Resumen de Vibration-based bearing fault diagnosis using relevant multi-domain features and hierarchical stochastics classification

Mauricio Holguín Londoño, Germán Andrés Holguín Londoño, Carlos Alberto Ramírez Vanegas

• español

  Los rodamientos instalados en los motores eléctricos industriales, son actualmente la fuente principal de modos de fallos que afectan el consumo energético mundial. Debido a que la demanda energética de la denominada industria ligera solo crece, es crítica la exigencia por mantenimiento efectivo en motores. Una administración adecuada del ciclo de vida de estos activos debe enfrentar el estudio de la vida útil, entregando información eficiente sobre locación y severidad de los diferentes estados de salud, y usando señales de vibración desde los rodamientos con análisis enfocados en características de los dominios del tiempo, la frecuencia y del tiempo-frecuencia. Estos dominios se caracterizan por sus propios beneficios, así como por sus deficiencias, siendo así que la mayoría de los estudios actuales se enfocan solo en uno de estos dominios de análisis. Este documento estudia un posible conjunto sub-relevante de características que favorezca la separabilidad entre clases y severidades para luego realizar entrenamiento sobre una concatenación de HMM Jerarquizados y con el propósito de analizar múltiples condiciones de salud en rodamientos, incluyendo fallas y severidades en los siguientes elementos rodantes: bola, cara interna y cara externa. Como resultado, se observa una sustancial mejora en el diagnóstico de tipos de fallo y niveles de severidad presentes en rodamientos, y en concordancia con resultados de estudios previos donde no se reportan datos específicos para niveles de severidad.

• English

  Bearings installed in industrial electric motors, currently are constituted as the main mode of a failure affecting the global energy consumption. Since energy demand from light industry only grows, demand for effective maintenance in electric motors is critical. Proper life management of such assets focuses on the study of the useful life, delivering efficient information about location and severity of different health status, and using vibration signals from bearings with analysis approaches based on characteristics in time, frequency and time-frequency domains. These domains are characterized by its own benefits as well as its shortcomings, and thus most current works focus only on one of these analyses’ domain. This paper studies a possible sub-relevant set of features that favor separability between classes of severity levels to perform training on a concatenation of hierarchical HMM in order to analyze multiple health conditions in bearings, including faults and severities in the following rolling elements: ball, inner race, and outer race. As a result, a substantial improvement is observed in the diagnosis of fault type and severity level present in the bearings and being in concordance with previous studies where just overall process is reported.