average revisited Mechanical Systems and Signal Processing 25(4), pp 1087–1102 Brie, D (2000) Modelling of the spalled rolling element bearing viration signal: an overview and some new results Mechanical Systems and Signal Processing 14(3), pp 353-369 Cempel, C (1990) Vibroakustische Maschinendiagnostik Verlag der Technik, Berlin Cempel, C., M Tabaszewski (2007) Multidimensional condition monitoring of machines in non-stationary operation Mechanical Systems and Signal Processing 21, pp 1233-1241 Cohen, L (1995) Time-Frequency Analysis NJ, Prentice Hall: Englewood Cliffs Combet, L., L Gelman (2007) An automated methodology for performing time synchronous averaging of a gearbox signal without speed sensor Mechanical Systems and Signal Processing 21, pp 2590-2606 Czichos, H (2013) Handbook of technical diagnostics - Fundamentals and application to structures and systems (Editor Ed.) Springer - Verlag Berlin Heidelberg Chui, C.K (1992) An Introduction to Wavelets Academic Press Inc Dalpiaz, G., A Rivola, & R Rubini (2000) Effectiveness and sensitivity of vibration processing techniques for local fault detection in gears Mechanical System and Signal Processing 14(3), pp 387- 412 Daubechies, I (1992) Ten Lectures on Wavelets Society for Industrial and Applied Mathematics (SIAM), Philadelphia Daubechies, I., J.F Lu, & H.T Wu (2011) Synchrosqueezed wavelet transforms: an empirical mode decomposition-like tool Applied and Computational Harmonic Analysis 30, pp 243–261 Dien, N P (2002) Beitrag zur Diagnostik der Verzahnungen in Getrieben mittels Zeit- Frequenz- Analyse Technischen Universität Chemnitz (Dissertation) 141 [37] [38] [39] [40] [41] [42] [43] [44] [45] [46] [47] [48] [49] [50] [51] [52] [53] [54] [55] [56] Dien, N P (2004) Fault diagnosis in ball bearing using the envelope analysis and the wavelet analysis Proc of the National Conference on Mechanics, Ha noi, pp 7885 DIN, 3979 (1979): Zahnschäden an Zahnradgetrieben Bezeichnung, Merkmale, Ursachen Eisenmann, R C (1997) Machinary Malfuntion Diagnosis and Correction, Hewlett-Packard Professional Books, USA Fang, S., L Y Bing, L Ming, & Z L Bo (2006) Gear Faults Diagnosis Based on Wavelet Packet and Fuzzy Pattern Recognition Control Conference, CCC 2006, Chinese, pp Feng, Y., F S Schlindwein (2009) Normalized wavelet packets quantifiers for condition monitoring Mechanical Systems and Signal Processing 23, pp 712–723 Forrester, B D (1996 ) Advanced vibration analysis techniques for fault detection and diagnosis in geared transmission systems PhD-thesis, Swinburne University of Technology, Melbourne (303 pages) Fritsch, F.N., R.E Carlson (1980) Monotone piecewise cubic interpolation SIAM Journal of Numerical Analysis 17, pp 238–246 Frolov, K V., O I Kosarev (1999) Vibro-excitation in the meshing of imprecise deformable vibro-excitation teeth in a spur gear: a review International Applied Mechanics 35, pp 1081-1094 Gao, R X., R Yan (2011) Wavelets, Theory and Applications for Manufacturing Springer New York Dordrecht Heidelberg, USA Heneghan, C Khanna, S M Flock, A Ulfendahl, & M Brundin (1994) Investigating the nonlinear dynamics of cellular motion in the inner ear using the short-time Fourier and continuous wavelet transforms IEEE Transactions on Signal Processing 42(12), pp 3335-3352 Ho, D., R B Randall (2000) Optimisation of bearing diagnostic techniques using simulated and actual bearing fault signals Mechanical Systems and Signal Processing 14(5), pp 763-788 Isermann, R (2006) Fault-Diagnosis Systems: an Introduction from Fault Detection to Fault Tolerance Springer-Verlag, Berlin, Heidelberg ISO, 7919 (1996-2001): Mechanical vibration of non-reciprocating machines Measurement on rotating shafts and evaluation criteria ISO, 10816 (1995-2000): Mechanical vibration- Evaluation of machine vibration by measurements on non-rotating parts ISO, 13373-1 (2001): Condition monitoring and diagnostics of machines Vibration condition monitoring - General procedures ISO, DIS 17359 (2011): Condition monitoring and diagnostics of machines General guidelines Jardine, A K.S., D Lin, & D Banjevic (2006) A review on machinery diagnostics and prognostics implementing condition-based maintenance Mechanical Systems and Signal Processing 20, pp 1483-1510 Jia, S., I Howard (2006) Comparison of localised spalling and crack damage from dynamic modelling of spur gear vibrations Mechanical Systems and Signal Processing 20, pp 332–349 Kıral, Z., H Karagulle (2006) Vibration analysis of rolling element bearings with various defects under the action of an unbalanced force Mechanical Systems and Signal Processing 20, pp 1967–1991 Klein, U (1999) Schwingungsdiagnostische Beurteilung von Maschinen und Anlagen Verlag Stahleisen, Düsseldorf 142 [57] [58] [59] [60] [61] [62] [63] [64] [65] [66] [67] [68] [69] [70] [71] [72] [73] [74] [75] Kolerus, J (2000) Zustandsüberwachung von Maschinen Expert-Verlag, Renningen–Malmsheim Khang, N V., N P Dien, & H M Cuong (2009) Linearization and parametric vibration analysis of some applied problems in multibody systems Multibody System Dynamics 22, pp 163-180 Lebold, M., et al (2000) Review of Vibration Analysis Methods for Gearbox Diagnostics and Prognostics Proceedings of the 54th Meeting of the Society for Machinery Failure Prevention Technology, Virginia Beach, USA, pp 623-634 Li, C., M Liang (2012) Time-frequency signal analysis for gearbox fault diagnosis using genelized synchrosqueezing transform Mechanical Systems and Signal Processing 26, pp 205-217 Li, C., M Liang (2012) A generalized synchrosqueezing transform for enhancing signal time–frequency representation Mechanical systems and Signal Processing 92, pp 2264–2274 Mallat, S (1999) A Wavelet Tour of Signal Processing Academic Press, New York McFadden, P D (1987) A revised model for the extraction of periodic waveforms by time domain averaging Mechanical Systems and Signal Processing 1, pp 83–95 McFadden, P D (1987) Examination of a technique for the early detection of failure in gears by signal processing of the time domain average of the messing vibration Mechanical System and Signal Processing 1, pp 173-183 Meltzer, G., Nguyen Phong Dien (2004) Fault diagnosis in gears operating under non-stationary rotational speed using polar wavelet amplitude maps Mechanical Systems and Signal Processing 18(5), pp 985-992 Meltzer, G (2000) Technical diagnostics - an introduction Lecture notes, Dresden University Meyer, Y (1993) Wavelets: Algorithms and Applications Society for Industrial and Applied Mathematics, Philadelphia Munro, R G (1991) A review of the theory and measurement of gear transmission error Proceedings of the 1st IMechE International Conference on Gearbox Noise and Vibration, Cambridge, UK, pp 3-10 Newland, D E (1993) An introduction to random vibrations, spectral and wavelet analysis John Wiley & Sons Parker, G.R., et al (2000) Non-linear dynamic response of a spur gear pair: Modelling and experimental comparisons Journal of Sound and Vibration 237(3), pp 435-455 Peng, F.Q., D.J Yu, & J.S Luo (2011) Sparse signal decomposition method based on multi-scale chirplet and its application to the fault diagnosis of gearboxes Mechanical Systems and Signal Processing 25, pp 549–557 Peng, Z K., F L Chu (2004) Application of the wavelet transform in machine condition monitoring and fault diagnostics: a review with bibliography Mechanical Systems and Signal Processing 18, pp 199-221 Rafiee, J., F Arvani, A Harifi, & M.H Sadeghi (2007) Intelligent condition monitoring of a gearbox using artificical neural network Mechanical Systems and Signal Processing 21, pp 1746-1754 Randall, R B (2011) Vibration-based Condition Monitoring: Industrial, aerospace and automotive applications Wiley, New York Randall, R B., J Antoni (2011) Rolling element bearing diagnostics-A tutorial Mechanical Systems and Signal Processing 25, pp 485-520 143 [76] [77] [78] [79] [80] [81] [82] [83] [84] [85] [86] [87] [88] [89] [90] [91] [92] [93] [94] [95] Riedmiller, M., H Braun (1993) A direct adaptive method for faster backpropagation learning: the RPROP algorithm Proceedings of the IEEE International Conference on Neural Networks, San Francisco, pp 586-591 Roque, A A., T A N Silva, J M F Calado, & J C Q Dias (2009) An Approach to Fault Diagnosis of Rolling Bearings Wseas transactions on systems and control 4(4), pp 188-197 Rubini, R., U Meneghetti (2001) Application of the envelope and wavelet transform analyses for the diagnosis of incipient faults in ball bearings Mechanical Systems and Signal Processing 15(2), pp 287-302 Sassi, S., B Badri, & M Thom (2007) A numerical model to predict damaged bearing vibrations Journal of Vibration and Control 13(11), pp 1603-1628 Sheen, Y T., C K Hung (2004) Constructing a wavelet-based envelope function for vibration signal analysis Mechanical Systems and Signal Processing 18, pp 119126 Sheen, Yuh-Tay (2009) On the study of applying Morlet wavelet to the Hilbert transform for the envelope detection of bearing vibrations Mechanical Systems and Signal Processing 23, pp 1518-1527 Shin, K., J K Hammond (2008) Fundamentals of signal processing for sound and vibration engineers John Wiley & Sons, London Smith, J D (2003) Gear Noise and Vibration (second ed.) Marcel Dekker Inc (318 pages), New York Staszewski, W J (1994) The application of time-variant analysis to gearbox fault detection Manchester University (Doctoral thesis) Stewart, R.M (1977) Some useful analysis techniques for gearbox diagnostics Technical Report MHM/R/10/77 Machine Health Monitoring Group, Institute of Sound and Vibration Research, University of Southampton, Strang, G., T Nguyen (1996) Wavelets and Filter Banks Wellesley-Cambridge Press, Wellesley Su, W., F Wang, H Zhu, Z Zhang, & Z Guo (2010) Rolling element bearing faults diagnosis based on optimal Morlet wavelet filter and autocorrelation enhancement Mechanical Systems and Signal Processing 24, pp 1458-1472 Sun, Q., Y Tang (2002) Singularity analysis using continous wavelet transform for bearing fault diagnosis Mechanical Systems and Signal Processing 16(6), pp 10251041 Theodossiades, S., S Natsiavas (2000) Non-linear dynamics of gear-pair systems with periodic stiffness and backlash J Sound and Vibration 229(2), pp 287-310 VDI-Richtlinien, 3839 (1999-2001): Hinweise zur Messung und Interpretation der Schwingungen von Maschinen (Instruction on measuring and interpreting the vibration of machines) Veitch, D (2005) Wavelet Neural Networks and their application in the study of dynamical systems University of York (Dissertations), UK Wang, J., R Li, & X Peng (2003) Survey of nonlinear vibration of gear transmission systems ASME Applied Mechanics Reviews 56(3), pp 309-329 Wang, W J (2001) Wavelets for detecting mechanical faults with high sensitivity Mechanical Systems and Signal Processing 15(4), pp 685-696 Wang, Y., Z He, & Y Zi (2010) Enhancement of signal denoising and multiple fault signatures detecting in rotating machinery using dual-tree complex wavelet transform Mechanical Systems and Signal Processing 24, pp 119-137 Wickerhauser, V M (1996) Adaptive Wavelet-Analysis Braunschweig /Wiesbaden, Theorie und Software Vieweg - Verlag 144 [96] Wright, Z H (2009 ) Loaded static transmission error measurement system for spur and helical gears Thesis of Master of Science, Graduate School of The Ohio State University, (122 pages) [97] Yan, Z., A Miyamoto, & Z Jiang (2009) Frequency slice wavelet transform for transient vibration response analysis Mechanical Systems and Signal Processing 23, pp 1474-1489 [98] Zheng, H., Z Li, & X Chen (2002) Gear fault diagnosis based on continous wavelet transform Mechanical Systems and Signal Processing 16 (2-3), pp 447-457 [99] Zhixin yang, Wui ian hoi, Jianhua zhong (2011) Gearbox Fault Diagnosis based on Artificial Neural Network and Genetic Algorithms Proceedings of International Conference on System Science and Engineering, Macau, China, pp 37-42 [100] Zhu, Z.K., Ruqiang Yan, Liheng Luo, Z.H Feng, & F.R Kong (2009) Detection of signal transients based on wavelet and statistics for machine fault diagnosis Mechanical Systems and Signal Processing 23, pp 1076-1097 145 ... TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI Nguyễn Trọng Du CHẨN ĐOÁN HƯ HỎNG CỦA HỘP SỐ BÁNH RĂNG BẰNG PHÂN TÍCH THỜI GIAN – TẦN SỐ CÁC DAO ĐỘNG CƠ HỌC Chuyên ngành: Cơ kỹ thuật Mã số: 62520101... chi phí thiết bị cho hệ thống chẩn đoán dao động - Đề xuất quy trình chẩn đốn dao động sở phân tích thời gian- tần số dao động học để phát định vị hư hỏng hộp số bánh trụ vận hành trạng thái tốc... 1.2.4.1 Phân tích dao động miền thời gian Tín hiệu dao động thường phân tích miền thời gian trước phân tích miền tần số phương pháp xử lý khác phức tạp Các thơng số chẩn đốn xác định miền thời gian