حذف نویز از سیگنال‌های ارتعاشی ماشین‌های دوّار به کمک تبدیل موجک تجربی و روش‌های رایج آستانه‌گذاری

در این مقاله، روش جدیدی برای حذف نویز سیگنال‌های ارتعاشی اکتساب شده از ماشین‌های دوّار بر پایه‌ی تبدیل موجک تجربی و آستانه‌گذاری نرم ارائه شده است. تبدیل موجک تجربی روش جدیدی است که هر سیگنال را بر اساس اطلاعات فرکانسی‌اش به مولفه های تشکیل دهنده‌ی آن که مود تجربی نامیده می‌شوند، تجزیه می‌کند. پس از تجزیه هر سیگنال، روش آستانه‌گذاری نرم به هر کدام از مولفه‌های حاصل از تجزیه اعمال شده و سیگنال بی‌نویز شده بازسازی می‌شود. برای ارزیابی روش حذف نویز پیشنهادی در این مطالعه، از این تکنیک برای عیب‌یابی یاتاقان‌ها استفاده شده است. برای این منظور، فاکتور کشیدگی و طیف پوش هر سیگنال بی‌نویز شده به ترتیب برای شناسایی حضور عیب و تشخیص نوع عیب محاسبه شده‌اند. نتایج نشان می‌دهند که روش پیشنهادی کیفیت سیگنال‌های ارتعاشی را به گونه‌ای افزایش می‌دهد که فاکتور کشیدگی به دست آمده به حضور عیوب موجود در رینگ‌های داخلی و خارجی حساس‌تر می‌باشد. از طرف دیگر، با مشاهده‌ی فرکانس‌های پدیدار شده در طیف پوش سیگنال‌های بی‌نویز شده توسط روش تبدیل موجک تجربی می‌توان نوع عیب را به خوبی تشخیص داد. نتایج نشان می‌دهند که رویکرد بی‌نویزسازی به کمک تبدیل موجک تجربی برتر از روش بی‌نویزسازی تجزیه مود تجربی در فرآیند عیب‌یابی ماشین‌های دوّار می‌باشد.

Noise Removal from the Vibration Signals of the Rotating Machinery Using the Empirical Wavelet Transform and the Conventional Thresholding Methods

In this paper, a new method is presented for removing the noise from the vibration signals of the rotating machinery based on the empirical wavelet transform (EWT) and the soft thresholding function. The EWT is a new signal processing method that decomposes each signal into its constituent components based on its frequency information. After decomposing each signal, the soft thresholding method is performed to empirical modes and the denoised signal is reconstructed. For evaluating the proposed denoising approach, this technique is used for detecting the bearing fault. For this purpose, the kurtosis factor and the envelope spectrum of each denoised signal are calculated for detecting the presence of fault and diagnosing the fault type, respectively. The results illustrate that the proposed technique increases the quality of the vibration signals so that the obtained kurtosis value is more sensitive to the presence of fault in the inner ring and the outer ring. On the other hand, the type of fault is diagnosed by observing the appeared frequencies in the envelope spectrum of signals denoised with EWT. The results show that the EWTbased denoising approach is superior to the empirical mode decompositionbased denoising method in the rotating machinery fault diagnosis procedure.