بررسی کارایی حسگرهای نشر فرا آوایی در مطالعه‌ تخریب طبیعی یاتاقان تماس زاویه‌ای

ماشین‌های دوار در صنعت بسیار پرکاربردند و از اجزای اصلی ماشین‌های دوار یاتاقان‌ها هستند. بنابراین پایش وضعیت یاتاقان‌ها از اهمیت زیادی در صنایع برخوردار است. در این پژوهش به بررسی تخریب طبیعی یاتاقان غلتشی براساس پردازش سیگنال های نشر فرا آوایی[i] با کاربرد تبدیل موجک پرداخته شده است. به‌منظور استخراج سیگنال های نشر فرا آوایی یاتاقان از یک چیدمان آزمایشگاهی و تجهیزات داده برداری مناسب استفاده شده است. پردازش سیگنال های نشر فرا آوایی در حوزه های زمان-بسامد با استفاده از آنالیز تبدیل موجک[ii] انجام گرفته است. به‌منظور استخراج سیگنال های نشر فرا آوایی از سه حسگر متعلق به شرکت pac با نام های pico، wsα و r6α استفاده شده و کارایی آنها با هم مورد مقایسه قرار گرفته است. نتایج نشان داد که روش نشر فرا آوایی روشی کارا برای تخمین تخریب طبیعی یاتاقان است. مقایسه مقادیر نسبت انرژی به آنتروپی شانون برای 53 موجک مادر بررسی شده نشان می دهد که موجک مادر بیور 1/3[iii] دارای بیشترین نسبت انرژی به آنتروپی شانون است و به‌عنوان بهترین موجک مادر انتخاب می شود. همچنین بررسی کارایی سه حسگر نشان داد که هر سه حسگر مورد استفاده برای بررسی تخریب طبیعی یاتاقان مناسب هستند، بااین‌حال حسگر pico امتیاز بالاتری را کسب کرد. 

investigating the effectiveness of acoustic emission sensors in the study of natural degradation of angular contact bearings

in this study, the application of wavelet transform in the natural degradation of roller bearings based on the processing of acoustic emission signals has been investigated. in order to extract the bearing acoustic emission signals, a suitable laboratory arrangement and data collection equipment was used. the processing of acoustic emission signals in time-frequency domains was performed using wavelet transform analysis. in order to capturing the acoustic emission signals, three sensors namely pico, r6α and wsα were applied. the results showed that the acoustic emission method is an efficient method for estimating the bearing natural degradation. in this study, to select the mother wavelet, the method of comparing the ratio of energy to converted signal entropy was used. comparison of energy versus entropy for the 53 mother wavelets studied shows that the bior 3.1 mother wavelet has the highest energy to shannon entropy ratio and is selected as the best mother wavelet. also, the performance analysis of the three sensors showed that all three sensors used are suitable for investigating the natural degradation of the bearing, however, the pico sensor scored higher.