Phương pháp phân tích tín hiệu rung động EMD là một phương pháp mới trong xử lý các tín hiệu phi tuyến và không ổn định. Trong bài báo này, phương pháp EMD kết hợp với mạng nơ ron BP được ứng dụng trong phân tích các tín hiệu rung động và đánh giá tình trạng làm việc của hộp giảm tốc.
HỘI NGHỊ KHOA HỌC VÀ CƠNG NGHỆ TỒN QUỐC VỀ CƠ KHÍ LẦN THỨ V - VCME 2018 Chẩn đốn hư hỏng hộp giảm tốc sử dụng phương pháp phân tích EMD kết hợp mạng nơ ron BP Gearbox fault diagnosis using EMD method combinated with BP neural network Lê Đức Hiếu*, Phạm Minh Hiếu, Hoàng Quang Tuấn Trường Đại học Công nghiệp Hà Nội *Email: hieuld@haui.edu.vn; leduchieu1977@gmail.com Mobile: 0904252536 Tóm tắt Từ khóa: Chẩn đốn hư hỏng; Hộp giảm tốc; Mạng nơ ron BP; Phương pháp EMD; Tín hiệu rung động Phương pháp phân tích tín hiệu rung động EMD phương pháp xử lý tín hiệu phi tuyến khơng ổn định Trong báo này, phương pháp EMD kết hợp với mạng nơ ron BP ứng dụng phân tích tín hiệu rung động đánh giá tình trạng làm việc hộp giảm tốc Đầu tiên, tín hiệu rung động phân tích thành thành phần IMFs phương pháp EMD Sau từ số thành phần IMFs chọn làm véc tơ đặc tính hư hỏng trội nhất, véc tơ đầu vào mạng nơ ron BP để phân loại hư hỏng hộp giảm tốc Kết cho thấy phương pháp EMD kết hợp mạng nơ ron BP đánh giá tình trạng làm việc hộp giảm tốc cách hiệu xác cao so sánh với phương pháp khác EMD Wavelet packet-BPN Abstract Keywords: BP neural network; EMD method; Fault diagnosis; Gearbox; Vibration signal The empirical mode decomposition (EMD) is a new method for adaptive analysis of nonlinear and nonstationary signals In this paper, the EMD method was combined with the BP neural network to analyze the vibration signals and evaluate the working conditions of the gearbox Firstly, vibration signals are decomposed into some components intrinsic mode functions (IMFs) by EMD method Then, the feature vectors are extracted from a number of IMFs that contained the most dominant fault information To identify gearbox fault patterns, the feature vectors could serve as input vectors of BP neural network The analysis results from gearbox vibration signals by EMD and BP neural network show that the EMD-BPN can identify gearbox fault patterns accurately and effectively and is superior to the combination of Wavelet packet with BPN and EMD Ngày nhận bài: 14/7/2018 Ngày nhận sửa: 04/9/2018 Ngày chấp nhận đăng: 15/9/2018 TỔNG QUAN Hộp giảm tốc ứng dụng rộng rãi ngành công nghiệp phương tiện vận tải Trong trình hộp giảm tốc hoạt động có hư hỏng xảy ra, bao gồm hư hỏng HỘI NGHỊ KHOA HỌC VÀ CÔNG NGHỆ TỒN QUỐC VỀ CƠ KHÍ LẦN THỨ V - VCME 2018 bánh vịng bi, tín hiệu rung động hộp giảm tốc có đặc tính khơng ổn định, phi tuyến Vì làm để trích xuất thơng tin đặc tính hư hỏng từ tín hiệu rung động khơng ổn định, phi tuyến vấn đề nan giải chẩn đoán hư hỏng hộp giảm tốc Do vậy, chẩn đoán hư hỏng hộp giảm tốc nhiều nhà khoa học nghiên cứu cơng bố tạp chí khoa học uy tín [1-3] Hiện nay, có ba phương pháp chẩn đốn hư hỏng hộp giảm tốc: phân tích tín hiệu âm thanh, giám sát mảnh vỡ (mạt kim loại) phân tích rung động [4] Trong đó, phương pháp phân tích tín hiệu rung động sử dụng rộng rãi Trong phân tích tín hiệu rung động, hay sử dụng phương pháp như: xử lý tín hiệu miền thời gian, xử lý tín hiệu miền tần số, xử lý tín hiệu miền thời gian-tần số Trong báo sử dụng phương pháp xử lý tín hiệu miền thời gian-tần số để tiền xử lý tín hiệu rung động hộp giảm tốc Trong miền thời gian-tần số có nghiên cứu như: biến đổi nhanh Fourier, phân bố Wigner-Ville phân tích Wavelet [5, 6] Nhưng phương pháp có nhiều hạn chế như: áp dụng cho tín hiệu tuyến tính, khơng phải phương pháp xử lý tín hiệu tự thích nghi Hơn nữa, tín hiệu rung động hộp giảm tốc lại chịu ảnh hưởng nhiều yếu tố phi tuyến: tải trọng, khe hở, ma sát, độ cứng bề mặt… Tóm lại, điều kiện làm việc tổng quát tín hiệu rung động hộp giảm tốc không ổn định, phi tuyến nên việc xác định điều kiện làm việc hộp giảm tốc gặp nhiều khó khăn sử dụng phương pháp truyền thống Chính vậy, phương pháp phân tích tín hiệu EMD (Empirical Mode Decomposition) giới thiệu báo giúp giải hạn chế phương pháp truyền thống Phương pháp phân tích EMD phát triển Wu Huang [7], nguyên lý phương pháp EMD phân tích tín hiệu gốc thành số thành phần IMFs (Intrinsic Mode Functions) phần dư un Trong nghiên cứu này, phương pháp phân tích EMD ứng dụng để xử lý tín hiệu rung động ban đầu q trình chẩn đốn hư hỏng hộp giảm tốc Đầu tiên, tín hiệu rung động hộp giảm tốc phân tích EMD thành IMFs, sau phương pháp en-trơ-pi lượng EMD giới thiệu để trích xuất đặc tính hư hỏng thành phần cấu thành hộp giảm tốc, phản ánh điều kiện làm việc thực tế dạng hư hỏng hộp giảm tốc (bao gồm hư hỏng bánh hư hỏng vịng bi) Các en-trơ-pi lượng EMD tín hiệu rung động khác lượng tín hiệu rung động dải tần khác thay đổi hộp giảm tốc xuất hư hỏng Để phân loại dạng hư hỏng khác hộp giảm tốc rõ ràng hơn, báo này, mạng nơ ron BP dùng phân loại dạng hư hỏng Ở đặc tính lượng trích xuất từ IMFs dùng làm véc tơ đầu vào phân loại hư hỏng BPN, sau qua bước huấn luyện BPN nhận biết phân loại dạng hư hỏng hộp giảm tốc Để thấy vượt trội phương pháp en-trô-pi lượng EMD so với phương pháp khác, so sánh với phương pháp phân tích wavelet EMD Các kết thực nghiệm cho thấy phương pháp chẩn đoán hư hỏng hộp giảm tốc thông qua phương pháp en-trô-pi lượng EMD kết hợp với BPN (EMD-BPN) có khả nhận dạng hư hỏng hiệu cao phương pháp truyền thống PHƯƠNG PHÁP NGHIÊN CỨU Phương pháp nghiên cứu sử dụng báo để chẩn đoán hư hỏng hộp giảm tốc EMD-BPN Phương pháp phân tích EMD trích xuất véc tơ đặc tính hư hỏng trình bày ngắn gọn mục 2.1 2.2 HỘI NGHỊ KHOA HỌC VÀ CƠNG NGHỆ TỒN QUỐC VỀ CƠ KHÍ LẦN THỨ V - VCME 2018 2.1 Giới thiệu phương pháp phân tích tín hiệu EMD Phương pháp EMD phát triển từ giả thiết đơn giản tín hiệu bao gồm chế độ nội đơn giản khác dao động Mỗi chế độ tuyến tính hay phi tuyến có số cực trị điểm zero giống Chỉ có điểm cực trị điểm zero Mỗi chế độ độc lập với chế độ khác Theo cách này, tín hiệu phân tích thành số IMFs phải thỏa mãn điều kiện sau [7, 8]: (1) Trong toàn bộ số liệu, số điểm cực trị số điểm zero phải (2) Tại điểm nào, giá trị trung bình đường bao định nghĩa cực đại cực tiểu địa phương zero Mỗi IMF thể chế độ dao động đơn giản so với hàm điều hịa đơn giản Với định nghĩa này, tín hiệu x(t) phân tích sau: i Nhận biết tất cực trị địa phương, sau nối tất cực đại địa phương đường bậc ba spline đường bao phía ii Lặp lại bước (i) với điểm cực tiểu địa phương Các đường bao phía phía bao phủ toàn số liệu iii Giá trị trung bình đường bao phía phía gọi m1, khác tín hiệu x(t) m1 thành phần h1, xác định sau: x t m1 h1 (1) Lý tưởng, h1 IMF, h1 thành phần tín hiệu x(t) iv Nếu h1 khơng phải IMF, gán h1 tín hiệu gốc x(t) lặp lại bước từ (i) – (iii) ta có: h1 m11 h11 (2) sau lặp lại bước k lần, h1k IMF, nghĩa là: h1 k 1 m1k h1k (3) tiếp theo, đặt là: c1 h1k chọn điều kiện dừng định nghĩa sau: T h k 1 Dk h1k t 0 T h (4) (5) k 1 t 0 Ở đây, Dk nhỏ giá trị định trước, thơng thường Dk có giá trị từ 0,2 đến 0,3 v Cuối cùng, tách c1 từ x(t), có: u1 x t c1 (6) u1 coi liệu gốc, việc lặp lại trình xử lý trên, thành phần IMF thứ hai c2 x(t) tìm Để trình lặp lại n lần, n-IMFs tín hiệu x(t) tìm ra, ta có: u1 c2 u2 un 1 cn un (7) HỘI NGHỊ KHOA HỌC VÀ CÔNG NGHỆ TỒN QUỐC VỀ CƠ KHÍ LẦN THỨ V - VCME 2018 Q trình phân tích tín hiệu x(t) dừng lại thỏa mãn điều kiện dừng (v) un trở thành hàm đơn điệu khơng thể trích xuất thêm IMF từ Từ phương trình (6) (7) có: n x t c j un (8) j 1 Vì vậy, việc phân tích tín hiệu x(t) thành n-IMFs, phần thặng dư un Các IMFs c1, c2,…, cn tìm dải tần khác xếp theo thứ tự từ cao đến thấp Để hiểu rõ phương pháp EMD, ta xét tín hiệu sau: x t x1 t x2 t x1 t 1 0.5sin 10 t cos 100 t 30 t (9) x2 t 2sin 40 t x(t) Dạng tín hiệu x(t) thể hình 1, kết phân tích tín hiệu x(t) phương pháp EMD xem hình -5 0.2 0.4 0.6 0.8 0.6 0.8 0.6 0.8 0.6 0.8 0.6 0.8 0.6 0.8 x1 (t) Time/s -2 0.2 0.4 x2 (t) Time/s -2 0.2 0.4 Time/s IMF Hình Dạng tín hiệu x(t) -2 0.2 0.4 IMF Time/s -2 0.2 0.4 u Time/s 0.2 -0.2 0.2 0.4 Time/s Hình Kết phân tích tín hiệu x(t) phương pháp EMD Theo hình kết tín hiệu x(t) phân tích thành IMF1, IMF2 phần dư u Dạng tín hiệu IMF1, IMF2 phù hợp với hình dạng tín hiệu tương ứng x1(t), x2(t) Từ kết minh họa phương pháp EMD, phương pháp dùng để phân tích dạng tín hiệu rung động hộp giảm tốc chẩn đoán hư hỏng HỘI NGHỊ KHOA HỌC VÀ CƠNG NGHỆ TỒN QUỐC VỀ CƠ KHÍ LẦN THỨ V - VCME 2018 2.2 Phương pháp trích xuất véc tơ đặc tính hư hỏng Khi hộp giảm tốc hoạt động với hư hỏng khác nhau, thành phần tần số cộng hưởng tương ứng tạo tín hiệu rung động, lượng tín hiệu rung động thay đổi với phân bố tần số Để minh họa cho trường hợp thay đổi đề cập trên, phương pháp en-trô-pi lượng EMD trình bày báo Nếu n IMFs phần dư un tìm phương pháp EMD để phân tích tín hiệu rung động x(t) vịng bi, lượng n IMFs theo thứ tự E1, E2, , En Sau đó, theo tính trực giao phân tích EMD, tổng lượng n IMFs tổng lượng tín hiệu gốc x(t) phần dư un bỏ qua Khi IMFs c1, c2,…, cn bao gồm thành phần tần số khác nhau, E E1 , E2 , , En , tạo nên phân bố lượng miền tần số tín hiệu rung động vịng bi, sau en-trơ-pi lượng EMD tương ứng định nghĩa sau: n H EN pi log pi (10) i 1 n Trong pi = Ei / E phần trăm lượng ci toàn lượng ( E i 1 Ei ) Các tín hiệu rung động hộp giảm tốc trường hợp thể hình 3a 3b Hình kết phân tích tín hiệu rung động vòng bi phương pháp EMD cho trường hợp ca bị hỏng Khi en-trơ-pi lượng EMD tìm theo bảng Bảng Các en-trô-pi lượng EMD loại tín hiệu hư hỏng vịng bi Bình thường 1,8489 Hỏng ca 1,3817 Hỏng bi 1,2318 Hỏng ca 1,1256 Bảng Các en-trô-pi lượng EMD loại tín hiệu hư hỏng bánh Bình thường 2,1175 Mẻ 1,8094 Hình 3a Các dạng tín hiệu rung động vòng bi Gãy 1,5553 HỘI NGHỊ KHOA HỌC VÀ CƠNG NGHỆ TỒN QUỐC VỀ CƠ KHÍ LẦN THỨ V - VCME 2018 Hình 3b Các dạng tín hiệu rung động bánh Hình Kết phân tích tín hiệu rung động vịng bi EMD hỏng ca Theo bảng 2, en-trơ-pi lượng trường hợp vịng bi bánh trạng thái bình thường lớn so với trường hợp cịn lại có hư hỏng xảy vịng bi bánh răng, thành phần tần số cộng hưởng tương ứng tạo ra, đó, en-trơ-pi lượng giảm lượng phân bố chủ yếu dải tần cộng hưởng đặc biệt dải tần cộng hưởng cao mức độ ảnh hưởng cịn nghiêm trọng Tóm lại lượng tập trung vào vào dải tần số cộng hưởng nhiều en-trơ-pi lượng lúc nhỏ Từ việc phân tích sở en-trơ-pi lượng phương pháp EMD phản ánh tình trạng làm việc loại hư hỏng hộp giảm tốc Nhưng điều chưa đủ dựa vào phương pháp EMD en-trô-pi lượng để đánh giá tình trạng làm việc phân loại hay nhận dạng loại hư hỏng Chính vậy, việc phân tích, đánh giá điều kiện làm việc hộp giảm tốc chưa dừng lại HỘI NGHỊ KHOA HỌC VÀ CƠNG NGHỆ TỒN QUỐC VỀ CƠ KHÍ LẦN THỨ V - VCME 2018 2.3 Phương pháp chẩn đoán hư hỏng EMD-BPN Trong báo tác giả giới thiệu phương pháp kết hợp xử lý tín hiệu rung động miền tời gian - tần số phương pháp phân tích EMD kết hợp với nhận dạng phân loại hư hỏng hộp giảm tốc mạng nơ ron BP (EMD-BPN) Phương pháp EMDBPN mô tả cách tổng quát sau: Hình Lưu đồ phương pháp chẩn đoán hư hỏng hộp giảm tốc EMD-BPN Chẩn đoán hư hỏng hộp giảm tốc theo phương pháp EMD-BPN thực theo bước sau: (1) Chọn tín hiệu rung động hộp giảm tốc (2) Chọn m thành phần IMFs IMFs tìm phương pháp EMD, thành phần chứa thông tin hư hỏng vượt trội chọn để làm thơng số đặc tính (3) Tính lượng tổng Ei m IMFs đầu tiên; Ei ci (t ) dt (i = 1, 2, , m) (11) (4) Xây dựng véc tơ lượng đặc tính T T E1 , E2 , , Em (12) Để thuận tiện cho việc phân tích xử lý, giả sử: 1/ 2 m E Ei i 1 (13) T' E1 E , E2 E , , Em E (14) Khi đó: Véc tơ T’ véc tơ đơn giản gọi véc tơ đặc tính (5) Thủ tục huấn luyện BPN Số đầu vào xác định số véc tơ đặc trưng T’ Bằng phương pháp thử sai số bình phương ta thiết lập số lớp ẩn Đầu định số loại mẫu hư hỏng: Đối với bánh răng: mẫu - bánh bình thường [1 0]; mẫu - mẻ [0 0]; mẫu - gãy [0 1]; vòng bi: mẫu - Bình thường [1 0 0]; mẫu Hỏng ca [0 0]; mẫu - Hỏng bi [0 0]; mẫu - Hỏng ca [0 0 1] Sau RBFN huấn luyện thành cơng, sẵn sàng kiểm tra mẫu để nhận dạng tình trạng/điều kiện làm việc loại hư hỏng khác hộp giảm tốc (hư hỏng bánh vòng bi) HỘI NGHỊ KHOA HỌC VÀ CƠNG NGHỆ TỒN QUỐC VỀ CƠ KHÍ LẦN THỨ V - VCME 2018 ỨNG DỤNG PHƯƠNG PHÁP CHẨN ĐOÁN EMD-BPN 3.1 Thu thập liệu Sơ đồ thí nghiệm mơ tả hình 6, số liệu lấy từ hai cảm biến gắn vỏ hộp số tần số 30, 35, 40, 45 50 Hz trọng thấp cao với tần số lấy mẫu fs = 200/3 kHz, bước lấy mẫu lặp lại bốn lần Tốc kế tạo 10 xung cho vòng quay trục chủ động có độ xác cao, liệu lấy mẫu đồng từ hai cảm biến (cảm biến cảm biến 2) [9] Các kết đo lưu lại dạng *.text, dùng tia la-de để tạo hư hỏng bề mặt chi tiết Trong báo này, cặp bánh răng thẳng chọn làm đối tượng chẩn đốn ba trạng thái: bình thường, mẻ gãy với tần số lấy mẫu 2048 Hz Với trạng thái có 24 tín hiệu rung động chia thành 10 nhóm chọn ngẫu nhiên làm mẫu để thử nghiệm Bộ liệu thí nghiệm vịng bi lấy theo điều kiện: bình thường, hỏng ca trong, hỏng bi, hỏng ca Với điều kiện lấy 60 tín hiệu rung động 20 nhóm lấy ngẫu nhiên liệu đầu vào cho phương pháp EMD-BPN 3.2 Ứng dụng phương pháp EMD-BPN chẩn đoán hư hỏng hộp giảm tốc Trước tiên, sau tín hiệu gốc phân tích thành IMFs phương pháp EMD, tám sáu IMFs chứa thông tin hư hỏng chiếm ưu chọn xếp từ cao đến thấp từ c1, c2,…, c8; từ cơng thức (8), (10) (14) ta tìm véc tơ đặc tính hư hỏng T’; cuối cùng, véc tơ đặc tính T’ ba trạng thái bánh chọn làm đầu vào cho RBFN Lớp ẩn gồm có 10 nút mạng có đầu tương ứng với trạng thái: bình thường, hỏng ca trong, hỏng bi hỏng ca Mỗi mẫu thử huấn luyện 10 mẫu với sai số định trước 0.0001; tốc độ học thuật toán huấn luyện BPN 0.12 mạng giữ hội tụ Bằng việc áp dụng mạng nơ ron BPN huấn luyện cho mẫu thử nghiệm, tất mẫu thử nghiệm nhận dạng thành công Để thấy rõ hiệu phương pháp EMD tiền xử lý tín hiệu gốc, báo EMD so sánh với phương pháp phân tích wavelet packet Áp dụng phương pháp wavelet packet ba lớp cho xử lý tín hiệu gốc ta chọn Daubechies 10 (D10) wavelet base, hệ số phương pháp phân tích wavelet packet tám băng tần lớp thứ ba tìm ra, tái tạo lại thành chuỗi thời gian Hình Sơ đồ thí nghiệm [10] HỘI NGHỊ KHOA HỌC VÀ CƠNG NGHỆ TỒN QUỐC VỀ CƠ KHÍ LẦN THỨ V - VCME 2018 Bên cạnh chúng xếp từ cao đến thấp c1, c2,…, c8, sau lượng chúng tìm theo cơng thức (8), (10) (14), lượng chọn làm véc tơ đặc tính để huấn luyện cho BPN, q trình huấn luyện BPN trình bày tương tự trên, kết xem bảng 3a 3b Bảng 3a Kết chẩn đoán hư hỏng bánh theo EMD-BPN wavelet packet Tín hiệu Phương pháp xử lý E1 E2 E3 E4 E5 E6 E7 E8 EMD-BPN 0,9133 0,3282 0,1730 0,1207 0,0916 0,0553 0,0358 0,0335 Wavelet 0,6745 0,4537 0,3350 0,2491 0,2301 0,2092 0,2058 0,1592 EMD-BPN 0,9383 0,3398 0,0569 0,0270 0,0090 0,0046 0,0030 0,0024 Wavelet 0,7735 0,4255 0,3785 0,2730 0,0559 0,0160 0,0076 0,0066 EMD-BPN 0,9538 0,2487 0,1500 0,0715 0,0267 0,0205 0,0091 0,0015 Wavelet 0,5838 0,4502 0,4415 0,3568 0,2750 0,2200 0,0692 0,0645 Bình thường Mẻ Gãy BPN output (0,9724; 0,0211; 0,0189) (0,8956; 0,0190; 0,2712) (0,0695; 0,9606; 0,0010) (0,0563; 0,7693; 0,4265) (0,0036; 0,0022; 0,9578) (0,0785; 0,3980; 0,7587) Bảng 3b Kết chẩn đốn hư hỏng vịng bi theo EMD - BPN wavelet packet Tín hiệu Bình thường Hỏng ca Hỏng bi Hỏng ca Phương pháp xử lý E1 E2 E3 E4 E5 E6 EMD - BPN 0,9168 0,3238 0,1735 0,1256 0,0912 0,0560 Wavelet 0,6749 0,4567 0,3421 0,2487 0,2313 0,2089 EMD - BPN 0,9456 0,3398 0,0569 0,0270 0,0090 0,0046 Wavelet 0,7735 0,4255 0,3785 0,2730 0,0559 0,0160 EMD - BPN 0,9376 0,2896 0,1289 0,0275 0,0089 0,0032 Wavelet 0,6870 0,3562 0,2098 0,1309 0,0575 0,0098 EMD - BPN 0,9638 0,2587 0,1560 0,0717 0,0268 0,0210 Wavelet 0,5938 0,4612 0,4515 0,3668 0,2780 0,2219 BPN output (0,9724; 0,0211; 0,0187; 0,0128) (0,8956; 0,0190; 0,2712; 0,1145) (0,0795; 0,9606; 0,0010; 0,0187) (0,0663; 0,7693; 0,4165; 0,3475) (0,0845; 0,0086; 0,9506; 0,0256) (0,0583; 0,4005; 0,7583 0,3520) (0,0036; 0,0042; 0,0058; 0,9478) (0,0785; 0,3780; 0,3006; 0,7787) Mặc dù hai phương pháp EMD wavelet packet tiền xử lý để trích xuất lượng cho băng tần véc tơ đầu vào mạng nơ ron truy cập để xác định hư hỏng hộp giảm tốc Theo bảng 3a 3b thấy phương pháp EMD-BPN tốt phương HỘI NGHỊ KHOA HỌC VÀ CÔNG NGHỆ TỒN QUỐC VỀ CƠ KHÍ LẦN THỨ V - VCME 2018 pháp wavelet packet có hỗ trợ BPN, độ xác trung bình phương pháp EMD-BPN đạt 95,80% Bởi phân tích wavelet packet khơng tự thích nghi, thành phần tần số sau phân tích khơng thay đổi với tín hiệu rung động Mặt khác phương pháp EMD q trình tự thích nghi theo thân tín hiệu, q trình phân tích tín hiệu phụ thuộc vào thơng tin thay đổi tín hiệu nhạy với dạng hư hỏng hộp giảm tốc KẾT LUẬN Do đặc tính khơng ổn định tín hiệu hư hỏng bánh răng, phương pháp chẩn đoán hư hỏng dựa phương pháp EMD BPN trình bày báo Đầu tiên, EMD sử dụng để xử lý trước tín hiệu rung động khác Sau đó, BPN sử dụng để nhận dạng điều kiện làm việc hộp giảm tốc sở liệu xử lý Khi tình trạng làm việc hộp giảm tốc thay đổi, en-trô-pi lượng EMD thay đổi, điều cho thấy lượng thành phần tần số thay đổi hộp giảm tốc làm việc với hư hỏng khác Do đó, lượng thành phần IMF lấy làm đặc tính đầu vào cho phân loại BPN để nhân dạng tình trạng làm việc hộp giảm tốc Từ việc phân tích lý thuyết kết thực nghiệm, kết luận rằng: (1) EMD phương pháp xử lý tín hiệu tự điều chỉnh áp dụng cho q trình phi tuyến khơng ổn định cách hoàn hảo (2) Sự kết hợp EMD BPN nhận dạng thành cơng tình trạng làm việc dạng hư hỏng bánh cung cấp cơng cụ chẩn đốn thơng minh, hữu ích dạng hư hỏng hộp giảm tốc (bánh ổ bi) (3) Mạng nơ ron BP nhận véc tơ entropi lượng thành phần tần số dựa phương pháp EMD làm đặc tính đầu vào có khả nhận dạng phân loại hư hỏng hộp giảm tốc (độ xác trung bình 95,80%) cao so với dựa vào phân tích wavelet packet (độ xác trung bình 80,04%) LỜI CẢM ƠN Nhóm tác giả cảm ơn hỗ trợ Trường Đại học Công nghiệp Hà Nội nghiên cứu TÀI LIỆU THAM KHẢO [1] N.G Nikolaou, I.A Antoniadis, Rolling element bearing fault diagnosis using wavelet packets, NDT & E International, 35 (2002) 197-205 [2] S.-D Wu, P.-H Wu, C.-W Wu, J.-J Ding, C.-C Wang, Bearing Fault Diagnosis Based on Multiscale Permutation Entropy and Support Vector Machine, Entropy, 14 (2012) 1343 [3] Y Li, M Xu, R Wang, W Huang, A fault diagnosis scheme for rolling bearing based on local mean decomposition and improved multiscale fuzzy entropy, Journal of Sound and Vibration, 360 (2016) 277-299 [4] W.Q Wang, F Ismail, M Farid Golnaraghi, Assessment Of Gear Damage Monitoring Techniques Using Vibration Measurements, Mechanical Systems and Signal Processing, 15 (2001) 905-922 [5] W.J Staszewski, K Worden, G.R Tomlinson, Time–Frequency Analysis In Gearbox Fault Detection Using The Wigner–Ville Distribution And Pattern Recognition, Mechanical Systems and Signal Processing, 11 (1997) 673-692 HỘI NGHỊ KHOA HỌC VÀ CƠNG NGHỆ TỒN QUỐC VỀ CƠ KHÍ LẦN THỨ V - VCME 2018 [6] W.J Staszewski, Wavelet Based Compression And Feature Selection For Vibration Analysis, Journal of Sound and Vibration, 211 (1998) 735-760 [7] N.E Huang, Z Shen, S.R Long, M.C Wu, H.H Shih, Q Zheng, N.-C Yen, C.C Tung, H.H Liu, The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis, Proceedings of the Royal Society of London Series A: Mathematical, Physical and Engineering Sciences, 454 (1998) 903-995 [8] Y Deng, W Wang, C Qian, Z Wang, D Dai, Boundary-processing-technique in EMD method and Hilbert transform, Chinese Science Bulletin, 46 (2001) 954-960 [9] D Le, J Cheng, Y Yang, T Tran, V Pham, Gears Fault Diagnosis Method Using Ensemble Empirical Mode Decomposition Energy Entropy Assisted ACROA-RBF Neural Network, Journal of Computational and Theoretical Nanoscience, 13 (2016) 3222-3232 [10] Lê Đức Hiếu, Ứng dụng phương pháp En-trô-pi lượng EMD chẩn đốn hư hỏng bánh có hỗ trợ mạng nơ ron, Tạp chí Khoa học Cơng nghệ - Đại học Công nghiệp Hà Nội, 43 (2017) ... loại hư hỏng hộp giảm tốc mạng nơ ron BP (EMD- BPN) Phương pháp EMDBPN mơ tả cách tổng qt sau: Hình Lưu đồ phương pháp chẩn đoán hư hỏng hộp giảm tốc EMD- BPN Chẩn đoán hư hỏng hộp giảm tốc theo phương. .. kết hợp với BPN (EMD- BPN) có khả nhận dạng hư hỏng hiệu cao phương pháp truyền thống PHƯƠNG PHÁP NGHIÊN CỨU Phương pháp nghiên cứu sử dụng báo để chẩn đoán hư hỏng hộp giảm tốc EMD- BPN Phương pháp. .. lượng EMD so với phương pháp khác, so sánh với phương pháp phân tích wavelet EMD Các kết thực nghiệm cho thấy phương pháp chẩn đốn hư hỏng hộp giảm tốc thơng qua phương pháp en-trơ-pi lượng EMD kết