سید مسعود شمس موسوی ^(١) ، جواد پشتان ^(٢)

آزمایشگاه ANVC/FDI ساختمان شماره ۲ دانشکده برق دانشگاه علم و صنعت ایران

آدرس ایمیل جهت جلوگیری از رباتهای هرزنامه محافظت شده اند، جهت مشاهده آنها شما نیاز به فعال ساختن جاوا اسكریپت دارید

چکیده

بی تردید یاتاقانها یکی از اجزاء بسیار پر کاربرد در صنعت هستند. بدلیل کار پیوسته و مداوم، این اجزاء استعداد زیادی در جهت خرابی دارند. در این مقاله سعی شده است که انواع روشهای تشخیص عیب یاتاقانها به صورت کلی مورد بررسی قرار بگیرند. روشهایی چون آنالیز ارتعاشات بدنه، سیگنالهای صوتی، و سیگنالهای الکتریکی منبع تغذیه موتورها بررسی شده است. با استفاده از اینگونه روشها می توان امکان برنامه ریزی دقیق تعمیرات پیشگویانه را برای بخش نت مهیا کرد. مخصوصًا روش آنالیز سیگنالهای الکتریکی منبع تغذیه می تواند با هزینه و صرف وقت کمتر نسبت به سایر روشها کمک شایان توجهی را به تعمیرات پیشگویانه بخش نگهداری و تعمیرات (نت) نماید. هدف این مقاله ارائه روشهای پایه ای برنامه ریزی تعمیرات پیشگوانه در یک مورد خاص همچون یاتاقانها است.

واژه های کلیدی:تشخیص عیب- یاتاقان- تعمیرات پیشگویانه.

١- مقدمه

در بیشتر مواقع اتفاق می افتد که دستگاهها به صورت تکراری دچار خرابی می شوند، مثلا یاتاقانهای دستگاهی هر شش ماه یک بار خراب می شود و این وضعیت همیشگی بوده و مورد پذیرش کارخانه واقع شده، و طبیعی تلقی می شود. چنین مسائلی که مکررًا اتفاق می افتد مانند کوتاهی عمر یاتاقانها ، خرابی مکرر واشرها ، وجود ترکهای سازه ای و ... معمولا نشانگر وجود مسائل جدی تری است. اما در عمل بخش تعمیرات اقدام به تعمیر دستگاه مورد نظر کرده و برخورد جدی با علل و ریشه های خرابی نمیکند. آنالیز منابع و علل خرابی عبارتند از کاربرد مجموعه ای از ابزارهای تحلیلی پیشرفته و مجهز به منطق مهندسی برای شناسایی و اصلاح ریشه ها و علل خرابی دستگاهها. اجرای کامل این تکنولوژی موجب صرفه جویی قابل ملاحظه ای برای کارخانه ها خواهد شد[١] .

یاتاقانها استعداد زیادی در جهت خرابی دارند، این امر به خاطر کار پیوسته و مداوم این المانها است. این استعداد تا حدی است که به یاتاقانها بعنوان اجزاء مصرفی یک دستگاه نگریسته می شود. برای دستگاهای کوچک و غیر کلیدی تا حدی خرابی متناوب یاتاقانها در زمانهای مشخص از طرف بخش نت یک کارخانه پذیرفتنی است، ولی در دستگاهها و ماشین آلات بزرگ و کلیدی، جاییکه که امکان دارد خرابی یک موتور باعث ازکارافتادگی خط یک محصول یا یک بخش از نیروگاه و عواقب دیگر شود، به دلایلی چون جلوگیری از هزینه بالای تعویض غیر ضروری، ازکارافتادن غیر ضروری یا اتفاقی یک قسمت، و همچنین امکان برنامه ریزی برای تعمیرات پیشگویانه، تشخیص عیب یاتاقانها به صورت بهنگام یا دوره ای میتواند در صرفه جویی در وقت و هزینه نقش بسزایی را ایفا کند.

کارکرد مناسب بیشتر ماشینها و دستگاههای صنعتی به طور قابل ملاحظه ای به حرکت هموار و یکنواخت یاتاقانها بستگی دارد. در کاربردهای صنعتی یاتاقانها به عنوان اجزاء مکانیکی بحرانی شناخته می شوند و یک عیب اولیه در این اجزاء اگر به موقع تشخیص داده نشود به از کار افتادگی کلی دستگاه منجر می شود و امکان دارد بعضی مواقع باعث یک خرابی فاجعه بار در ماشین شود. عیوب یاتاقانها امکان دارد در هنگام استفاده یا در هنگام فرآیند ساخت آنها ایجاد شود و تشخیص این عیوب برای مانیتورینگ وضعیت و نیز برای بالا بردن کیفیت بازرسی یاتاقانها بسیار مهم است[٢] .

در این مقاله سعی شده است که انواع روشهای تشخیص عیب یاتاقانها به صورت کلی مورد بررسی قرار بگیرند. در بخش دو این مقاله انواع اندازه گیریهای که حاوی اطلاعاتی در رابطه عیوب هستند معرفی می شوند. این اندازه گیریها نیازمند پردازشهایی در حوزه زمان و فرکانس هستند، این روشهای پردازش سیگنال در بخش ٣ مورد بررسی قرار گرفته اند. در بخش ٤ هم نتیجه گرفته شده از مطالب ارائه شده است.

٢- انواع اندازه گیریهای حاوی اطلاعات درباره عیوب یاتاقانها

• سیگنالهای مختلفی برای برای تشخیص و آشکارسازی استفاده می شود. به طورکلی می توان آنها را بصورت زیر بیان کرد:
• اندازه گیری ارتعاشات
• اندازه گیری صوتی
• اندازه گیری سیگنالهای الکتریکی منبع تغذیه در موتورها
• اندازه گیری خورده ریزهای فرسایشی
• اندازه گیری حرارتی

در این میان اندازه گیری ارتعاشات به طور گسترده تری مورد استفاده قرار می گیرد. از لحاظ ارزانی و سادگی نصب سنسور اندازه گیری جریان نسبت به روشهای دیگر برتری دارد. اندازه گیریهای حرارتی و خورده ریزهای فرسایشی به علت هزینه زیاد نسبت به عملکردشان مورد بررسی این مقاله قرار نگرفته است.

٢-١- اندازه گیری ارتعاشی

یاتاقانها در دستگاههای مختلف به عنوان تولید کننده نویز عمل می کنند، خواه سالم باشند، خواه در آنها عیب وجود داشته باشد. یاتاقانهای غلتشی که بار آنها به صورت شعاعی است حتی اگر از لحاظ هندسی دارای عیب خاصی نباشند تولید ارتعاشات می کنند. علت این امر آنست که برای حمل بار از تعداد المانهای محدودی استفاده می کند. تعداد المانهای غلتشی و موقعیت آنها در ناحیه بار با چرخش یاتاقانها تغییر می کند و این امر منجر به تغییرات پریودیکی در سفتی اجزاء یاتاقانها می شود، واین تغییرات سفتی موجب تولید ارتعاشات می شود، که با نام ارتعاشات تغییرات مطلوبیت ^٣ از آن یاد می شود [٢]

تقابل عیوب در یاتاقانهای غلتشی وقتی كه عیوب با المان مجاور خود اصابت می كنند به تولید پالسهای ارتعاشی با مدت زمان كوتاه می انجامد(شکل ١). این پالسها فركانس طبیعی المانهای یاتاقان و ساختار محفظه را تحریك می كند، و موجب افزایش انرژی ارتعاشی در این فركانسها می شود. فركانس رزنانس هر المان یاتاقان به تنهایی قابل محاسبه است، در حالیكه ارزیابی اینكه چطور رزنانس اجزاء روی یاتاقان و نصب آن روی محفظه تأثیر می گذارد مشكل است. نشان داده شده است كه رزنانس اجزاء تأثیر كمی از این مسئله می گیرند. فركانسهای طبیعی این اجزاء معمولا بالاتر ۵kHz هستند[٢] .

از طرف دیگر هر المان یاتاقان دارای یك مشخصه فركانسی چرخشی است، كه در صورت وجود یك عیب روی این المان یك افزایش انرژی ارتعاشات در مشخصه فركانسی چرخشی آن خواهیم داشت. این مشخصه فركانسی عیب از طریق ملاحظات سینماتیك یعنی هندسه یاتاقان و سرعت چرخش آن قابل محاسبه است. برای یک یاتاقان با رینگ خارجی ثابت و رینگ داخلی در حال گردش با فرکانس F_S این مشخصه های فرکانسی از رابطه های نشان داده شده در شکل ٢ قابل محاسبه هستند [٢] ، [٣] :

d قطر المانهای غلتشی،D قطر گام ،N تعداد المانهای غلتشی و α زاویه تماس است.

همانطور که مشاهده می شود برای محاسبه دقیق فرکانسهای عیوب مختلف احتیاج به اطلاعات دقیقی از ساختار موتور داریم. دربعضی مراجع روابط زیر برای محاسبه فرکانسهای عیب رینگ داخلی و خارجی یاتاقانهای با ٦ و ١٢ عدد المان غلتشی آورده شده است كه احتیاجی به ابعاد هندسی یاتاقان ندارد [٤] :

برای سرعتهای معمولی فركانسهای عیوب در رنج فركانسهای پایین ظاهر می شوند، این فركانسها معمولا پایین تر از ۵۰۰Hz است و در عمل این فركانسها امكان دارد به دلیل لغزش در المانهای غلتشی كمی از مقدار محاسبه شده آنها متفاوت باشد. بسیاری از پژوهشگران گزارشاتی مبنی بر موفقیت تشخیص عیب یاتاقانها به كمك شناسایی این فركانسها ارائه كرده اند.

از نكات قابل بحث در این مورد می توان به وجود باندهای كناری ^٤ فركانسهای مشخصه عیب اشاره كرد. این باندهای كناری فركانسهایی در اطراف مشخصه فركانسی عیوب هستند كه در شكل ٣ نشان داده شده اند.

باندهای كناری به خاطر تغییرات زمانی موقعیت عیب نسبت به سنسور اندازه گیر ارتعاشات به وجود می آیند.گذشته از این باندهای كناری كه كار تشخیص عیب را با مشكل مواجه می كند، وجود نویز و ارتعاشات منابع دیگر نیز این كار را با مشكل مواجه می كند، مگر مواقعی كه عیب به اندازه كافی بزرگ باشد[١]. سنسورهای مختلفی برای اندازه گیری ارتعاشات موجود است، مرجع [٥] انواع این سنسورها را بررسی کرده است.

٢-٢- اندازه گیری صوتی

انتشار صوتی^٥ (AE) پدیده تولید موج گذرای ارتجاعی ناشی از تخلیه سریع انرژی به دلیل دگرگونی ساختار یک فلز جامد تحت فشارهای مکانیکی یا حرارتی است. تولید و گسترش یک ترک ناشی از تغییر شکل یکی از عمده منابع نشر صوتی است. به همین دلیل نشر صوتی یکی از ابزار مهم برای کنترل وضعیت از طریق آزمایشهای غیر مخرب است. تجهیزات اندازه گیری نشر صوتی شامل یک مبدل، معمولا ً پیزو الکتریک، یک پیش تقویت کننده و یک بخش پردازش سیگنال است. از مبدلهایی برای اندازه گیری این سیگنالها استفاده می شود که دارای فرکانس طبیعی خیلی بالا و پاسخ رزنانسی هستند. پهنای باند این سیگنال نیز بوسیله استفاده از یک فیلتر مناسب در پیش تقویت کننده کنترل می شود. یکی از عمومی ترین پارامترهای قابل اندازه گیری از سیگنال نشر آکوستیکی تعداد نوسانات ، رویدادها و بالاترین دامنه سیگنال است. این پارامترها در شکل ٤ نشان داده شده اند.

تعداد پالسها شامل شمارش تعداد دفعاتی است كه دامنه سیگنال از یك سطح تعریف شده ولتاژ بالاتر می رود. یك رویداد شامل یك گروه از پالسها می شود و بر یك موج گذرا دلالت دارد. اندازه گیری بالاترین دامنه و تعداد پالسها برای تشخیص عیوب بلبرینگهای زیر بار شعاعی با سرعت پایین یا متوسط استفاده می شود. توزیع رویدادها و بالاترین دامنه برای بازرسی كیفیت یاتاقان و تشخیص یاتاقان نو از كهنه مورد استفاده قرار می گیرد. از اندازه گیری ناحیه زیر نمودار زمانی نیز برای تشخیص عیب یاتاقانهای با المان غلتشی استفاده شده است[١] .

٢-٣- اندازه گیری سیگنالهای الکتریکی منبع تغذیه در موتورها

اندازه گیری جریان: ماشینهای القائی به صورت گسترده در صنعت مورد استفاده قرار می گیرند. اعتماد زیاد صنعت به این ماشینها و استفاده از آنها در کاربردهای بحرانی باعث شده است که خرابی فاجعه بار اینگونه موتورها اثرات گرانقیمت و پرخرجی را به دنبال داشته باشد. بهمین دلیل قسمت عمده ای از مطالعات عیب یابی بر روی نگهداری و تعمیرات پیشگیرانه این موتورها متمرکز شده است. آنالیز مشخصه های سیگنال جریان موتور ^٦ MCSA یک راه غیرمخرب را برای تشخیص سلامت موتور ارائه می کند [٦] .

روش کار به این صورت که سیگنال حالت گذرا یا ماندگار جریان موتور توسط تکنیکهایی مانند تبدیل موجک [٦]، تبدیل فوریه سریع[٤]، و روشهای دیگر [٨] مورد بررسی قرار می گیرد. این تکنیکها مشخصه ها مربوط به عیوب مختلف که به روشهای تجربی یا تحلیلی قابل شناسایی است را از سیگنال جریان استخراج می کنند[٩] ، [٧]

ارتباط میان عیب موجود در یاتاقانها با سیگنال جریان از ارتباط بین ارتعاشات و فاصله هوایی ناشی می شود. به این صورت که ارتعاشات ناشی از عیوب مختلف موجود در یاتاقانها بر روی فاصله هوایی تأثیر می گذارد و آن را از حالت یکنواختی خارج می سازد.همین امر موجب غیر یکنواختی شار عبور کننده از فاصله هوایی می شود [٤] ، [٦] ، و این امر نیز جریان موتور را تحت تأثیر قرار م یدهد.

با توجه به مطالب گفته بخش ٢-٢ فرکانسهای ارتعاشی ناشی از عیوب مختلف براساس ابعاد هندسی یاتاقانها قابل محاسبه است.اگر مشخصه های ارتعاشی عیوب را با f_υ نمایش دهیم، فرکانسهای مشخصه جریان ناشی از این عیوب به صورت زیر آشکار می شوند.در حالیکه m =1,2,Λ و f_s فرکانس منبع تغذیه موتور است.

اندازه گیری توان لحظه ای: در این روش بجای سیگنال جریان، سیگنال توان لحظه ای موتور بعنوان یک واسط برای آنالیز مشخصه های موتور در جهت تشخیص عیبهای مکانیکی استفاده می شود. نشان داده شده است مقدار اطلاعات موجود درسیگنال توان، که حاصل ضرب سیگنال جریان در سیگنال ولتاژ استاتور است، بیشتر از اطلاعاتی است که از سیگنال جریان قابل استنباط است. در واقع، علاوه بر هارمونیک اصلی و دو باند کناری آن، طیف توان لحظه ای شامل یک جزء اضافه در فرکانس مدوله کننده سیگنال ناشی از عیوب است، به صورت زیر:

در حالیکه p توان لحظه ای، M شاخص مدولاسیون، V_LL مقدار مؤثر ولتاژ خط به خط ، I_L جریان خط ، ω فرکانس منبع و ω_osc فرکانس مدوله کننده یا همان فرکانس مشخصه عیب است[٧]. همانطور که ملاحظه می شود برای اندازه گیری سیگنال جریان به یک سنسور ولتاژ علاوه بر آن چیزی که در روش اندازه گیری جریان استفاده می کردیم احتیاج است، ولی در عوض تشخیص عیب با دقت بیشتری انجام می شود.

٣- انواع تکنیکهای پردازش سیگنال برای تشخیص عیب یاتاقانها

چندین روش مختلف برای آنالیز سیگنالهای ارتعاشی، آكوستیكی و جریان وجود دارد كه این تكنیكها خیلی از هم مستقل نیستند و بعضًا در بسیاری از موارد تكمیل كننده یكدیگر هستند[٢]. در حالت کلی این روشها را می توان به روشهای زمانی و فرکانسی تقسیم کرد. روشهای زمانی هم اکنون در صنعت در مواردی که احتیاج به جایابی عیب به صورت دقیق نیست استفاده عمومی دارند. درعوض از روشهای فرکانسی بیشتر در مواردی استفاده می شود که به دقت و حساسیت بیشتر نیاز است .

٣-١- دیدگاه حوزه زمان

:(RMS) ریشه میانگین مربعات (RMS) : ساده ترین روشی که در حوزه زمان مطرح می شود اندازه گیری كلی سطح (RMS) ریشه میانگین مربعات و یا بدست آوردن فاكتوری با نام كرست فكتور است، كه این فاكتور نسبت پیك مقدار سیگنال شتاب به مقدار RMS شتاب است. این روش با موفقیتهای محدود برای تشخیص عیبهای محلی مورد استفاده قرار گرفته است. همچنین بعضی پارامترهای ایستا از قبیل چگالی احتمال و كورتسیس برای تشخیص عیب یاتاقانها استفاده شده است. بدین صورت كه چگالی احتمالات شتاب یك یاتاقان در شرایط سلامت دارای توزیع گوسی است، در صورتی كه یك یاتاقان آسیب دیده یك توزیع غیر گوسی با دنباله برجسته دارد، كه این امر به واسطه افزایش نسبی در تعداد سطوح بالای شتاب است. ولی در این مورد باید ذكر شود كه برای بعضی از عیوب یاتاقانها توزیع شبه گوسی نیز گزارش شده است[٢] .

گشتاورهای ایستا: به جای مطالعه نمودارهای چگالی احتمالات اغلب به كارگیری گشتاورهای ایستا اطلاعات بیشتری را در اختیار ما قرار می دهد. گشتاورهای ایستا به صورت زیر تعریف می شوند:

كه (P(x تابع چگالی احتمال دامنه لحظه ای x است.گشتاورهای اول و دوم به عنوان مقادیر میانگین و واریانس شناخته می شوند. گشتاور نرمالیزه شده نسبت به مكعب انحراف استاندارد بعنوان ضریب عدم تقارن ^٧ شناخته می شود. گشتاور نرمالیره شده نسبت به توان چهارم انحراف استاندارد بسیار مفید است و گشتاور كورتسیس نامیده می شود و با رابطه زیر بیان می شود:

كه x مقدار میانگین سیگنال است. برای سیگنال دریافتی از یك یاتاقان آسیب ندیده و سالم با توزیع گوسی این مقدار به عدد ٣ محدود می شود، و مقدار بالاتر از ٣ به تنهایی می تواند نشا ن دهنده وقوع عیب در یاتاقان باشد. این در حالی است كه اعمال این روش نیازی به اطلاعاتی درباره سابقه و پیشینه یاتاقان ندارد، و این یك مزیت استفاده از این روش است. یك عیب این روش آنست كه مقدار كورتسیس سیگنال دریافتی از یك یاتاقان با پیشرفت زیاد عیب دوباره به سمت عدد ٣ نزدیك می شود. روش استفاده از كورتسیس یك روش خیلی عمومی در صنعت است [١] .

٣-٢- دیدگاه حوزه فرکانس

تحلیل حوزه فركانس یا آنالیز طیف سیگنال روشی است كه بیشترین استفاده را در تشخیص عیب یاتاقانها دارد.

روش تبدیل فوریه سریع: نخستین و سنتی ترین روش پردازش سیگنال در حوزه فرکانس، استفاده از تبدیل فوریه گسسته برای محاسبه طیف فرکانسی سیگنال است. این تبدیل در نرم افزارهای مختلفی مانند MATLAB به صورت یک دستور ساده موجود می باشد. بعد از محاسبه طیف، فرکانسهای مشخصه عیب شناسایی می شوند و دامنه آنها با مقدار اولیه دامنه این فرکانسها در طیف سیگنال بدست آمده از یاتاقان مقایسه می شود و از روی آن وقوع عیب را تشخیص می دهند.

البته بدست آوردن یك پیك مشخص در فركانسهای عیب در طیف مستقیم از سیگنال بدست آمده از یاتاقان معیوب مشكل است، و این به خاطر واقعیت وجود نویز و ارتعاشات منابع دیگر بجز یاتاقان است مگر اینكه عیب به اندازه كافی بزرگ باشد. در نتیجه این روش فقط در مواقعی كه عیب به اندازه كافی بزرگ باشد مورد استفاده قرار می گیرد[٢] .

مشکل دیگر در این روش عدم توانایی تبدیل فوریه سریع در محاسبه طیف فرکانسی سیگنالهای غیر ایستا است، چون در واقع این تبدیل فقط برای سیگنالهای ایستا کاربرد دارد، حال آنکه بیشتر سیگنالهای دریافتی از یاتاقانها غیر ایستا هستند و به عواملی چون بار، دما، ولتاژ منبع تغذیه (در موتورهای القایی)، و غیره بستگی دارند. در شکل ٥ مقایسه ای میان تبدیل فوریه سیگنال جریان یک موتور القایی دارای یاتاقانهای سالم در حالت ایستا و غیر ایستا انجام شده است. نمودار بالایی طیف سیگنال غیر ایستا ناشی از تغییرات سرعت موتور است، در حالیکه نمودار پایینی حاصل سیگنال ایستا است. با مقایسه این دو نمودار متوجه باندهای کناری حول فرکانس منبع تغذیه می شویم که این باندها کناری امکان دارد معیوب بودن یاتاقانها یا قسمتی از موتور نتیجه بدهد که نتیجه اشتباهی است.

همین مقایسه ضعف تبدیل فوریه سریع را برای سیگنالهای غیر ایستا نشان می دهد. در نتیجه تبدیل فوریه سریع در مواردی که یاتاقانها در شرایط غیر متغیر و ایستا کار می کنند و تغییراتی در شرایط کاری دما، سرعت و غیره وجود ندارد دارای استفاده مفید است و در بقیه موارد باید از روشهای دیگر که با سیگنالهای غیر ایستا هم کاربرد دارند مانند تبدیل موجک استفاده شود.

آشكارساز پوش: هنگامیكه یك عیب با المان مجاور خود برخورد می كند، یك پالس كوتاه مدت تولید می شود كه مشخصه فركانسی مربوط به محل وقوع عیب را به صورت پریودیك برانگیخته می كند. در نتیجه این رزنانس با فركانس مشخصه عیب مدولاسیون دامنه می شود. با دمدولاسیون یكی از این رزنانسها سیگنالی بدست می آید كه مشخص كننده وضعیت یاتاقان است. در عمل سیگنال بدست آمده از یك فیلتر میان گذر در نزدیكی فركانس رزنانس عبور می كند و نوسانات ناخواسته سیگنال از منابع دیگر محدود می شود. سپس این سیگنال بدست آمده از فیلتر میانگذر بوسیله یك آشكارساز با یكسو و هموار كردن سیگنال دمدولاسیون می شود. طیف پوش سیگنال در رنج فركانس پایین برای كسب مشخصه های فركانسی عیوب یاتاقان مورد تحلیل قرار می گیرد.

فرآیند استخراج طیف رزنانسی بوسیله تكنیك رزنانس فركانس بالا HFRT در شكل ٦ نشان داده شده است. این روش به طور گسترده ای مورد استفاده قرار گرفته است و بوسیله چندین مقاله توضیح داده شده است.

محدودیت این روش در آن است كه با پیشرفت خرابی امكان دارد فركانسهای عیب به وسیله بالا آمدن سطح پس زمینه طیف سیگنال مخفی شوند.

روش بردار پارک ^٨ : بردار پارک یک ارائه دو بعدی برای توصیف پدیده های سه فاز موتورهای القایی است. اگر جریانهای سه فاز موتور را با (i_a i_b i_c ) ، اجزاء بردار پارک جریان (i_d i_q ) به صورت زیر محاسبه می شود:

در شرایط ایده آل، جریان سه فاز منجر به بردار پارک با درایه های زیر می شود

i_M ماکزیمم مقدار جریان سه فاز و ω_s . فرکانس تغذیه است[٧] .

با دو روش می توان از بردار پارک برای آشکارسازی عیب استفاده کرد ، یک روش استفاده از منحنی لیساژور i_d بر حسب i_q است و روش دیگر استفاده از طیف اندازه بردار پارک است.

در روش اول ابتدا منحنی لیساژور مؤلفه های بردار پارک را بر حسب همدیگر رسم می کنیم. با توجه به رابطه (٧) چون در حالت ایده آل و سالم موتور دو مؤلفه بردار پارک سیگنالهای سینوسی هستند که اختلاف ٩٠ درجه نسبت به هم دارند، در نتیجه منحنی لیساژور آنها باید یک دایره کامل باشد. در حالیکه در حالت وجود عیب در موتور هارمونیکهایی به این مؤلفه هااضافه می شود، که دایره لیساژور آنها را مخدوش می کند. با همین استدلال می توان با مقایسه منحنی لیساژور مؤلفه های موتور با منحنی لیساژور موتور در حالت سالم به تشخیص عیب در آن پرداخت.

مشکلی که در این روش وجود دارد اینست که منحنی لیساژور مؤلفه های بردار پارک در حالت سالم بودن موتور همچنان دایره کامل نیست و تحت تأثیر عواملی چون نویز، عدم توازن ولتاژ فازها، هارمونیکهای تولید شده توسط مبدلهای ولتاژ منبع تغذیه و عدم ایده آل بودن شرایط کاری موتور، منحنی لیساژور مخدوش می شود. در نتیجه این روش برای عیوبی که وقوع آنها تأثیر آشکار روی منحنی لیساژور دارد مانند عیب عدم توازن فازها کاربرد دارد. شکل ٧ تشخیص عیب عدم توازن فازها را از روی سیگنال جریان استاتور و روش منحنی لیساژور بردار پارک نشان داده است.

اشکال دیگر این روش اینست که تشخیص عیب به صورت کیفی (از روی تغییرات منحنی) انجام می شود و تشخیص عیب در مراحل اولیه وقوع کار ساده ای نیست. مرجع [١٠] عدم توانایی این روش را برای تشخیص عیب یاتاقانهای موتور القایی گزارش داده است و استفاده از روش دوم طیف جریان پارک را که در زیر توضیح داده می شود را مؤثرتر بیان کرده است.

در روش دوم ابتدا اندازه بردار پارک محاسبه می شود و با توجه به این واقعیت که این اندازه برای موتور با وجود عیب یاتاقانها به صورت :

است، به تشخیص عیب پرداخته می شود. همانطور که ملاحظه می شود فرکانس عیوب به صورت مستقیم در اندازه بردار پارک ظاهر می شود و همچنین هامونیک اصلی جریان در این اندازه وجود ندارد. موفقیت این روش برای تشخیص عیوب دیگر مانند شکستگی میله های روتور نیز گزارش شده است[١٠] .

تبدیل موجک ^٩ : همانطور که قبلا گفته شد تبدیل فوریه یک روش بسیار مناسب برای کاربردهایست که اندازه گیری شده ایستا است و برای آنالیز سیگنالهای دارای حالت گذرا از قبیل Drift ، تغییر ناگهانی، و انحرافات فرکانسی مناسب نیست. برای غلبه بر این مسئله، در برخی مراجع پیشنهاد شده است که در هر لحظه یک قسمت از سیگنال اندازه گیری شده را در حوزه زمان برای آنالیز استفاده بشود. این تکنیک با عنوان تبدیل فوریه زمان کوتاه ^١٠ STFT یا پنجره ای معروف است. این تبدیل سیگنال را به یک تابع دو بعدی زمان فرکانس نگاشت می کند. تبدیل فوریه زمان کوتاه یک جور مقایسه ای بین دو نمای فرکانسی و زمانی یک سیگنال ارائه می کند و اطلاعاتی درباره هر کدام از آنها می دهد. البته فقط می توانیم اطلاعات را با دقت محدودی داشته باشیم ،این محدودیت دقت را اندازه پنجره انتخابی تعیین می کند. اندازه ثابت پنجره در این روش اصلی ترین مشکل این روش است[٧] .

تبدیل موجک WT با این ایده بوجود آمده است تا این مشکل را برطرف کند. در این روش پنجره ای با اندازه متغیر برای بهبود آنالیز سیگنال استفاده شده است. تبدیل موجک این امکان را در اختیار ما قرار می دهد تا بتوانیم جاییکه اطلاعات فرکانس پایین را احتیاج داریم از پنجره های عریض استفاده کنیم و جاییکه اطلاعات فرکانس بالا را نیاز داریم از پنجره های باریکتر استفاده کنیم. توانایی بهبود آنالیز محلی یکی از مشخصه های جالب تبدیل موجک است[٧] .

مزیت استفاده از تبدیل موجک برای مانیتورینگ وضعیت و تشخیص عیب در موتورهای القایی به دلیل بهبود آنالیز سیگنال جریان در حالت گذرای سیستم بیشتر خود را نشان می دهد. شکل ٨ در یک نگاه سه روش STFT ، FFT و WT را با هم مقایسه کرده است.

۴- نتیجه گیری

با توجه به مطالب بررسی شده در این مقاله مشاهده می شود که روشهای مختلفی چه از نظر سیگنال اندازه گیری شده و چه از نظر پردازش انجام شده، برای تشخیص عیب المان ساده ای مثل یاتاقان وجود دارد. این مسئله برای دستگاه ها و ماشین آلات پیچیده سخت تر خواهد شد و احتیاج به مطالعه و بررسی بیشتری دارد. در کشور ما مسئله تعمیرات پیشگویانه بخوبی جا افتاده است، ولی بنظر می رسد تفهیم جایگاه روشهای تشخیص عیب علمی میان صنعتکاران و کاخانه دارها هنوز جای کار بیشتر دارد.

---

• ^۱ دکترا کنترل، عضو هيئت علمي دانشگاه علم و صنعت ايران
• ^۲ دانشجوي کارشناسي ارشد
• ^٣ Varying compliance vibrations
• ^٤ SideBands
• ^٥ Acoutic Emission
• ^٦ Motor Current Signature Analysis
• ^٧ Skewness
• ^٨ Park's Vector Approach
• ^٩ Wavelet Transform
• ^١٠ Short-Time Fourier Transform

مراجع

[١] سیامک اسماعیل زاده، محمدرضا نسرین، و غلامحسین لیاقت، مانیتورینگ وضعیت ماشین آلات. انتشارات دانشگاه گیلان، ١٣٨٠

[۲]N. Tandon and A. Choudhury, "A review of vibration and acoustic measurement methods for the detection of defects in rolling element bearings," Tribology Int., 32 pp.469–۴۸۰,۱۹۹۹

[۳]Bo Li, MoYuen Chow, Yodyium Tipsuwan and James C. Hung, "Neural-Network-Based Motor Rolling Bearing Fault Diagnosis," IEEE Trans. Ind. Electron., vol. 47, pp.1060-1069, Oct. 2000

[4]R. R. Schoen, T. G. Habetler, F. Kamran, and R. G. Bartheld, “Motor bearing damage detection using stator current monitoring,” IEEE Trans. Ind. Applicat., vol. 31, pp. 1274-1279, Nov./Dec. 1995.

[٥] امیر اختری راد، آشکارسازی عیب بر اساس آنالیز ارتعاشات، سمینار کارشناسی ارشد مهندسی برق گرایش کنترل، دانشگاه علم و صنعت ایران، آذرماه ١٣٨٢.

[۶]Levent Eren and Michael J. Devaney, "Bearing Damage Detection via Wavelet Packet Decomposition of the Stator Current," IEEE Trans Instr. Measur. ,Vol. 53, pp 431-436, April 2004

[7]M. E. H. Benbouzid, “A review of induction motors signature analysis as a medium for faults detection,” IEEE Trans. Ind. Electron., vol. 47, pp. 984–۹۹۳, Oct. 2000.

[8]Jason R. Stack, Thomas G. Habetler and Ronald G. Harley "Bearing Fault detection via Autoregressive Stator Current Modeling," IEEE Trans. Ind. Appl. , Vol. 40, May/June 2004

[9]G.K. Singh and Sa’ad Ahmed Saleh Al Kazzaz, "Induction machine drive condition monitoring and diagnostic research -a survey," Electric Power Systems Research,64 pp.145_/158, 2003

[١٠] جعفر زارعی دودجی، "عیب یابی بلبرینگ های مو تور القایی با استفاده از آنالیز جریان استاتور و مقایسه با آنالیز ارتعاشات، پایان نامه کارشناسی ارشد مهندسی برق گرایش کنترل، دانشگاه علم و صنعت ایران، اسفند ١٣٨٣.