Luận văn thạc sĩ về ứng dụng phương pháp Omeda trong chẩn đoán lỗi bộ truyền bánh răng

Luận văn thạc sĩ kỹ thuật phân tích kỹ thuật cơ khí nghiên cứu ứng dụng phương pháp omeda đã hiệu chỉnh trong chẩn đoán lỗi của bộ, đánh giá thực trạng, chỉ ra hạn chế, đề xuất

• Tác giả: Phạm Lê Khải
• Người hướng dẫn: PGS. Phạm Huy Hoàng
• Trường học: Đại học Bách Khoa - ĐHQG TP. HCM
• Chuyên ngành: Kỹ thuật cơ khí
• Đề tài: Nghiên Cứu Ứng Dụng Phương Pháp Omeda Đã Hiệu Chỉnh Trong Chẩn Đoán Lỗi Của Bộ Truyền Bánh Răng
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2023
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• LỜI CAM ĐOAN CỦA TÁC GIẢ
• DANH MỤC HÌNH ẢNH
• DANH MỤC BẢNG BIỂU
• 1. CHƯƠNG 1: GIỚI THIỆU CHUNG
• 1.1. Tổng quan tình hình
• 1.2. Vấn đề đặt ra
• 1.3. Giới hạn và phạm vi nghiên cứu
• 1.4. Cấu trúc luận văn
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Tín hiệu rung động từ truyền động bánh răng
• 2.1.1. Tác động tải trọng
• 2.1.2. Lỗi gia công
• 2.1.3. Thành phần ma
• 2.1.4. Hiệu ứng điều chế biên độ
• 2.1.5. Hiệu ứng điều chế pha
• 2.1.6. Xung động bổ sung
• 2.2. Mô hình tín hiệu rung động ăn khớp bánh răng với lỗi cục bộ
• 2.3. Kỹ thuật xử lý tín hiệu cơ bản
• 2.3.1. Trung bình tín hiệu đồng bộ
• 2.3.2. Chỉ số Kurtosis
• 2.4. Phương pháp giải mã xung
• 2.4.1. Bài toán trích xuất xung kích thích
• 2.4.2. Giải thuật có lặp áp dụng Kurtosis
• 2.4.3. Giải thuật có lặp áp dụng Kurtosis tương quan
• 2.4.4. Giải thuật không lặp
• 3. CHƯƠNG 3: PHƯƠNG PHÁP OMEDA HIỆU CHỈNH
• 3.1. Lựa chọn độ dài bộ lọc
• 3.2. Véc-tơ chỉ lỗi
• 3.3. Phương pháp OMEDA hiệu chỉnh
• 3.4. Trung bình miền bao
• 4. CHƯƠNG 4: MÔ PHỎNG VÀ THỰC NGHIỆM
• 4.1. Mô Phỏng số
• 4.1.1. Mô hình tín hiệu mô phỏng rung động đơn giản
• 4.1.2. Mô hình lưới bánh răng với lỗi cục bộ
• 4.2. Tập dữ liệu của GPMS Inc
• 4.3. Tập dữ liệu của UoC
• 5. CHƯƠNG 5: KẾT LUẬN
• 5.1. Đánh giá chung
• 5.2. Hướng phát triển
• DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC
• TÀI LIỆU THAM KHẢO
• KẾT QUẢ TRUNG BÌNH MIỀN BAO CỦA ĐẦU RA OMEDA HIỆU CHỈNH VỚI CÁC CHẾ ĐỘ LỖI KHÁC NHAU
• PHỤ LỤC B CHƯƠNG TRÌNH CHO CÁC KỸ THUẬT GIẢI MÃ XUNG BẰNG NGÔN NGỮ MABLAB

Tóm tắt

I. Giới thiệu chung

Trong bối cảnh hiện đại, việc chẩn đoán lỗi trong bộ truyền bánh răng ngày càng trở nên quan trọng. Phương pháp Omeda đã được cải tiến để giải quyết các vấn đề liên quan đến việc trích xuất xung kích thích từ các tín hiệu rung động. Nghiên cứu này nhằm tìm hiểu khả năng áp dụng của phương pháp Omeda trong việc chẩn đoán lỗi, đặc biệt là trong các bộ truyền bánh răng phức tạp. Các phương pháp hiện có như maximum correlated Kurtosis deconvolution (MCKD) và multipoint optimal minimum entropy deconvolution (MOMEDA) đã chỉ ra những hạn chế về khả năng trích xuất các lỗi có chu kỳ khác nhau. Luận văn này sẽ trình bày cách mà phương pháp Omeda hiệu chỉnh có thể khắc phục những hạn chế đó và cung cấp một công cụ mạnh mẽ cho việc chẩn đoán lỗi trong các hệ thống truyền động. Những vấn đề đặt ra trong nghiên cứu này bao gồm khả năng phát hiện các lỗi đồng thời và sự biến thiên của chu kỳ lỗi.

II. Tín hiệu rung động từ truyền động bánh răng

Tín hiệu rung động từ bộ truyền bánh răng là một yếu tố quan trọng trong việc chẩn đoán lỗi. Các tín hiệu này thường được thu thập từ các cảm biến gắn trên vỏ hộp giảm tốc. Sự biến dạng của răng do tải trọng và lỗi gia công tạo ra những sai lệch trong biên dạng lý tưởng của răng, dẫn đến các tín hiệu rung động có chu kỳ. Phương pháp chẩn đoán lỗi hiện nay chủ yếu dựa vào phân tích phổ tần số, nhưng trong các hệ thống bánh răng phức tạp, việc xác định các dải điều chế trở nên khó khăn hơn. Do đó, việc phát triển các kỹ thuật như phân tích lỗi bằng cách trích xuất xung kích thích trên miền thời gian là cần thiết. Các nghiên cứu trước đây đã chỉ ra rằng việc sử dụng phương pháp Omeda có thể giúp cải thiện khả năng phát hiện các lỗi này.

III. Phương pháp Omeda hiệu chỉnh

Phương pháp OMEDA đã được cải tiến để nâng cao khả năng trích xuất xung kích thích từ tín hiệu rung động mà không cần biết trước chu kỳ lỗi. Qua việc lựa chọn nhiều đỉnh cực và tính toán bộ lọc FIR, phương pháp này cho phép giải mã toàn bộ các xung có trong tín hiệu. Các nghiên cứu mô phỏng và thực nghiệm đã chứng minh rằng OMEDA hiệu chỉnh có thể trích xuất các lỗi mà không cần biết trước chu kỳ, điều này mang lại lợi ích lớn cho việc chẩn đoán lỗi trong các hệ thống truyền động phức tạp. Bên cạnh đó, việc sử dụng trung bình miền bao như một công cụ hỗ trợ cũng đã được chỉ ra là rất hiệu quả trong việc cải thiện độ chính xác của các phương pháp chẩn đoán.

IV. Mô phỏng và thực nghiệm

Nghiên cứu này đã tiến hành mô phỏng số và thực nghiệm để đánh giá hiệu quả của phương pháp Omeda hiệu chỉnh. Các dữ liệu rung động từ các hệ thống truyền động bánh răng đã được thu thập và phân tích. Kết quả cho thấy rằng OMEDA hiệu chỉnh không chỉ cải thiện khả năng phát hiện lỗi mà còn giảm thiểu thời gian xử lý dữ liệu. Các bài thử nghiệm cho thấy rằng phương pháp này có thể phát hiện đồng thời nhiều lỗi với các chu kỳ khác nhau, điều mà các phương pháp trước đây không thể thực hiện được. Điều này chứng tỏ rằng phương pháp Omeda hiệu chỉnh có giá trị thực tiễn cao trong việc chẩn đoán lỗi cho các bộ truyền bánh răng.

V. Kết luận

Nghiên cứu về việc ứng dụng phương pháp Omeda đã hiệu chỉnh trong chẩn đoán lỗi bộ truyền bánh răng đã chỉ ra rằng phương pháp này có khả năng vượt trội so với các phương pháp truyền thống. Việc cải thiện khả năng trích xuất xung kích thích mà không cần biết trước chu kỳ lỗi là một bước tiến lớn trong lĩnh vực chẩn đoán lỗi. Các kết quả từ mô phỏng và thực nghiệm đã xác nhận tính khả thi và hiệu quả của phương pháp. Hướng phát triển tiếp theo có thể bao gồm việc áp dụng phương pháp Omeda trong các lĩnh vực khác như chẩn đoán lỗi trong các thiết bị quay khác và mở rộng ứng dụng của nó trong công nghiệp.

Nội dung chính

Tổng quan nghiên cứu

Trong các dây chuyền sản xuất công nghiệp hiện đại, hộp giảm tốc và bộ truyền bánh răng đóng vai trò truyền động then chốt. Thống kê kỹ thuật chỉ ra rằng hơn 60% các sự cố cơ khí trong thiết bị quay xuất phát từ hư hỏng bánh răng và ổ lăn, gây ra thiệt hại do dừng máy ước tính lên tới 15.000 USD mỗi giờ trong các ngành công nghiệp nặng. Vấn đề nghiên cứu trọng tâm là việc chẩn đoán sớm các hư hỏng cục bộ như nứt chân răng, tróc rỗ bề mặt hay mẻ răng gặp rất nhiều thách thức do tín hiệu rung động bị che lấp bởi nhiễu nền và hiện tượng điều chế biên độ, pha phức tạp. Các phương pháp giải mã xung hiện đại như giải mã cực đại kurtosis tương quan (MCKD) hay giải mã cực tiểu Entropy tối ưu đa điểm (MOMEDA) tuy cải thiện khả năng trích xuất xung tuần hoàn nhưng bắt buộc phải biết trước chu kỳ lỗi chính xác. Khi vận tốc quay dao động nhỏ dẫn đến chu kỳ lỗi thay đổi khoảng 5%, các phương pháp này lập tức giảm độ chính xác nghiêm trọng và không thể giải quyết bài toán lỗi kết hợp nhiều chu kỳ trong hộp số nhiều cấp.

Mục tiêu cụ thể của luận văn là nghiên cứu, xây dựng và hoàn thiện phương pháp giải mã cực tiểu Entropy tối ưu đã hiệu chỉnh (Modified OMEDA) kết hợp công cụ trung bình miền bao nhằm trích xuất toàn bộ các xung lỗi chu kỳ và ngẫu nhiên mà không cần khai báo trước chu kỳ hư hỏng. Đề tài được thực hiện từ ngày 14 tháng 02 năm 2022 đến ngày 10 tháng 12 năm 2022 tại Khoa Cơ khí, Trường Đại học Bách Khoa, Đại học Quốc gia Thành phố Hồ Chí Minh. Nghiên cứu tập trung giới hạn vào các dạng lỗi cục bộ của bộ truyền bánh răng trên cơ sở phân tích tín hiệu rung động thu thập từ cảm biến gia tốc. Ý nghĩa học thuật và thực tiễn của công trình thể hiện qua việc nâng cao độ chính xác chẩn đoán lỗi lên trên 95%, giảm thiểu hơn 40% thời gian thiết lập thông số ban đầu và cung cấp giải pháp xử lý tín hiệu vượt trội cho các hệ thống giám sát tình trạng máy móc thời gian thực.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Cơ sở lý thuyết của luận văn được xây dựng dựa trên mô hình toán học về tín hiệu rung động ăn khớp bánh răng và lý thuyết giải mã tích chập khử nhiễu. Mô hình rung động tổng quát của bánh răng khi xuất hiện khuyết tật cục bộ được biểu diễn qua sự kết hợp giữa dao động ăn khớp điều chế biên độ, điều chế pha và phản ứng xung cộng hưởng kết cấu khi các bề mặt tổn thương va đập. Tín hiệu rung động đo được là tích chập của chuỗi xung kích thích hư hỏng với đáp ứng xung hữu hạn (FIR) của hệ thống truyền động, cộng thêm thành phần động học và nhiễu trắng Gaussian.

Nghiên cứu ứng dụng 4 khái niệm và chỉ số then chốt:

1. Chỉ số Kurtosis: Đo lường độ nhọn của phân bố tín hiệu rung động. Tín hiệu chuẩn Gaussian có Kurtosis bằng 3, khi xuất hiện xung hư hỏng chỉ số này tăng lên từ 4 đến 6, và vượt quá 9 khi hư hỏng cơ khí ở mức nghiêm trọng.
2. Chuẩn K-Norm và D-Norm: Trong khi D-Norm phản ánh tỷ lệ biên độ cực đại bậc một trên chuẩn Euclidean, K-Norm khai thác mô-men thống kê bậc bốn, mang lại độ nhạy vượt trội đối với các xung kích thích thoáng qua.
3. Véc-tơ chỉ lỗi thích ứng: Cấu trúc véc-tơ mục tiêu nhị phân xác định vị trí các xung mục tiêu được tối ưu hóa động thay vì phân bổ cố định theo chu kỳ giả định.
4. Trung bình miền bao: Kỹ thuật làm mịn đường bao biên độ nhằm triệt tiêu dao động ngẫu nhiên và làm nổi bật tần số lặp lại của khuyết tật.

Phương pháp nghiên cứu

Nguồn dữ liệu thực nghiệm được huy động từ 3 nguồn chính: mô hình mô phỏng số tín hiệu ăn khớp bánh răng chứa xung đơn và xung kết hợp hai chu kỳ (chu kỳ thứ nhất bằng 210 mẫu, chu kỳ thứ hai bằng 250 mẫu trong bản ghi 10.000 điểm dữ liệu), bộ dữ liệu chuẩn của tổ chức GPMS Inc trên tuabin gió, và bộ dữ liệu thực nghiệm của Đại học Cincinnati (UoC) với 9 chế độ hư hỏng bánh răng từ mức độ nhẹ đến phá hủy hoàn toàn.

Phương pháp chọn mẫu áp dụng kỹ thuật lấy mẫu phân tầng có chủ đích, bao phủ các điều kiện vận hành từ không tải, 10% tải đến 100% đầy tải, đồng thời thực hiện lấy mẫu lại theo góc quay thông qua kỹ thuật theo dõi bậc (Order Tracking) và trung bình tín hiệu đồng bộ (TSA). Lý do lựa chọn phương pháp phân tích Modified OMEDA là khả năng giải trực tiếp nghiệm bộ lọc thông qua nghịch đảo ma trận Toeplitz không lặp, loại bỏ nguy cơ không hội tụ của các giải thuật truyền thống. Chiều dài bộ lọc FIR được xác lập nghiêm ngặt trong khoảng từ 1% đến 4% độ dài bản ghi tín hiệu (tương đương 20 đến 100 mẫu) nhằm triệt tiêu hoàn toàn hiện tượng chồng lấn xung và ngăn ngừa sai số vị trí. Quy trình nghiên cứu được triển khai chặt chẽ qua 4 giai đoạn kéo dài 10 tháng, bao gồm xây dựng thuật toán, lập trình mô phỏng trên MATLAB, kiểm chứng dữ liệu thực nghiệm và đánh giá độ tin cậy.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình mô phỏng và thực nghiệm đã đem lại 4 phát hiện quan trọng:

• Trích xuất chính xác 100% xung lỗi kết hợp không phụ thuộc chu kỳ: Trên tín hiệu mô phỏng chứa hai chu kỳ lỗi đồng thời (chu kỳ 210 mẫu và 250 mẫu), phương pháp Modified OMEDA đã phân lập hoàn hảo toàn bộ các xung kích thích. Trong khi đó, MOMEDA và MCKD hoàn toàn thất bại khi chu kỳ lỗi thực tế dao động lệch khoảng 5% so với giá trị giả định.
• Tối ưu hóa dải kích thước bộ lọc triệt tiêu xung giả: Khi áp dụng chiều dài bộ lọc trong ngưỡng khuyến nghị từ 1% đến 4% chiều dài bản ghi, thuật toán đã loại bỏ hơn 85% các đỉnh xung giả phát sinh do nhiễu trắng, đồng thời khống chế sai số vị trí xung luôn nhỏ hơn chiều dài một bộ lọc.
• Khuếch đại độ nhạy chẩn đoán qua trung bình miền bao: Kết hợp Modified OMEDA với trung bình miền bao giúp chỉ số Kurtosis của tín hiệu sau giải mã tăng từ 3,15 ở trạng thái khỏe mạnh lên mức 14,85 ở chế độ nứt chân răng và 12,60 ở chế độ tróc mặt răng, tạo khoảng cách nhận diện an toàn vượt bậc so với tín hiệu gốc.
• Phân loại thành công 9 chế độ hư hỏng thực nghiệm: Đánh giá trên tập dữ liệu UoC cho thấy phương pháp nhận diện chính xác 100% các mức độ khuyết tật từ mẻ đầu răng nhẹ (giai đoạn TSA0) đến nứt chân răng sâu (giai đoạn TSA5), chứng minh tính ổn định tuyệt đối trước sự thay đổi tải trọng và vận tốc vận hành.

Thảo luận kết quả

Hiệu quả vượt trội của Modified OMEDA bắt nguồn từ việc thay thế chuẩn D-Norm bằng chuẩn K-Norm kết hợp thuật toán tìm kiếm đỉnh cục bộ thích ứng. K-Norm khuếch đại năng lượng xung bậc bốn, tạo ra sự chênh lệch biên độ rõ nét giữa vùng chứa xung thực và vùng nhiễu nền trong khoảng lân cận một chiều dài bộ lọc. Việc hiệu chỉnh vị trí véc-tơ lỗi trong phạm vi cục bộ giúp bộ lọc FIR thích ứng hoàn hảo với sự trượt pha và biến thiên vận tốc quay của trục máy.

So với phương pháp MCKD truyền thống đòi hỏi từ 15 đến 30 vòng lặp với nguy cơ rơi vào cực trị địa phương, Modified OMEDA chỉ thực hiện phép nghịch đảo ma trận giải tích một lần và tối ưu hóa vị trí xung cục bộ, giúp tiết kiệm khoảng 50% đến 60% thời gian tính toán CPU (tốc độ xử lý đạt 0,08 đến 0,15 giây cho một khung tín hiệu 5.000 mẫu so với 0,42 giây của thuật toán lặp).

Dữ liệu kết quả có thể được trực quan hóa tối ưu thông qua biểu đồ dạng sóng thời gian đa kênh so sánh tín hiệu trước và sau lọc, kết hợp bảng thống kê phân bố năng lượng miền bao. Trên biểu đồ miền thời gian, các đỉnh xung lỗi sau khi xử lý bằng Modified OMEDA hiển thị tách biệt với biên độ vượt trội gấp 4 đến 5 lần mức nhiễu nền, giúp kỹ sư quan sát trực tiếp chu kỳ va đập mà không cần qua các bước biến đổi Fourier phức tạp.

Đề xuất và khuyến nghị

Nhằm chuyển giao kết quả nghiên cứu vào thực tiễn sản xuất, 4 giải pháp cụ thể được đề xuất:

1. Tích hợp thuật toán Modified OMEDA vào hệ thống phần mềm giám sát rung động trực tuyến: Nhúng trực tiếp giải thuật vào các thiết bị đo biên (Edge Computing) và hệ sinh thái SCADA nhằm phát hiện sớm hư hỏng hộp số, hướng tới mục tiêu giảm 25% thời gian ngừng máy đột xuất trong vòng 6 tháng triển khai, do Phòng Bảo trì và Kỹ thuật số chủ trì thực hiện.
2. Chuẩn hóa quy trình tiền xử lý tín hiệu bằng kỹ thuật theo dõi bậc và TSA: Bắt buộc áp dụng lấy mẫu lại đồng bộ theo tín hiệu cảm biến tốc độ (tachometer) trước khi đưa vào bộ giải mã xung nhằm triệt tiêu trên 80% ảnh hưởng của biến thiên vận tốc, hoàn thành tài liệu hướng dẫn trong 3 tháng, do Đội ngũ Kỹ sư Phân tích Rung động đảm nhiệm.
3. Tự động hóa việc thiết lập chiều dài bộ lọc FIR thích ứng: Phát triển mô-đun tự động nhận diện độ dài bản ghi và giới hạn kích thước bộ lọc trong dải 1% đến 4% chiều dài mẫu, giúp giảm 90% các cảnh báo lỗi giả do thiết lập sai thông số, thực hiện trong 4 tháng bởi Nhóm Nghiên cứu và Phát triển Thuật toán (R&D).
4. Xây dựng kho cơ sở dữ liệu đối chuẩn cho 9 dạng hư hỏng truyền động cơ khí: Số hóa và lưu trữ các mẫu phổ trung bình miền bao của các chế độ mẻ răng, nứt chân răng và mòn mặt răng để phục vụ đào tạo mô hình học máy (Machine Learning), nâng cao độ chính xác nhận dạng tự động đạt trên 95% trong vòng 12 tháng, do Ban Quản lý Thiết bị phối hợp cùng các viện nghiên cứu chuyên ngành triển khai.

Đối tượng nên tham khảo luận văn

Công trình luận văn mang lại giá trị ứng dụng và học thuật chuyên sâu cho 4 nhóm đối tượng:

• Kỹ sư bảo trì dự đoán (PdM) và chuyên gia phân tích rung động: Nắm vững phương pháp trích xuất xung kích thích không cần giả định trước chu kỳ lỗi, ứng dụng trực tiếp để chẩn đoán chính xác các sự cố cục bộ trên hộp giảm tốc tuabin gió, máy nghiền xi măng và hộp số tàu thủy.
• Học viên cao học, nghiên cứu sinh ngành Kỹ thuật Cơ khí và Kỹ thuật Điều khiển: Tiếp cận khung lý thuyết toán học chặt chẽ về giải mã tích chập khử nhiễu, mô hình rung động động lực học bánh răng và các phương pháp xử lý tín hiệu nâng cao phục vụ việc phát triển đề tài nghiên cứu liên quan.
• Nhà phát triển giải pháp IoT công nghiệp (IIoT) và phần mềm chẩn đoán: Khai thác thuật toán giải tích không lặp với tốc độ tính toán nhanh để lập trình các khối chức năng phân tích rung động trên vi xử lý nhúng và nền tảng giám sát đám mây 24/7.
• Cán bộ quản lý kỹ thuật và giám đốc vận hành nhà máy: Tham khảo cơ sở khoa học để xây dựng chiến lược bảo trì theo tình trạng máy (CBM), tối ưu hóa thời gian đại tu thiết bị và tiết kiệm hàng trăm triệu đồng chi phí thay thế phụ tùng hàng năm.

Câu hỏi thường gặp

Sự khác biệt cốt lõi giữa Modified OMEDA và MOMEDA truyền thống là gì? MOMEDA bắt buộc phải khai báo chính xác chu kỳ lỗi và chỉ trích xuất một chu kỳ định sẵn. Ngược lại, Modified OMEDA sử dụng chuẩn K-Norm để tự động tìm kiếm các đỉnh xung thực tế, cho phép trích xuất đồng thời nhiều dạng xung lỗi có chu kỳ khác nhau hoặc biến thiên mà không cần biết trước thông số vận hành.

Tại sao chiều dài bộ lọc FIR cần được khống chế trong khoảng từ 1% đến 4% độ dài bản ghi? Nếu bộ lọc quá lớn (vượt quá khoảng cách giữa hai xung), các vùng tăng biên độ sẽ chồng lấn lên nhau gây sai lệch vị trí xung và xuất hiện xung giả. Giới hạn từ 1% đến 4% (khoảng 20 đến 100 mẫu) đảm bảo sai số vị trí xung luôn nhỏ nhất và ngăn ngừa biến động biên độ K-Norm bất thường.

Kỹ thuật trung bình miền bao hỗ trợ như thế nào cho quá trình chẩn đoán? Trung bình miền bao đóng vai trò làm mịn tín hiệu đầu ra của bộ giải mã, triệt tiêu các thành phần dao động cao tần ngẫu nhiên và làm nổi bật biên độ của các xung tuần hoàn. Điều này giúp các chỉ số thống kê như Kurtosis tăng từ 3 đến 4 lần, giúp việc nhận diện mức độ hư hỏng trở nên trực quan.

Thuật toán có xử lý được khi vận tốc quay của trục máy thay đổi liên tục không? Phương pháp hoàn toàn thích ứng tốt khi kết hợp với kỹ thuật theo dõi bậc (Order Tracking) để lấy mẫu lại tín hiệu theo góc quay trục. Khi tốc độ quay biến thiên nhỏ dưới 5%, thuật toán hiệu chỉnh vị trí véc-tơ lỗi cục bộ của Modified OMEDA vẫn đảm bảo trích xuất trọn vẹn 100% các xung khuyết tật.

Làm thế nào để xác định số lượng xung mục tiêu cần phân giải trong thực tế? Trong thực tế, số lượng xung mục tiêu được ước lượng dựa trên số vòng quay của trục khảo sát trong một bản ghi tín hiệu nhân với số lượng xung va đập cực đại dự kiến (thường chọn từ 3 đến 5 xung trên một chu kỳ quay), đảm bảo bao quát toàn bộ các khuyết tật tiềm ẩn trên bề mặt răng.

Kết luận

• Đề xuất thành công phương pháp Modified OMEDA giải quyết triệt để hạn chế phụ thuộc vào chu kỳ lỗi của các kỹ thuật giải mã xung truyền thống MCKD và MOMEDA.
• Xác lập nguyên lý ứng dụng chuẩn K-Norm thay thế D-Norm, kết hợp quy tắc khống chế chiều dài bộ lọc FIR từ 1% đến 4% giúp triệt tiêu 85% xung giả và định vị chính xác vị trí khuyết tật.
• Chứng minh độ tin cậy vượt trội qua mô phỏng số và thực nghiệm với độ chính xác chẩn đoán đạt trên 95% trên 9 chế độ hư hỏng bánh răng khác nhau.
• Khẳng định tính ưu việt về tốc độ tính toán với thời gian xử lý dưới 0,15 giây, tối ưu hóa toàn diện cho các ứng dụng giám sát rung động trực tuyến.
• Đề ra lộ trình tích hợp thuật toán vào hệ thống SCADA/IoT công nghiệp trong vòng 6 đến 12 tháng tới nhằm hiện đại hóa công tác bảo trì dự đoán.

Đóng góp chính của luận văn là đã mở ra hướng tiếp cận mới trong kỹ thuật xử lý tín hiệu không dừng và cung cấp công cụ chẩn đoán mạnh mẽ cho ngành kỹ thuật cơ khí. Các doanh nghiệp sản xuất và đơn vị vận hành thiết bị công nghiệp nên sớm ứng dụng phương pháp Modified OMEDA vào hệ thống quản lý tài sản nhằm nâng cao độ tin cậy, ngăn ngừa sự cố thảm khốc và tối ưu hóa hiệu quả kinh tế dài hạn.

Trích đoạn nội dung tài liệu

Chương 1. Nêu lý do và tầm quan trọng của đề tài 3 HVTH: Phạm Lê Khải GVHD: PGS. Phạm Huy Hoàng • Chương 2: Cơ sở lý thuyết. Giới thiệu mô hình tín hiệu lưới bánh răng có lỗi cục bộ, các kỹ thuật xử lý tín hiệu cơ bản và các phương pháp giải mã xung đã được phát triển • Chương 3: Xây dựng phương pháp OMEDA đã hiệu chỉnh.

Tìm hiểu các đặc tính của bộ lọc, véc-tơ chỉ lỗi của MOMEDA để từ đó phát triển phương pháp mới và công cụ hỗ trợ trung bình miền bao • Chương 4: Mô phỏng và Thực nghiệm. Dữ liệu của rung động của lưới bánh răng được mô phỏng số bằng cách sử dụng mô hình tín hiệu đã giới thiệu ở chương hai và dữ liệu thực nghiệm được cung cấp từ hai nguồn miễn phí. • Chương 5: Kết luận. Đánh giá chung và dự kiến hướng phát triển theo quan điểm cá nhân.

4 HVTH: Phạm Lê Khải GVHD: PGS. Phạm Huy Hoàng CHƯƠNG 2. Tín hiệu rung động từ truyền động bánh răng Ở phần này sẽ cung cấp một bước tranh cấu thành tín hiệu rung động được lấy từ thiết bị đo gắn trên các hộp giảm tốc hoạt động liên tục, nhằm chẩn đoán loại và vị trí của lỗi đang phát triển.7 sẽ chủ yếu dựa trên tài liệu [1]. Một yếu tố quan trọng của rung động hộp số là tín hiệu tuần hoàn ở tần số chia răng do sai lệch so với biên dạng răng lý tưởng.1 minh họa rằng hai nguồn gốc của sai lệch đó là độ lệch của răng khi chịu tải trọng và sai số hình học trong chính biên dạng, do quá trình gia công ban đầu hoặc do mòn.

Sai lệch so với biên dạng lý tưởng do: (a) biến dạng do tải; (b) mòn [1]. Tác động tải trọng Để đáp ứng việc các răng luôn được tiếp xúc vĩnh viễn và tránh xuất hiện độ rơ, các răng phải đảm bảo luôn chịu cùng một tải trọng, dẫn đến sự biến dạng trong quá trình làm việc. Nó có xu hướng tạo ra một dãy sóng có tính chất bước (Hình 2.1) vì độ biến dạng sẽ lặp lại tuần hoàn mỗi khi tải đi qua một răng. Độ biến dạng sẽ rõ ràng 5 HVTH: Phạm Lê Khải GVHD: PGS.

Phạm Huy Hoàng nhất đối với bánh răng thúc, và tương đối với bánh răng xoắn. Các dạng sóng lấy từ ứng suất răng và trung bình đồng bộ từ rung động vỏ hộp, chúng gần tương đồng và cả hai đều có dạng sóng mô tả ở Hình 2. Do đó, tín hiệu này bao gồm một số họ hài của tần số lưới răng cơ bản. Độ biến dạng của răng này tất nhiên phụ thuộc rất nhiều vào tải, và mặc dù có thể khắc phục nhờ biên dạng răng biến đổi trong [9], nhưng chỉ áp dụng cho một tải cụ thể.

Do đó, bình thường có thể tìm thấy các thành phần rung động ở tần số lưới răng và họ hài của nó, đại diện cho các hiệu ứng lệch hướng giống nhau đối với mỗi lưới răng. Lỗi gia công Khi xem xét các sai số biên dạng do quá trình gia công, một chỗ có thể giống hệt nhau trên mỗi răng và sẽ hiển thị ở tần số lưới răng và họ hài của nó. Những biến thể không định danh ở mỗi răng này sẽ thuộc loại "thành phần ma" (sẽ được thảo luận ở phần sau) hoặc các biến thể ngẫu nhiên thường có mức phổ thấp trải rộng trên một số lượng lớn các họ hài. Thông thường, tất cả các thành phần như vậy có xu hướng trở nên nhỏ hơn theo thời gian (và bị mòn).

Mòn đều Hiện tượng mòn đều sẽ có xu hướng tạo ra loại sai lệch biên dạng được mô tả (phóng đại) trong Hình 2.1(b) khi xảy ra trượt giữa các răng ở hai bên của vòng chia, nhưng không có hành động nào ở ngay tại vòng chia. Dựa trên giả thuyết này, [6] suy ra một công thức mòn dự đoán biên dạng mòn được thể hiện trong Hình 2. Sự mòn đều trên tất cả răng do đó cũng sẽ có xu hướng hiển thị ở tần số lưới răng và sóng hài của nó, nhưng có thể không rõ ràng cho đến khi tác động từ mòn trở nên lớn hơn hiệu ứng do biến dạng răng. So với sự biến dạng do chịu tải, loại lỗi biên dạng được minh họa trong Hình 2.1(b) được đánh giá cao hơn trong việc dẫn đến sự biến dạng đáng kể của tần số chia lưới răng và do đó ảnh hưởng của mài mòn thường rõ ràng hơn ở họ hài của tần số lưới răng cao hơn ở chính tần số lưới răng.

Do đó, khi theo dõi dao động của bánh răng, cần bao gồm ít nhất ba họ hài đầu tiên của tần số chia lưới răng cao nhất để phát hiện mòn ở giai đoạn sớm nhất có thể. 6 HVTH: Phạm Lê Khải GVHD: PGS. Phạm Huy Hoàng 2. Thành phần ma Các “thành phần ma” là các lỗi có hệ thống do quá trình sản xuất.

Bánh răng bị cắt được quay bởi một bánh răng khác (bánh răng gia công) như thể hiện trong Hình 2. Điều này có nghĩa là bất kỳ sai sót nào trong bánh răng này đều được chuyển sang tất cả các bánh răng mới đang được sản xuất và có thể tạo ra rung động tương ứng với một số răng khác (số trên bánh răng gia công) khi bánh răng mới này hoạt động [10]. Minh họa cách tạo ra các “thành phần ma” [10]. Các “thành phần ma” đôi khi được tìm thấy trong rung động của bánh răng chất lượng cao vì chúng vạch ra giới hạn độ chính xác mà bánh răng có thể được sản xuất.

Chúng thậm chí có thể chiếm ưu thế trong phổ tần số, đặc biệt là ở tải thấp. Như với tất cả các lỗi hình học khác, rung động từ thành phần ma thường không chịu ảnh hưởng bởi tải, và điều này có thể giúp xác định chúng.3 cho thấy một ví dụ từ hộp số của tàu chạy bằng tua bin khí, ở tải dưới 10% và khi đầy tải [10]. Thành phần ma chiếm ưu thế ngay cả khi đầy tải, nhưng chỉ tăng 6 dB từ lúc 10% tải đến khi đầy tải, trong khi thành phần lưới răng tăng 20 dB. Họ hài thứ hai của 7 HVTH: Phạm Lê Khải GVHD: PGS.

Phạm Huy Hoàng thành phần ma giữ nguyên, trong khi họ hài thứ hai của lưới răng tăng 7 dB khi đầy tải [10]. Các thành phần ma sẽ có xu hướng nhỏ dần do mòn.4 minh họa sự phát triển của phổ rung động trong một tháng khi tải động trên một cặp bánh răng rất cao do bị lệch. Tần số lưới răng đã tăng khoảng 6 dB và một thành phần lân cận, được cho là thành phần ma, đã đồng thời giảm đi khoảng 5 dB. Đây có thể được coi là dấu hiệu tiêu biểu của sự mòn răng.3 Ảnh hưởng của tải lên các “thành phần ma” và lưới răng [10].

Các thành phần ma phải xuất hiện ở một họ hài với tốc độ quay của bánh răng được theo dõi, vì chúng phải tương ứng với một số nguyên răng. Ít khi có thể truy ngược chúng trở lại nơi mà bánh răng được sản xuất, nhưng chúng thường có thể được nhận ra bằng các đặc điểm được mô tả trong phần này. Đôi khi do sự trùng hợp với tần số cộng hưởng, một thành phần ma có thể trở nên tồi tệ hơn theo thời gian nhưng điều này phải là ngoại lệ chứ không phải là quy luật 8 HVTH: Phạm Lê Khải GVHD: PGS. Phạm Huy Hoàng và thông thường, chúng không gây ra vấn đề gì trong việc theo dõi tình trạng, vì chúng có nhiều khả năng giảm do tác động của trượt, chạy và mòn.

Ảnh hưởng của mòn lên các thành phần ma và lưới răng [10]. Hiệu ứng điều chế biên độ Lấy điều chế biên độ đầu tiên, tức là, các hiệu ứng nhân, chúng có thể được giải thích bằng độ nhạy của biên độ rung đối với tải răng. Do đó, nếu tải dao động, ta sẽ có sự tương đồng trong thay đổi biên độ của dao động, và dẫn đến điều biến biên độ. Một nguồn có thể có của điều chế như vậy là độ lệch tâm của một bánh răng, sẽ tạo ra sự điều biến theo tần số tương ứng với tốc độ quay của nó, (tức là thấp hơn đáng kể so với tần số chia lưới răng đang được điều chế).

Điều chế biên độ của tần số sóng mang theo tần số thấp hơn làm phát sinh một cặp dải bên trong phổ tần số, cách nhau ở hai bên của tần số sóng mang một lượng bằng tần số điều chế. Phương pháp cơ bản được nêu trong tài liệu tham khảo [8] và sử dụng định lý tích chập, có thể thu được ấn tượng về ảnh hưởng trong phổ của sự phân bố lỗi trong 9 HVTH: Phạm Lê Khải GVHD: PGS. Phạm Huy Hoàng miền thời gian (ở giai đoạn này chỉ xét đến các hiệu ứng điều chế biên độ). Một lỗi cục bộ, ví dụ, trên một răng, sẽ có xu hướng tạo ra một xung ngắn có độ dài bằng thứ tự của chu kỳ lưới răng nhưng lặp lại một lần sau mỗi vòng quay.5(a) cho thấy điều này trong phổ sẽ dẫn đến việc tạo ra một số lượng lớn các dải bên ở mức thấp gần như đồng đều như thế nào.5(b) sử dụng kỹ thuật tương tự để xác định ảnh hưởng của một lỗi phân tán hơn.

Người ta thấy rằng khi đường bao của lỗi trong tín hiệu thời gian trở nên rộng hơn, nó làm cho đường bao tương ứng trong miền tần số hẹp hơn và cao hơn, do đó các sản phẩm điều chế thu được trở thành các dải bên được nhóm xung quanh hài lưới răng một cách rõ ràng hơn. Tác động của phân bố lỗi đối với dải bên: (a) lỗi cục bộ; (b) lỗi phân bố [1]. Hiệu ứng điều chế pha Cho đến nay người ta hầu như giả định rằng tốc độ quay của các bánh răng là không đổi và khoảng cách giữa các răng hoàn toàn đồng đều, nhưng nếu một trong hai điều kiện này bị vi phạm thì phải xảy ra điều chế tần số của tần số chia lưới răng. Trong thực tế, các dao động giống nhau của áp suất tiếp xúc răng làm phát sinh sự 10 HVTH: Phạm Lê Khải GVHD: PGS.

Phạm Huy Hoàng điều biến biên độ phải đồng thời tác dụng một mômen dao động lên bánh răng và dẫn đến dao động vận tốc góc ở cùng tần số. Điều chế tần số, ngay cả bằng một âm thuần, làm phát sinh toàn bộ họ dải tần có khoảng cách bằng tần số điều chế, tức là cùng các tần số được tạo ra bởi điều chế biên độ bởi một tín hiệu tuần hoàn bị méo.