Debido al impacto del medio ambiente en la operación real de los rodamientos, se producirán varias fallas cuando se impacten y se desgasten.En la industria, los sensores a menudo se utilizan para recopilar datos de vibración para monitorearlos, pero estos datos a menudo tienen las características de muestras grandes, muchos tipos y etiquetas no obvias. Si el juicio y el diagnóstico se realizan manualmente, el período de tiempo para el marcado de datos es largo y, de no hacerlo, consumirá recursos humanos y causará pérdidas económicas.
Directorio de artículos
prefacio
滚动轴承是核心部件的组成部分之一，往往被称为“机器工业关节的主要构成者”。它常常在风力发电机，航空电机中担任着传动部件的主要支撑者。
I. Introducción
El siguiente diagrama muestra la aplicación de rodamientos en estos sistemas. Estos sistemas industriales suelen ser operados al aire libre, aunado a la influencia de varios factores inciertos durante la operación, resultando en una gran variabilidad en sus condiciones de trabajo. Bajo la condición de carga variable y condiciones de trabajo variables, varios componentes aumentan en gran medida la probabilidad de falla. Los rodamientos son responsables de transmitir cargas y soportar cargas en estos sistemas, y su tasa de fallas llega al 40% en comparación con otros componentes. Se producirá una serie de accidentes después de la falla del rodamiento.Si la falla es menor, hará que todas las partes de la transmisión se dañen y se apaguen debido al impacto, lo que resultará en una pérdida económica. la pérdida se juzga de acuerdo con la importancia de la tarea, a menudo La pérdida económica causada por cada tarea es inconmensurable. Cuando la falla es grave, si las piezas no se reemplazan inmediatamente, todo el equipo de la máquina se verá afectado. En casos severos, puede causar que las partes de la transmisión se rompan y provoquen un gran accidente de seguridad. Por lo tanto, es muy necesario cómo monitorear y diagnosticar fallas en los rodamientos.
2. Detección anormal y diagnóstico de fallas.
La detección de anomalías es principalmente para monitorear el estado del rodamiento para determinar si existe una condición de funcionamiento anormal. En esta etapa, no es necesario diagnosticar con precisión el tipo de falla, sino detectar y distinguir la anomalía. El diagnóstico de fallas requiere una ubicación precisa de la falla de los datos para determinar qué tipo de falla se ha producido en el rodamiento.
En la etapa de juicio artificial tradicional, a menudo se utiliza el método de observación más primitivo para el juicio. A través de la escucha artificial, para juzgar los diferentes sonidos de los rodamientos cuando funcionan en diferentes condiciones de trabajo, los trabajadores experimentados a menudo pueden distinguir y diagnosticar. En el futuro, la aparición de algunas herramientas de diagnóstico electrónico ha mejorado ligeramente este método tradicional. En la etapa de procesamiento de señales, con la innovación continua de la tecnología, se mejoró el método de detección y surgieron el método de análisis de temperatura, el método de análisis de muestras de aceite y el método de vibración, entre los cuales el método de detección de vibración es el más destacado. El método de detección de vibraciones se divide además en diagnóstico simple y diagnóstico preciso. Ambos diagnósticos requieren varios métodos de análisis de señales. El diagnóstico simple utiliza principalmente el método de análisis en el dominio del tiempo para hacer un juicio aproximado al juzgar sus diversos indicadores característicos. El método de diagnóstico de precisión es principalmente el método de análisis de espectro. El diagnóstico se completa convirtiendo la señal en el dominio de frecuencia y dibujando un diagrama de espectro para comparar su frecuencia característica. Después de eso, han surgido varios métodos para mejorar la reducción de ruido y la extracción de características, como como descomposición EMD, transformación griega de Halbert-Huang para dibujar el espectro de envolvente, descomposición de paquetes de ondículas.
3. Método de inteligencia artificial
En esta etapa, debido al gran aumento de los datos recopilados, los equipos electromecánicos han entrado en la era del big data. Al mismo tiempo, los datos de los rodamientos también han aumentado significativamente, y el método tradicional obviamente no es adecuado para esta era de fondo de "grandes datos". Por lo tanto, la detección de fallas y el diagnóstico de fallas de los rodamientos también ha entrado en la era de la inteligencia artificial basada en big data.