Diagnosetechnologien werden eingesetzt, um die Effizienz rotierender Maschinen in Energiesystemen zu erhöhen, indem anstehende Fehler erkannt werden. Kleine rotierende Maschinen haben in der Regel keine Diagnoseeinheiten an Bord. Tragbare Diagnosegeräte sind teuer und erfordern sehr detaillierte Informationen über überwachte Maschinen, vom Durchmesser der Wälzkörper in den Lagern bis zur Anzahl der Rotorstäbe. Daher besteht die Möglichkeit, eine kostengünstige Diagnoseeinheit zu entwickeln, die keine detaillierten Maschineninformationen benötigt. Moderne Smartphones scheinen für diese Aufgabe geeignet zu sein, da sie über eine integrierte Erfassung von Akustischen und Vibrationsdaten und eine beträchtliche Rechenkapazität verfügen. Sie haben jedoch Hardware-Beschränkungen im Vergleich zu modernsten Diagnoseeinheiten wie Datenabtastrate und Sensorempfindlichkeit.
Eine Reihe von Induktionsmotoren wird sowohl unter gesunden als auch unter fehlerhaften Bedingungen (unsymmetrischer Rotor, beschädigte Lager und defekte Rotorstangen) getestet, um Vibrationen und akustische Signale zu analysieren, die mit einem Smartphone aufgezeichnet wurden. Anschließend werden aufgezeichnete Daten analysiert, um gesunde und fehlerhafte Emissionssignaturen zu identifizieren. Insgesamt werden rund 85 Minuten akustische Emissionen und rund 125 Minuten Schwingungsdaten unter allen Betriebsbedingungen aufgezeichnet. Die Ergebnisse zeigen, dass es möglich ist, die Drehzahl der Maschine abzuschätzen und Fehler bei den Smartphone-Aufnahmen zu erkennen. Die fehlerhafte Signatur der akustischen Emissionen befindet sich zwischen 4 KHz – 8 KHz in Form von Hochfrequenzclustern und Geschwindigkeit können mit mechanischen Rotationsfrequenzschwingungen zwischen 100 Hz- 1 KHz geschätzt werden. In ähnlicher Weise befindet sich die fehlerhafte Signatur der Schwingung entlang des Frequenzspektrums in Form von Spitzenspitzen hoher Größe und die Drehzahl kann mithilfe der Spitzenschwingungsfrequenz geschätzt werden. Schließlich wurde eine voll funktionsfähige Android-Anwendung entwickelt, die auf Testergebnissen basiert, um automatisch motorische Geschwindigkeit und Gesundheitszustand zu erkennen. Validierungstests zeigten eine Genauigkeit von 90 % bei der Fehlererkennung.
VERSIONSVERLAUF
- Version 2.0 veröffentlicht auf 2014-09-08
Fehler behoben, Verbesserter Algorithmus, Neue Schnittstelle
Programmdetails
- Kategorie: System-Utilities > Systemwartung
- Verlag: Mario Recio
- Lizenz: kostenlos
- Preis: N/A
- Version: 2.0
- Plattform: android