Reportt - FIN

B GIÁO D C VÀ ÀO TO

I HC À NNG

BÁO CÁO TNG KT

 TÀI KHOA HC VÀ CÔNG NGH CP I HC À NNG

NGHIÊN C U CHN OÁN HƯ  H  HNG H TRUYN NG BÁNH RĂNG BNG PHÂN TÍCH TÍN HIU DAO NG VÀ ÂM THANH, S  D  DNG PHƯƠ NG NG PHÁP WAVELET, WAVELET PACKET VÀ HILBERT Mã s: N2012-02-24

Ch nhim  tài: PGS.TS. Lê Cung

à Nng, 12/2012

BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC ĐÀ NẴNG

BÁO CÁO TỔNG KẾT

ĐỀ TÀI KHOA HỌC VÀ CÔNG NGHỆ CẤP ĐẠI HỌC ĐÀ NẴNG

NGHIÊN CỨU CHẨN ĐOÁN HƯ HỎNG HỎ NG HỆ TRUYỀN ĐỘNG BÁNH RĂNG BẰNG PHÂN PH ÂN TÍCH TÍN HIỆU DAO ĐỘNG VÀ ÂM THANH, SỬ DỤNG PHƯƠNG PHÁP WAVELET, WAVELET PACKET VÀ HILBERT

Mã số: Đ2012-02-24 Xác nhận của cơ quan chủ trì đề tài (ký, họ và tên, đóng dấu)

Chủ nhiệm đề tài (ký, họ và tên)

Đà Nẵng, Tháng 11/2012

ii

BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC ĐÀ NẴNG

BÁO CÁO TỔNG KẾT

ĐỀ TÀI KHOA HỌC VÀ CÔNG NGHỆ CẤP ĐẠI HỌC ĐÀ NẴNG

NGHIÊN CỨU CHẨN ĐOÁN HƯ HỎNG HỎ NG HỆ TRUYỀN ĐỘNG BÁNH RĂNG BẰNG PHÂN PH ÂN TÍCH TÍN HIỆU DAO ĐỘNG VÀ ÂM THANH, SỬ DỤNG PHƯƠNG PHÁP WAVELET, WAVELET PACKET VÀ HILBERT

Mã số: Đ2012-02-24 Xác nhận của cơ quan chủ trì đề tài (ký, họ và tên, đóng dấu)

Chủ nhiệm đề tài (ký, họ và tên)

Đà Nẵng, Tháng 11/2012

ii

DANH SÁCH THÀNH VIÊN THAM GIA ĐỀ TÀI 1) TS. Bùi Minh Hiển, Giảng viên Bộ môn Nguyên lý chi tiết máy, Khoa Sư phạm kỹ thuật, trường trường Đại học Bách khoa. 2) KS. Nguyễn Hữu Lập Trường, Phụ trách Phòng thí nghiệm Tin học Công nghiệp, Sản xuất tự động, Chương trình PFIEV, trường Đại học Bách khoa. 3) KS. Hoàng Ngọc Thiên Vũ, Học viên Cao học, ngành Công nghệ chế tạo máy, Khoa Cơ khí. 4) KS. Trần Kim Phúc, Học viên Cao học, ngành Sản xuất tự động, Chương trình PFIEV. 5) Trần Lê Ngọc Hoàng, Nguyễn Thái Sơn, Sinh viên ngành Sản xuất tự động, Chương trình PFIEV.

i

MỤC LỤC DANH SÁCH THÀNH VIÊN THAM GIA ĐỀ TÀI ................................ ...................... i MỤC LỤC ................................ ................................ ................................ ....................... ii THÔNG TIN KẾT QUẢ NGHIÊN CỨU ................................ ................................ ...... vi INFORM ATION ON RESEARCH RESULTS ................................ ........................... viii MỞ ĐẦU ................................ ................................ ................................ ......................... 1 1.

Tính cấp thiết ................................ ................................ ................................ .......... 1

2.

Mục tiêu ................................ ................................ ................................ .................. 1

3.

Cách tiếp cận, phương pháp nghiên cứu ................................ ................................ . 1

4.

Đối tượng và phạm vi nghiên cứu ................................ ................................ .......... 2

5.

Nội dung nghiên cứu ................................ ................................ ............................... 2

CHƯƠNG 1 ................................ ................................ ................................ .................... 3 TỔNG QUAN VỀ CHẨN ĐOÁN HƯ HỎNG TRONG TRUYỀN ĐỘNG BÁNH RĂNG BẰNG PHÂN TÍCH DAO ĐỘNG VÀ ÂM THANH ........................... 3 1.1. Giới thiệu ................................ ................................ ................................ ................ 3 1.2. Các hư hỏng/khuyết tật chủ yếu trong truyền động bánh răng ............................... 3 1.2.1.

Nhiệt độ trong hộp tốc độ quá cao ................................ ................................ .... 4

1.2.2.

Hộp tốc độ có tiếng ồn lạ khi hoạt động ................................ ........................... 4

1.2.3.

Tróc rỗ vì mỏi bề mặt răng ................................ ................................ ................ 4

1.2.4.

Gãy răng ................................ ................................ ................................ ............ 4

1.2.5.

Mòn răng ................................ ................................ ................................ ........... 5

1.2.6.

Dính răng ................................ ................................ ................................ ........... 6

1.2.7.

Biến dạng dẻo ................................ ................................ ................................ .... 6

1.3. Nguyên nhân gây nên dao động và âm thanh trong thiết bị, máy móc .................. 6 1.3.1.

Nguyên nhân gây nên dao động ................................ ................................ ........ 6

1.3.2.

Nguyên nhân gây nên tiếng ồn ................................ ................................ .......... 8

1.4. Kỹ thuật và phương pháp theo dõi, chẩn đoán hư hỏng trong thiết bị cơ khí ........ 9 1.5. Tình hình nghiên cứu trong và ngoài nước ................................ ........................... 10 1.6. Nhận xét và kết luận ................................ ................................ ............................. 13 CHƯƠNG 2 ................................ ................................ ................................ .................. 14 ii

CƠ SỞ LÝ THUYẾT CỦA CÁC PHƯƠNG PHÁP WAVELET, WAVELET PACKET VÀ HILBERT................................ ................................ ............................... 14 2.1. Phân tích Wavelet ................................ ................................ ................................ . 14 2.1.1.

Biến đổi Fourier ................................ ................................ .............................. 14

2.1.2.

Biến đổi Wavelet ................................ ................................ ............................. 16

2.1.2.1. Biến đổi Wavelet liên tục ................................ ................................ ................ 17 2.1.2.2. Biến đổi Wavelet rời rạc ................................ ................................ ................. 18 2.2. Phân tích Wavelet Packet ................................ ................................ ..................... 18 2.3. Phân tích Hilbert ................................ ................................ ................................ ... 20 2.4. Phân tích phối hợp giữa Wavelet Packet và Hilbert ................................ ............. 21 CHƯƠNG 3 ................................ ................................ ................................ .................. 24 MÔ HÌNH THỰC NGHIỆM THU NHẬN VÀ XỬ LÝ TÍN HIỆU ............................ 24 3.1. Sơ đồ nguyên lý hệ thống theo d õi và chẩn đoán tình trạng thiết bị .................... 24 3.2. Mô hình thiết bị thu nhận, phân tích tín hiệu âm thanh v à dao động ................... 25 3.3. Thiết bị và phần mềm thu nhận và xử lý tín hiệu ................................ ................. 26 3.3.1.

Thiết bị NI compact DAQ 9172 ................................ ................................ ...... 26

3.3.1.1. Giới thiệu ................................ ................................ ................................ ......... 26 3.3.1.2. Chức năng................................ ................................ ................................ ........ 26 3.3.1.3. Môđun được hỗ trợ ................................ ................................ .......................... 26 3.3.1.4. Phần mềm hỗ trợ ................................ ................................ ............................. 26 3.3.2.

Thiết bị NI 9233 ................................ ................................ .............................. 27

3.3.3.

Cảm biến sử dụng trong thu nhận tín hiệu dao động v à âm thanh .................. 27

3.3.3.1. Cảm biến quang ................................ ................................ ............................... 27 3.3.3.2. Cảm biến dao động ................................ ................................ .......................... 28 3.3.3.3. Micro 29 3.3.4.

Thiết bị thu nhận tín hiệu âm thanh ................................ ................................ 29

3.3.4.1. Micro kiểu màng mỏng ................................ ................................ ................... 29 3.3.4.2. Bộ tiền khuếch đại ................................ ................................ ........................... 30 3.3.4.3. Bộ khuếch đại ................................ ................................ ................................ .. 30 3.3.4.4. Cáp kết nối ................................ ................................ ................................ ...... 31 iii

3.3.5.

Phần mềm hỗ trợ ................................ ................................ ............................. 31

3.3.5.1. Phần mềm thu nhận tín hiệu ................................ ................................ ............ 31 3.3.5.2. Công cụ toán học M atlab ................................ ................................ ................ 32 3.4. Mô hình thực nghiệm ................................ ................................ ............................ 32 3.5. Phương pháp thu nhận tín hiệu ................................ ................................ ............. 33 3.6. Phần mềm xử lý tín hiệu ................................ ................................ ....................... 35 3.6.1.

Xây dựng phần mềm xử lý ................................ ................................ .............. 36

3.6.2.

Giao diện xử lý tín hiệu bằng phương pháp Wavelet ................................ ..... 36

3.6.3.

Giao diện xử lý tín hiệu bằng phương pháp Wavelet Packet .......................... 38

3.6.4.

Giao diện xử lý tín hiệu bằng phương pháp Wavelet Packet - Hilbert ........... 39

3.7. Mô phỏng hư hỏng trong bộ truyền bánh răng ................................ ..................... 39 CHƯƠNG 4 ................................ ................................ ................................ .................. 42  NHẬN DẠNG VÀ CHẨN ĐOÁN HƯ HỎNG ................................ ........................... 42 4.1. Xử lý tín hiệu dao động thực nghiệm tr ên hộp giảm tốc 1 cấp ............................ 42 4.1.1.

Thông số đặc trưng của hộp giảm tốc bánh răng một cấp .............................. 42

4.1.2.

Các dạng hỏng trong HGT và tín hiệu thu nhận ................................ ............. 42

4.1.3.

Phân tích tín hiệu dao động dùng Wavelet ................................ ...................... 45

4.1.4.

Phân tích tín hiệu âm thanh sử dụng Wavelet ................................ ................. 49

4.2. Xử lý tín hiệu dao động thực nghiệm trên hộp giảm tốc 2 cấp ............................ 50 4.2.1.

Thông số đặc trưng của hộp giám tốc bánh răng 2 cấp ................................ ... 50

4.2.2.

Các dạng hỏng trong hộp giám tốc 2 cấp ................................ ........................ 51

4.2.3.

Tín hiệu dao động thu nhận ................................ ................................ ............. 51

4.2.4.

Phân tích tín hiệu dao động sử dụng Wavelet Packet và Hilbert .................... 53

4.2.4.1. Hộp giảm tốc 2 cấp chỉ có 1 lỗi h ư hỏng tróc rỗ bánh răng ở trục ra ............. 53 4.2.4.2. Hộp giảm tốc 2 cấp có 2 lỗi h ư hỏng: gãy răng ở trục vào và tróc rỗ bánh răng ở trục ra. ................................ ................................ ................................ ............... 56 4.2.4.3. Hộp giảm tốc 2 cấp có 3 hư h ỏng: tróc rỗ bánh răng ở trục ra, gãy răng ở trục vào và tróc rỗ vòng ngoài của ổ lăn gắn trên trục ra. ................................ ......... 57 4.2.5.

Tín hiệu âm thanh thu nhận ................................ ................................ ............. 59

4.2.5.1. Hộp giảm tốc 2 cấp chỉ có 1 lỗi h ư hỏng tróc rỗ bánh răng ở trục ra ............. 59 iv

4.2.5.2. Hộp giảm tốc 2 cấp có 2 lỗi h ư hỏng: gãy răng ở trục vào và tróc rỗ  bánh răng ở trục ra. ................................ ................................ ................................ ....... 59 4.2.5.3. Hộp giảm tốc 2 cấp có 3 hư h ỏng: tróc rỗ bánh răng ở trục ra, gãy răng ở trục vào và tróc rỗ vòng ngoài của ổ lăn gắn trên trục ra. ................................ ......... 60 4.2.6.

Phân tích tín hiệu âm thanh sử dụng Wavelet Packet và Hilbert .................... 61

4.3. Nhận xét và kết luận ................................ ................................ ............................. 64 KẾT LUẬN VÀ TRIỂN VỌNG CỦA ĐỀ TÀI ................................ ........................... 65 1.

Kết luận ................................ ................................ ................................ ................. 65

2.

Triển vọng phát triển và hướng nghiên cứu tiếp tục ................................ ............. 65

TÀI LIỆU THAM KHẢO ................................ ................................ ........................... 767

v

ĐẠI HỌC ĐÀ NẴNG

CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM

TRƯỜNG ĐẠI HỌC BÁCH KHOA

Độc lập - Tự do - Hạnh phúc

THÔNG TIN KẾT QUẢ NGHIÊN CỨU 1. Thông tin chung - Tên đề tài: Nghiên cứu chẩn đoán hư hỏng hệ truyền động bánh răng bằng phân tích tín hiệu dao động và âm thanh, sử dụng phương pháp Wavelet, Wavelet Packet và Hilbert. - Mã số: Đ2012-02-24 - Chủ nhiệm: PGS. TS. Lê Cung - Thành viên tham gia: Bùi Minh Hi ển, Nguyễn Hữu Lập Trường, Hoàng Ngọc Thiên Vũ, Trần Kim Phúc, Trần Lê Ngọc Hoàng, Nguyễn Thái Sơn. - Cơ quan chủ trì: Trường Đại học Bách khoa, Đại học Đà Nẵng - Thời gian thực hiện: 01 năm (năm 2012) 2. Mục tiêu  Nghiên cứu ứng dụng các phương pháp Wavelet, Wavelet Packet và Hilbert, nhằm phân tích tín hiệu dao động và âm thanh thu được từ các hư hỏng trong hệ truyền động bánh răng, từ đó tìm ra dấu hiệu nhận dạng các hư hỏng một cách chính xác và có độ tin cậy cao. 3. Tính mới và sáng tạo Dấu hiệu thực nghiệm nhận dạng hư hỏng hệ truyền động bánh răng trong hộp giảm tốc  bằng phương pháp Wavelet, Wavelet Packet và Hilbert, thông qua tín hiệu dao động và âm thanh. 4. Tóm tắt kết quả nghiên cứu - Xây dựng phần mềm phân tích tín hiệu dao động và âm thanh sử dụng công cụ Wavelet, Wavelet Packet và phép biến đổi Hilbert. - Lắp ráp mô hình thí nghiệm thu nhận tín hiệu dao động và âm thanh trong truyền động  bánh răng một cấp và nhiều cấp; mô phỏng các dạng hỏng thực tế như gãy răng, mòn răng, tróc rỗ bề mặt răng, tróc rỗ trên ổ lăn... - Thu nhận và xử lý tín hiệu thực nghiệm, đưa ra dấu hiệu nhận dạng h ư hỏng. vi

5. Tên sản phẩm - Mô hình thu nhận tín hiệu dao động, âm thanh từ các dạng hỏng g ãy răng, tróc rỗ bề mặt răng, mòn răng trong HGT một cấp và hai cấp bánh răng. - Chương trình phân tích tín hiệu dao động và âm thanh sử dụng các phương pháp Wavelet, Wavelet Packet và Hilbert - Dấu hiện nhận dạng hư hỏng. 6. Hiệu quả, phương thức chuyển giao kết quả nghiên cứu và k hả năng áp dụng: Ứng dụng chẩn đoán hư hỏng hệ truyền động bánh răng cho dây chuyền sản xuất tự động trong các xí nghiệp có nhu cầu, phục vụ cho công tác bảo d ưỡng dự phòng. 7. Hình ảnh, sơ đồ minh họa chính  Ngày Cơ quan Chủ trì (ký, họ và tên, đóng dấu)

tháng 12 năm 2012 Chủ nhiệm đề tài (ký, họ và tên)

vii

INFORMATION ON RESEARCH RESULTS 1. General information Project title: Investigation on the diagnosis of gearing transmission defects via vibration and acoustic signals, using Wavelet, Wavelet Packet and Hilbert methods. Code number: Đ2012-02-24 Project Leader: Prof. Assoc. LE Cung. Coordinator: BUI Minh Hien, NGUYEN HUU Lap Truong, HOANG NGOC Thien Vu, TRAN Kim Phuc, TRAN LE Ngoc Hoang, NGUY EN Thai Son. Implementing institution: Danang University – University of Science and Technology. Duration: From January 2012 to December 2012. 2. Objective(s) Investigation and application of Wavelet, Wavelet Packet, Hilbert methods in order to analyse vibration and acoustic signals, issued from gearing defects in gear reducers, and finding out the signs for exact and reliable identification of the defects. 3. Creativeness and innovativeness Experimental signs for identifying gearing transmission defects, via vibration and acoustic signals, using Wavelet, Wavelet Packet and Hilbert methods. 4. Research results - Software for analysis of vibration and acoustic signals, using Wavelet, Wavelet Packet methods and Hilbert transform. - Test rig of gear reducers for acquisition of vibration and acoustic signals; models of real gearing defects such as gear pitting, broken teeth and gear w ear,… - Signs for identification of gearing defects in gear reducers via vibration and acoustic signals. 5. Products: - Test rig of gear reducers for acquisition of vibration and acoustic signals fron gearing defects: gear pitting, broken teeth, gear wear… - Software for analysis of vibration and acoustic signals, using Wavelet, Wavelet Packet methods and Hilbert transform. viii

- Signs for identification of gearing defects in gear reducer via vibration and acoustic signals. 6. Effects, transfer alternatives of reserach results and applicability: Application to diagnosis of gearing transmission defects in production line, for preventive maintenance.

ix

MỞ ĐẦU 1. Tính cấp thiết Việc theo dõi, phát hiện và chẩn đoán hư hỏng sớm của các phần tử cơ khí như bộ truyền  bánh răng, ổ lăn... là một nhu cầu thực tế hiện nay trên các dây chuyền sản xuất tự động, nhằm chẩn đoán sớm các hư hỏng, góp p hần vào công tác bảo dưỡng dự phòng ha y kiểm tra, đánh giá tình trạng hoạt động của thiết bị, kịp thời xử lý hư hỏng, tránh các sự cố đáng tiếc xảy ra gây đình trệ sản xuất. Các phương pháp được sử dụng thông dụng hiện nay trong chẩn đoán hư hỏng cơ khí trên thực tế bao gồm: phương pháp Kurtosis, phương pháp phân tích phổ FFT, phương pháp phát hiện hình bao, phương pháp ph ổ loga (cepstrum),... Tín hiệu đ ược sử dụng trong chẩn đoán l à tín hiệu dao động nhận được từ các hệ truyền động cơ khí có các hư hỏng. Tuy nhiên, tín hiệu nhận được từ các hệ truyền động bánh răng thường chứa nhiều thành  phần tần số, đôi khi các tần số thay đổi theo thời gian, đôi khi các tín hiệu nhận được là không dừng. Chính vì vậy, việc nghiên cứu ứng dụng các công cụ mạnh như phương pháp Wavelet, Wavelet Packet và Hilbert là hết sức cần thiết, chúng cho phép phân tích tín hiệu và nhận dạng chính xác với độ tin cậy cao các h ư hỏng sớm trong hệ truyền động cơ khí. Bên cạnh đó, việc nhận dạng hư hỏng thông qua tín hiệu âm thanh bắt đầu được sử dụng trong những năm gần đây. Trong một số trường hợp việc thu nhận tín hiệu âm thanh thuận lợi hơn thu nhận tín hiệu dao động, đồng thời việc phân tích tín hiệu âm thanh kết hợp với  phân tích tín hiệu dao động cho phép nhận dạng chính xác các hư hỏng trong truyền động  bánh răng.

2. Mục tiêu  Nghiên cứu ứng dụng các phương pháp Wavelet, Wavelet Packet và Hilbert, nhằm phân tích tín hiệu dao động và âm thanh thu được từ các hư hỏng trong hệ truyền động bánh răng, từ đó tìm ra dấu hiệu nhận dạng các hư hỏng một cách chính xác và có độ tin cậy cao.

3. Cách tiếp cận, phương pháp nghiên cứu a) Cách tiếp cận - Nghiên cứu lý thuyết về các phương pháp xử lý tín hiệu dao động âm thanh nhằm xây dựng phần mềm xử lý tín hiệu.

1

- Nghiên cứu thực nghiệm bằng cách xây dựng các dạng hỏng: tróc rỗ, gãy răng, mòn răng trên mô hình thực nghiệm. b) Phương pháp nghiên cứu  Nghiên cứu lý thuyết kết hợp với thực nghiệm, nhằm tìm ra các dấu hiệu chẩn đoán sớm các hư hỏng.

4. Đối tượng và phạm vi nghiên cứu a) Đối tượng nghiên cứu - Các phương pháp Wavelet, Wavelet Packet và phép biến đổi Hilbert. - Tín hiệu âm thanh và tín hiệu dao động. b) Phạm vi nghiên cứu Các dạng hỏng như tróc rỗ, mòn răng, gãy răng… trong hộp giảm tốc bánh răng một cấp và nhiều cấp.

5. Nội dung nghiên cứu - Nghiên cứu về lý thuyết các phương pháp Wavelet, Wavelet Packet, phép biến đổi Hilbert và các ứng dụng của chúng trong xử lý tín hiệu dao động và âm thanh . - Nghiên cứu thuật toán xử lý tín hiệu bằng phương pháp Wavelet, Wavelet Packet, phép  biến đổi Hilbert. - Xây dựng phần mềm phân tích tín hiệu dao động và âm thanh sử dụng các công cụ nêu trên. - Lắp ráp mô hình thí nghiệm thu nhận tín hiệu dao động và âm thanh trong truyền động  bánh răng một cấp và nhiều cấp; mô phỏng các dạng hỏng thực tế như gãy răng, mòn răng, tróc rỗ bề mặt răng, tróc rỗ trên rãnh lăn trong ổ lăn. - Thu nhận và xử lý tín hiệu thực nghiệm nhằm nhận dạng các h ư hỏng nêu trên.

2

CHƯƠNG 1 TỔNG QUAN VỀ CHẨN ĐOÁN HƯ HỎNG TRONG TRUYỀN ĐỘNG BÁNH RĂNG BẰNG PHÂN TÍCH DAO ĐỘNG VÀ ÂM THANH 1.1. Giới thiệu Trong quá trình vận hành các thiết bị, máy móc, công tác bảo dưỡng là một nhiệm vụ quan trọng, bảo đảm thiết bị, máy móc hoạt động an toàn và hiệu quả. Trong công tác này, việc phát hiện và chẩn đoán các dấu hiệu hư hỏng để kịp thời thay thế, sửa chữa là rất cần thiết. Chính vì vậy, việc nghiên cứu chẩn đoán các hư hỏng trong thiết bị, máy móc được nhiều nhà nghiên cứu trong và ngoài nước quan tâm. Truyền động bánh răng là truyền động được sử dụng phổ biến trong các thiết bị cơ khí. Trong quá trình làm việc, hư hỏng của các phần tử cơ khí như ổ lăn, bộ truyền bánh răng, bộ truyền xích,… phát ra các tín hiệu dao động hay âm thanh có các tần số khác nhau, tương ứng với các hư hỏng. Dựa vào việc phân tích các tần số phát ra từ các phần tử cơ khí, khi máy móc hoạt động, người ta có thể phát hiện và chẩn đoán tình trạng hoạt động của các  phần tử cơ khí cũng như máy móc, thiết bị. Tuy nhiên, việc nghiên cứu chẩn đoán chính xác với độ tin cậy cao các hư hỏng vẫn còn nhiều vấn đề khó khăn cần tiếp tục giải quyết và hoàn thiện. Việc nghiên cứu chẩn đoán hư hỏng thông qua phân tích tín hiệu dao động thu được từ hệ bánh răng là đối tượng nghiên cứu của nhiều công trình trong suốt thời gian dài. Trong thời gian gần đây, nhiều nghiên cứu phân tích tín hiệu âm thanh cũng được các tác giả quan tâm, và đã thu được một số kết quả khả quan.

1.2. Các hư hỏng/khuyết tật chủ yếu trong truyền động bánh răng Các hư hỏng/khuyết tật trong truyền động bánh răng được phân thành ba loại: các khuyết tật chế tạo (sai số dạng răng, độ lệch tâm của các bánh...), các khuyết tật lắp ráp (khuyết tật về độ không song song, độ không đồng trục...), và các hư hỏng xuất hiện khi làm việc (tróc rỗ bề mặt làm việc, gãy răng, mòn răng, vết nứt ở chân răng...). Các hư hỏng này có thể gây ra sai số truyền động [47] [30] và phát ra các tín hiệu dao động hay âm thanh khi thiết bị hoạt động.

3

Theo các tài liệu về chi tiết máy và truyền động cơ khí, các hư hỏng/khuyết tật chủ yếu xuất hiện khi bánh răng làm việc bao gồm:

1.2.1. Nhiệt độ trong hộp tốc độ quá cao Các nguyên nhân làm nhiệt độ trong hộp tốc độ quá cao như:

 Tải trọng quá lớn tác động lên bộ truyền; tốc độ quay của bộ truyền quá nhanh; lượng dầu bôi trơn trong hộp chưa đúng tiêu chuẩn; chất lượng dầu bôi trơn không tốt.  Độ không đồng tâm giữa các khớp nối; nhiệt độ vòng bi tăng; khe h ở hướng kính vượt quá mức cho phép, xuất hiện tiếng ồn.

 Trục dao động: do khớp nối không đồng tâm; do tính đàn hồi của khớp nối mềm; do mất cân bằng động.  Gối đỡ dao động: do quá tải, hay tốc độ vận hành quá lớn; ổ lăn bị m òn, khe hở hướng kính lớn; khớp nối các trục không đồng tâm.

1.2.2. Hộp tốc độ có tiếng ồn lạ khi hoạt động  Nguyên nhân do ăn khớp bánh răng chưa đúng, khe hở ăn khớp lớn, răng bẩn và gỉ sắt, do mòn răng, gãy răng; do hộp tốc độ chưa được cố định tốt trên nền; sự mất đồng tâm của trục; chế độ bôi trơn chưa tốt.

1.2.3. Tróc rỗ vì mỏi bề mặt răng Do tác dụng của ứng suất thay đổi có chu kỳ làm xuất hiện các vết nứt tế vi vì mỏi trên  bề mặt răng và phát triển theo hướng của vận tốc trượt. Dầu tràn vào các vết nứt. Khi ăn khớp với bánh dẫn, điểm tiếp xúc di chuyển từ chân lên đến đỉnh, các vết nứt ở phần chân răng bị bịt miệng lại làm áp suất dầu trong vết nứt tăng lên, vết nứt phát triển, làm các mảnh kim loại bị bóc ra khỏi chân răng. Với bánh bị dẫn, điểm tiếp xúc di chuyển từ đỉnh đến chân răng, do đó hiện tượng tróc cũng xảy ra ở phần chân răng. Tróc thường bắt đầu ở vùng gần tâm ăn khớp về phía chân răng vì ở đây ứng suất tiếp xúc và lực ma sát có trị số lớn nhất. Đây là dạng hỏng chủ yếu đối với các bộ truyền được ngâm trong dầu, bôi trơn tốt.

1.2.4. Gãy răng Gãy răng là dạng hỏng nguy hiểm nhất, bộ truyền không tiếp tục làm việc được nữa và còn gây nguy hiểm cho các chi tiết máy lân cận. Gãy răng do nhiều nguyên nhân gây ra như

4

do ứng suất uốn gây nên trong quá trình làm việc, gãy răng vì mỏi kết cấu vật liệu, gãy răng vì tải quá lớn so với giới hạn cho phép… Do ứng suất uốn gây nên. Vết gãy thường bắt đầu từ chỗ chân răng, chỗ có góc lượn là nơi tập trung ứng suất lớn. Với bánh răng quay một chiều, vết nứt th ường xuất hiện ở các thớ chịu kéo. Răng có thể gãy do quá tải lớn hay do m õi. Gãy do quá tải lớn: răng bị gãy đột ngột dưới tác dụng của tải trọng va dập hay tải trọng tĩnh quá lớn. Gãy vì mỏi: do tác dụng lâu dài của ứng suất uốn thay đổi có chu kỳ v à có giá trị vượt quá một giá trị cho phép.

 Fig 1. 1: Tróc rỗ bề mặt răng: a) Tróc rỗ mới xuất hiện b) Tr óc lan

 Fig 1. 2: Gãy răng

Fig 1. 3: Mòn răng

1.2.5. Mòn răng Thường gặp trong các bộ truyền bôi trơn không tốt hoặc bụi bẩn, hạt kim loại rơi vào chỗ ăn khớp. Răng mòn nhiều ở đỉnh và chân răng, vì ở đó vận tốc trượt lớn. Mòn răng làm biên dạng răng bị thay đổi, tải trọng tăng lên, tiết diện răng bị giảm xuống và cuối cùng răng bị gãy.

5

 Fig 1. 4: Dính răng

Fig 1. 5: Biến dạng dẻo bề mặt răng

1.2.6. Dính răng Xảy ra nhiều nhất trong bộ truyền chịu tải quá lớn và có vận tốc cao. Tại chỗ ăn khớp, nhiệt độ sinh ra quá cao, phá vỡ m àng dầu, hai răng trực tiếp tiếp xúc với nhau. Do áp suất v à nhiệt độ cao, hai răng dính v ào nhau, những mẫu kim loại nhỏ bị bứt ra khỏi răng n ày và dính vào răng kia, làm cho b ề mặt làm việc của răng bị x ướt nhiều, biên dạng răng bị phá hỏng.

1.2.7. Biến dạng dẻo Đối với bánh răng thép có độ cứng thấp, chịu tải trọng lớn và vận tốc thấp. Tải trọng lớn làm bề mặt răng bị biến dạng dẻo. Do lực m a sát, trên răng bánh dẫn, kim loại bị đẩy về phía chân răng và đỉnh răng, còn trên bánh bị dẫn, kim loại dồn về phía giữa răng. Với mỗi dạng hỏng hóc khác nhau khi làm việc bộ truyền bánh răng sẽ phát ra tín hiệu dao động và âm thanh với tần số tương ứng. D ựa vào các tần số dao động/âm thanh phát ra từ truyền động bánh răng, người ta có thể nhận dạng được các khuyết tật. Trong nghiên cứu này, chúng tôi phân tích cả tín hiệu âm thanh và dao động để phát hiện và nhận dạng các hư hỏng sau đây: tróc rỗ, gãy răng, mòn răng.

1.3. Nguyên nhân gây nên dao động và âm thanh trong thiết bị, máy móc 1.3.1. Nguyên nhân gây nên dao động Tất cả các bất thường tác động lên một máy quay, bao gồm sự mất cân bằng, sự không đồng trục, hiện tượng xoáy của dầu, sự biến dạng của trục, khe hở quá mức hay sự tháo lỏng mối ghép ren, sự tróc rỗ của ổ lăn, các bất thường về điện từ trên stato hay rôto động cơ điện, hư hỏng của khớp nối hay trong truyền động bánh răng..., đều gây ra các dao động m à chu kỳ hay tần số lặp lại tương ứng với tần số của hiện tượng gây ra nó, nói chung các tần số này có thể được xác định bằng việc nghiên cứu động học máy. Các tín hiệu dao động xuất hiện và truyền ra gối đỡ trục hay ra bên ngoài thân máy. Tín hiệu dao động nói chung đặc trưng cho 6

tải trọng động trong bánh răng, ổ lăn … khi chúng chuyển động. Một sự bất thường của tín hiệu dao động thể hiện sự hoạt động không b ình thường của các phần tử này. Các nguyên chủ yếu gây nên dao động trong máy móc, thiết bị là do có các lực tác động lặp đi lặp lại, gây nên bởi sự mất cân bằng của chi tiết quay, mất đồng tâm trục, ma sát cơ học, sự mài mòn, các bộ phận máy được dẫn đ ộng không hợp lý.

 Sự mất cân bằng: Do sự phân bố khối lượng không đồng đều trên bộ phận quay gây nên mất cân bằng. Nguyên nhân của những phân bố kh ông đều này thường do kích cỡ  bu lông không cùng nhau, sự xâm thực bên trong, mất cân bằng về trọng lượng, cân  bằng sai, cánh mô tơ điện không đều, bị gãy, bị biến dạng, ăn mòn hoặc các cánh quạt  bị đóng bẩn.

 Mất đồng tâm trục: Không đồng tâm trục xảy ra do sai lệch vị trí ban đầu (do thiết kế, lắp đặt), hoặc sự thay đổi vị trí của một chi tiết máy do hiện tượng dãn nở nhiệt.  Nguyên nhân này gây nên các dao động và tạo ra các ứng suất có xu hướng gây hư hỏng cho những khớp nối trục và ổ đỡ. Sự không đồng tâm trục có thể là lệch góc, lệch song song hoặc có thể hai loại tr ên.

 Ma sát cơ học: Trong nhiều bộ truyền của máy thường xảy ra ma sát cơ học do các nguyên nhân như: Trục tiếp xúc với lớp hợp kim của ổ trượt, các vòng lăn của ổ bi; Một phần của roto tiếp xúc vào vỏ máy.

 Sự mài mòn: Sự mài mòn gây ra một lực lặp lại trên máy bởi sự cọ xát của các bề mặt  bị mài mòn. Sự mài mòn của vòng bi, các bánh răng, dây đai thường do sự lắp ráp không đúng, bôi trơn kém, khu yết tật trong quá trình sản xuất và do quá tải. Điều này gây ra một lực lặp lại trên máy do sự cung cấp năng lượng gián đoạn.

 Sự lỏng các chi tiết lắp ráp: Sự lỏng của các chi tiết máy gây ra dao động máy. Nếu các chi tiết máy bị tháo lỏng, sự dao động đang ở mức cho phép có thể trở nên quá mức và không thể kiểm soát. Nguyên nhân thường là do k he hở vòng bi quá lớn, lỏng  bu lông móng, sự tách rời các chi tiết lắp ghép, sự ăn m òn và sự nứt của các kết cấu kim loại.

 Sự cộng hưởng giữa các bộ phận máy: Máy sẽ dao động ngày một tăng do lực lặp lại kích thích máy dao động ở một tần số gần với tần số riêng. Một máy dao động theo cách thức trên được cho là đã bị cộng hưởng. Một lực lặp lại nhỏ có thể sẽ không gâ y một vấn đề gì cho đến khi bắt đầu gây ra sự cộng hưởng. 7

 Ngoài những nguyên nhân chính nêu trên, còn có các nguyên nhân ph ụ khác như: - Độ lệch tâm tại ngõng trục cũng gây ra sự dao động máy. - Sự biến dạng trong lắp ráp các chi tiết.

1.3.2. Nguyên nhân gây nên tiếng ồn Tiếng ồn từ các máy móc, thiết bị là một vấn đề quan trọng ảnh hưởng đến môi trường làm việc. Một số nguồn có thể gây ra tiếng ồn trong các thiết bị, máy móc cơ khí: động cơ, các bộ truyền,… trong đó tiếng ồn của các bộ truyền bánh răng có thể gây ảnh hưởng đáng kể. Theo tiêu chuẩn của Liên minh Châu Âu, xe tải hạng phải có mức độ ồn tối đa cho phép là 80dB với một số điều kiện nhất định, tiếng ồn này chủ yếu gây nên bởi hộp tốc độ (bao gồm nhiều bộ truyền bánh răng). Tiếng ồn trong hệ thống sản xuất dến từ hai nguy ên nhân:

 Tiếng ồn cơ khí: Gây ra bởi sự làm việc của các máy móc do sự chuyển động của các cơ cấu phát ra tiếng ồn không khí trực tiếp; Gây ra bởi bề mặt các cơ cấu hoặc các bộ  phận kết cấu li ên quan với chúng.

 Tiếng ồn khí động: Sinh ra do chất lỏng hoặc hơi, khí chuyển động vận tốc lớn (tiếng ồn quạt máy, máy khí nén, các động cơ phản lực...)  Tiếng ồn của các máy điện: Do sự dao động của các phần tĩnh và phần quay dưới ảnh hưởng của lực từ thay đổi tác dụng ở khe không khí và ở ngay trong vật liệu của máy điện; Do sự chuyển động của các d òng không khí ở trong máy và sự dao động các chi tiết và các đầu mối do sự không cân bằng của phần quay. Tiếng ồn của bánh răng có thể phân làm hai loại, “tiếng rền” (gear whine) và “tiếng va đập/lách cách” (gear rattle). “Tiếng rền” của bánh răng được mô tả là tần số ăn khớp và “sóng hài” (harmonics) của chúng. “Tiếng va đập” có thể xuất hiện khi có sự thay đổi tốc độ hoặc đổi chiều quay của bộ truyền bánh răng.  Nhiều tác giả [20][21][22] [47] cho rằng, nguyên nhân gây nên tiếng ồn trong bộ truyền  bánh răng là:

 Sai số trong truyền động. Theo lý thuyết, trong một bộ truyền bánh răng, hai bề mặt răng (thân khai) tiếp hoàn hảo tiếp xúc với nhau và chung có độ cứng tuyệt đối. Do vậy, tỉ số truyền của cặp bánh răng là hằng số. Tuy nhiên, do sự không chính xác trong gia công mà bề mặt răng thường không phải là những bề mặt (thân khai) hoàn hảo, cũng như độ cứng bề mặt không phải là tuyệt đối. Vì thế, có sự sai số trong 8

truyền động từ bánh răng dẫn sang bánh răng bị dẫn. Sai số truyền động v à sự thay đổi độ cứng thường được xem là ngu yên nhân đầu tiên gây ra tiếng ồn.

 Ma sát cũng là một yếu tố gây ra tiếng ồn trong bộ truyền bánh răng. Ma sát ảnh hưởng đến sai số truyền động và tiếng ồn trong bộ truyền bánh răng. Trong quá trình ăn khớp, ma sát trượt gây ra lực ma sát tác động vuông góc lên đường ăn khớp. Quá trình ăn khớp được đặc trưng bởi chuyển độ ng hỗn hợp giữa trượt và lăn.

1.4. Kỹ thuật và phương pháp theo dõi, chẩn đoán hư hỏng trong thiết bị cơ khí Trong chẩn đoán hư hỏng thiết bị cơ khí nói chung và hệ truyền động bánh răng nói riêng, có thể sử dụng nhiều phương pháp khác nhau, như theo dõi nhiệt độ của hệ, phân tích dầu bôi trơn, nghiên cứu dao động, phân tích âm thanh phát ra … Có rất nhiều kỹ thuật và phương pháp nhằm theo dõi và chẩn đoán hư hỏng đã được  phát triển trong nhiều năm qua, điển hình nhất là các kỹ thuật và phương pháp sau đâ y [2]:

 Theo dõi dao động của các thông số (mức độ toàn cục).  Phân tích phổ dao động trên các d ải tần tương đối hẹp.  Cải thiện độ phân giải hay phóng to (zoom).  Phát hiện hình bao (giải điều biến biên độ tập trung trên vùng cộng hư ởng).  Khảo sát các hàm điều hòa hay các hài.   Nghiên cứu các dải bên điều biến tập trung tr ên một tần số đặc tr ưng.  Khảo sát và theo dõi các giá trị phổ lôga (cepstre).   Nghiên cứu các dạng tần số riêng.  Kỹ thuật sử dụng hệ số Kurtosis. Một số phương pháp hiện nay đang đ ược nghiên cứu và bắt đầu sử dụng rộng rãi:  Phương pháp Wavelet, Wavelet Packet.  Phương pháp Wavelet kết hợp với phép biến đổi Hilbert… Việc thu thập tín hiệu và thực hiện chẩn đoán có thể dựa tr ên hai phương thức: - Chẩn đoán bằng các thiết bị đo đạc cầm tay và phân tích thủ công: Thiết bị đo độ dao động cầm tay tương đối rẽ tiền và đơn giản. Khi những dụng cụ này tiếp xúc với những máy móc dao động sẽ hiển thị một dãy các số liệu dao động. Dữ liệu nhận được cho phép xác định tình trạng hoạt động của máy là bình thường hay bất bình thường.

9

Ưu điểm của loại thiết bị này là linh hoạt khi sử dụng. Tuy nhiên, chỉ phù hợp cho việc thu thập một số đại lượng đo lường nhất định và không có k hả năng lưu trữ số liệu. - Chẩn đoán hư hỏng bằng hệ thống theo dõi và phân tích số liệu: Đây là phương pháp rất phổ biến hiện nay. Các thông số kỹ thuật được thiết bị đo đạc và ghi lại giúp phát hiện và theo dõi sự phát triển của hư hỏng trong máy móc trong quá trình hoạt động, nhằm lập kế hoạch can thiệp kịp thời. Mỗi kỹ thuật và phương pháp đều có những ưu nhược điểm và phạm vi sử dụng khác nhau. Để có kết luận chính xác về hư hỏng, người ta thường hay kết hợp nhiều kỹ thuật và  phương pháp khác nhau khi phân tích tín hiệu thu được. Các kỹ thuật và phương pháp khác đã được trình bày trong Đề tài NCKH Cấp Bộ GD&ĐT, Mã số: B2008-DN02-38, năm 20082009 [28]. Trong nghiên cứu này, nhóm tác giả tập trung nghiên cứu về việc chẩn đoán hư hỏng trong truyền động bánh răng bằng phương pháp Wavelet, Wavelet Packet và phép biến đổi Hilbert, thông qua phân tích tín hiệu dao động và âm thanh.

1.5. Tình hình nghiên cứu trong và ngoài nước Hiện nay, việc nghiên cứu tín hiệu dao động/âm thanh sinh ra từ hệ truyền động bánh răng, nhằm tìm kiếm các kỹ thuật và phương pháp cho phép chẩ n đoán hư hỏng nhanh chóng và chính xác, vẫn đang là một đề tài được nhiều tác giả trong và ngoài nước theo đuổi. Nó đòi hỏi sự hiểu biết sâu sắc về động lực học máy cũng như cấu trúc hệ truyền động bánh răng, các dạng khuyết tật, các tác động của tải trọng, điều kiện làm việc... đến cấu trúc phổ của tín hiệu dao động /âm thanh nhận được. Các nghiên cứu về chẩn đoán hư hỏng trong truyền động bánh răng bằng phương pháp  phân tích tín hiệu dao động, chủ yếu được thực hiện theo hai h ướng sau đây: nghiên cứu mô hình hóa tín hiệu dao động sinh ra do các h ư hỏng trong hệ truyền động bánh răng, từ đó xây dựng các dấu hiệu nhận dạng hư hỏng; nghiên cứu các phương pháp phân tích tín hiệu cho  phép phát hiện và nhận dạng hư hỏng một cách nhanh chóng v à có độ tin cậy cao.  Nguyễn Văn Khang, Thái Mạnh Cầu, Nguyễn Phong Điền (2004) [39] đã đưa ra mô hình dao động tham số của một cặp bánh răng ăn khớp, mô phỏng độ cứng ăn khớp, sai số truyền động và phổ tần số của tín hiệu, giải thích sự hình thành các dải bên xung quanh tần số ăn khớp. Fakher Chaari và cộng sự [14] đề xuất mô hình mô phỏng hành vi động lực học của cặp bánh răng, mô phỏng độ cứng ăn khớp, mô phỏng sự hình thành các dải bên xung quanh 10

tần số ăn khớp khi có khuyết tật định xứ và phân bố, sử dụng cả phổ tần số và phổ loga nhằm xây dựng một số dấu hiệu nhận dạng khuyết tật trên răng. Tín hiệu dao động sinh ra từ hộp tốc độ có sử dụng bánh răng bị khuyết tật rất phức tạp,  bao gồm tần số điều biến đặc trưng cho khuyết tật trên bá nh răng và các thành phần tần số khác do sự quay của ổ lăn, trục, tác động của nhiễu [44]. Trong các phương pháp xử lý tín hiệu, giải điều biến là một giải pháp quan trọng trong việc phát hiện khuyết tật của hộp tốc độ sử dụng bộ truyền bánh răng. Vì các tần số điều biến được gây ra bởi phần lớn các khuyết tật của các bộ phận của máy bao gồm: bánh răng, gối đỡ, và trục… nên việc phát hiện tín hiệu điều biến rất có ích để phát hiện khuyết tật của hộp tốc độ [52]. Việc phát hiện tín hiệu điều biến theo phương pháp truyền thống được thực hiện thông qua việc nhận dạng các dải bên trong miền tần số, xung quanh tần số ăn khớp [1]. M. Sihamed [34] đưa ra một mô hình đơn giản cho tín hiệu dao động nhận được từ bánh răng, tín hiệu mang có tần số là tần số quay của trục, các tín hiệu điều biến về biên độ và pha thể hiện các khuyết tật như tróc rỗ, vết nứt, khe hở ăn khớp... R. Keith Mobley [26] mô tả một số dấu hiệu thực nghiệm nhằm nhận dạng các khuyết tật như vết nứt trên răng hay gãy răng, sự mài mòn quá mức, khe hở ăn khớp quá mức, khoảng cách trục bị thay đổi... thông qua việc nghiên cứu các dải bên điều biến trong miền tần số. Olivier Cousinard và cộng sự [40] sử dụng phổ loga trong chẩn đoán hư hỏng truyền động bánh răng, đề xuất một phương pháp tham số hóa phép đo phổ loga, nhằm xác định dải tần số lớn nhất để nhận được phổ loga có độ phân giải tối ưu nhưng luôn luôn giữ lại hai hài loga đầu tiên. Khi một tín hiệu nhận được là không ổn định thì việc phân tích phổ Fourier không thích hợp đối với việc phát hiện các dải bên [24]. Phép biến đổi Hilbert đã được nhiều tác giả [16][1] khẳng định là có ích đối với việc giải điều biến. Tu y nhiên, do ảnh hưởng của nhiễu, đồng thời khi khuyết tật mới xuất hiện, các dấu hiệu khu yết tật là không rõ ràng, biên độ dao động của các thành phần tần số đến từ các bộ phận khác có thể lớn hơn rất nhiều so với biên độ của phổ đặc trưng cho khuyết tật. Vì thế, bản thân phép biến đổi Hibert không thể phát hiện được các khuyết tật sớm được che dấu trong tín hiệu có nhiều thành phần tần số phức tạp. Việc phân tích tín hiệu trong miền tần số - thời gian mang đến phương pháp khác để phân tích tín hiệu bởi việc biểu diễn thông tin trong miền tần số - thời gian một cách đồng thời.

11

Phép biến đổi Fourier thời gian ngắn có lẽ được sử dụng rộng rãi nhất để biểu diễn tín hiệu trong miền tần số - thời gian. Hiện nay các nhà nghiên cứu tập trung vào việc sử dụng các phương pháp mới cho phép chẩn đoán hư hỏng nhanh chóng và chính xác hơn, đặc biệt là các phương pháp có hiệu quả đối với các tín hiệu dao động mà tần số thay đổi theo thời gian, các tín hiệu không dừng:  phân tích Wavelet [49][48], phép biến đổi Wavelet liên tục [55], phương pháp kết hợp ưu điểm của phép biến đổi Hilbert với phân tích Wavelet Packet [52], mạng nơrôn nhân tạo và thuật toán di truyền [32], [45].  Nguyễn Tiến Khiêm (Viện Cơ học – 2008), Nguyễn Quý Hân, Nguyễn Thị Hiền Lương (Trường Đại học Bách khoa thành phố Hồ Chí Minh – 2010) nghiên cứu ứng dụng Wavelet và thuật toán di truyền nhằm chẩn đoán vết nứt trong dầm đ àn hồi. Lưu Thanh Tùng (2009) [32] nghiên cứu ứng dụng mạng nơrôn không giám sát vào việc chẩn đoán hư hỏng bộ truyền bánh răng một cấp với hai dạng hỏng cơ bản là mòn răng và gãy răng; các giá trị thống kê của tín hiệu thu nhận được , sẽ được đưa vào mạng nơrôn không giám sát nhằm huấn luyện cho mạng nơrôn này . H. Zheng, Z. Li và X. Chen [55] nghiên cứu chẩn đoán hư hỏng thiết bị dựa trên phép  biến đổi Wavelet liên tục. Bài báo đã giới thiệu một phương pháp phân tích hư hỏng trong bộ truyền bánh răng bằng biến đổi Wavelet liên tục. Ở đó tác giả nhấn mạnh rằng phương pháp này có tỉ lệ phân giải tốt hơn so với biến đổi Wavelet trực giao. Điều này phù hợp hơn trong  phân tích các thông tin hỏng hóc cơ khí. Tác giả cũng đưa ra khái niệm thời gian trung bình  phổ Wavelet dựa trên biến đổi Wavelet liên tục Morlet nhằm sử dụng trong hai phương pháp: so sánh phổ và năng lượng đặc trưng để phân tích tín hiệu nhận được từ hộp số ô tô 5 cấp. Kết quả phân tích thực nghiệm cho thấy các tín hiệu h ư hỏng trong bộ truyền bánh răng được nhận biết nhờ vào phổ năng lượng Wavelet và thời gian trung bình phổ Wavelet. Hiện nay, nhiều tác giả trên thế giới bắt đầu nghiên cứu xử lý tín hiệu âm thanh phục vụ cho chẩn đoán hư hỏng. N. Baydar and A. Ball, (2003), [6] giới thiệu một phương pháp chẩn đoán tình trạng hư hỏng trong bộ truyền bánh răng bằng phân tích dao động và âm thanh thu được từ thiết bị. Tác giả sử dụng biến đổi Wavelet trong phân tích tín hiệu thu được từ hộp số  bánh răng nghiêng hai cấp với hai dạng hư hỏng được mô phỏng: gãy răng và nứt ở chân răng. Tác giả đã nhận xét rằng nhờ ưu điểm về kích thước các cửa sổ trong phép biến đổi Wavelet mà quá trình phân tích và xử lý tín hiệu hiệu quả v à nhanh hơn so với kỹ thuật phân 12

tích thời gian – tần số thông thường. Kết qu ả cho thấy rằng cả tín hiệu âm thanh v à dao động đều cung cấp thông đáng tin cậy trong việc chẩn đoán hư hỏng trong bộ truyền bánh răng. Tuy nhiên, tín hiệu dao động vẫn có ưu thế hơn trong việc phát hiện sớm các h ư hỏng. Xianfeng Fan, Ming J. Zuo [52] giới thiệu một phương pháp chẩn đoán hư hỏng trong hộp tốc độ bằng cách kết hợp giữa biến đổi Hilbert và biến đổi Wavelet Packet. Tác giả cho rằng với tín hiệu điều biến không ổn định, thì biến đổi Hilbert được dùng để phân tích tín hiệu hình bao. Tín hiệu hình bao không ổn định này, sau đó được phân tích bởi biến đổi Wavelet Packet, vì biến đổi Wavelet Packet là một công cụ có ưu thế trong việc phân tích tín hiệu không ổn định. Việc kết hợp hai phương pháp Wavelet Packet và Hilbert có nhiều ưu điểm hơn nếu chỉ dùng phương pháp Wavelet Packet, như chính xác, hiệu quả và trực quan. Tác giả cũng đã sử dụng phương pháp đề xuất để phân tích tín hiệu thu được từ hộp tốc độ, kiểm nghiệm tính hiệu quả của phươn g pháp.

1.6. Nhận xét và kết luận Qua việc tổng quan tài liệu và tìm hiểu ở chương trên, chúng tôi nhận thấy: đối với tín hiệu dao động và âm thanh thu được từ các hệ truyền động bánh răng bị hư hỏng rất phức tạp, bao gồm nhiều tần số điều biến đặc trưng cho các khuyết tật và các thành phần tần số khác đến từ hư hỏng do ổ lăn, trục quay…, cũng như đối với tín hiệu không dừng, có tần số thay đổi theo thời gian…, thì phương pháp Wavelet, Wavelet Packet, phương pháp Wavelet Packet kết hợp với phép biển đổi Hilbert có nhiều khả năng ứng dụng trong phát hiện và chẩn đoán hư hỏng, cho phép nhận dạng chính xác, trực quan các tần số đặc trưng cho hư hỏng. Các nghiên cứu bước đầu của các tác giả cũng cho thấy, b ên cạnh việc phân tích tín hiệu dao động, việc phân tích tín hiệu âm thanh phát ra từ các hư hỏng trong hệ truyền động bánh răng cũng cho phép nhận dạng được hư hỏng; đồng thời trong một số trường hợp, việc thu nhận tín hiệu âm thanh tỏ ra đơn giản nhiều. Những vấn đề vừa nêu cũng chính là mục tiêu chủ yếu của đề tài nghiên cứu nà y.

13

CHƯƠNG 2 CƠ SỞ LÝ THUYẾT CỦA CÁC PHƯƠNG PHÁP WAVELET, WAVELET PACKET VÀ HILBERT  Như đã trình bày trong chương 1, có nhiều phương pháp phân tích tín hiệu dao động khác nhau như: phương pháp Kurotsis, phân tích phổ, phân tích phổ loga (cepstrum), phương pháp  phân tích hình bao, phân tích Wavelet, phân tích Wavelet Packet,... Phần này sẽ giới thiệu cơ sở lý thuyết về xử lý tín hiệu dao động và âm thanh, sử dụng các phương pháp Wavelet, Wavelet Packet và phép biển đổi Hilbert. Trên cơ sở đó, chúng tôi tiến hành xây dựng phần mềm xử lý tín hiệu và sử dụng vào việc phát hiện và nhận dạng hư hỏng trong truyền động bánh răng.

2.1. Phân tích Wavelet Phương pháp phân tích tín hiệu dao động và âm thanh bằng phép biến đổi Wavelet [12] hiện nay ngày càng được áp dụng nhiều trong thực tế. Biến đổi Wavelet được hình thành nhằm giải quyết một số hạn chế của biến đổi Fourier.

2.1.1. Biến đổi Fourier @ Biến đổi Fourier dùng để phân tích một tín hiệu thành các thành phần hình sin của các tần số khác nhau. Hay nói cách khác, biến đổi Fourier là một kỹ thuật toán học dùng chuyển đổi sự quan sát tín hiệu từ miền thời gian sang miền tần số ( Fig 2. 1).

 Fig 2. 1: Biến đổi Fourier Đối với một số tín hiệu mà tần số là yếu tố quan trọng thì biến đổi Fourier là rất cần thiết. Tuy nhiên, trong một số trường hợp, biến đổi Fourier bị hạn chế vì khi chuyển sang miền tần số thì thông tin về thời gian sẽ bị mất đi. Vì vậy, khi quan sát một tín hiệu được phân tích  bằng Fourier thì không thể biết các tần số xảy ra ở các thời điểm n ào.

14

Để khắc phục những hạn chế của phép biến đổi Fourier (Fourier Transformation – FT) trong việc biểu diễn tín hiệu không dừng, người ta phân chia tín hiệu thành các khoảng nhỏ và trong khoảng đó tín hiệu được giả định là ở chế độ dừng. Để thực hiện kỹ thuật này, cần chọn một hàm cửa sổ W sao cho độ dài của cửa sổ đúng bằng các khoảng tín hiệu phân chia. Hướng tiếp cận này đã hình thành một phép biến đổi mới để biểu diễn tín hiệu trong miền tần số-thời gian. Đó là phép biến đổi Fourier thời gian ngắn (Short Time Fourier Transform STFT). Phép biến đổi Fourier thời gian ngắn cũng là sự mở rộng của phép biến đổi Gabor, cho phép sử dụng các hàm cửa sổ thông dụng khác như: cửa sổ Hanning, cửa sổ chữ nhật, cửa sổ tam giác, cửa sổ Ham ming, cửa sổ Blackman... trong việc biểu diễn tín hiệu.

 Fig 2. 2: Biến đổi Fourier thời gian ngắn Fig 2. 2 biểu diễn biến đổi Fourier thời gian ngắn, nó cung cấp cả hai thông tin: khi nào và tại những tần số nào sự kiện của tín hiệu xảy ra. @ Với phép biến đổi Fourier thời gian ngắn, chúng ta có thể thu được đáp ứng tần số thời gian của tín hiệu đồng thời, mà với phép biến đổi Fourier ta không thể thực hiện được. Phương trình biểu diễn của phép biến đổi Fourier thời gian ngắn : 

STFT ( ,  f )   [ x (t ).w(t    )].e  j .2  ft .dt 

(2. 1)



Trong đó t là thời gian, f là tần số, x(t) là tín hiệu trong miền thời gian, STFT(τ,f) là biến đổi Fourier thời gian ngắn của tín hiệu x(t), được tính toán tại thời gian trung tâm của cửa sổ t = τ, w(t − τ) là hàm cửa sổ định xứ tại thời gian trung tâm t = τ. Với phép biến đổi Fourier, việc biểu diễn tín hiệu không gặp vấn đề về độ phân giải tần số, vì chúng ta biết chính xác tần số nào tồn tại. Tương tự, không có vấn đề về độ phân giải thời gian trong miền thời gian, vì chúng ta có thể biết giá trị chính xác của tín hiệu tại một thời điểm bất kỳ. Trong phép biến đổi Fourier, chúng ta có độ phân giải tần số hoàn hảo, vì nó sử dụng hàm cơ sở điều hòa, e jωt , có thời gian vô hạn.

15

Với phép biến đổi Fourier thời gian ngắn, để có được thông tin về thời gian và tần số, chúng ta đã sử dụng hàm cửa sổ có chiều dài hữu hạn, nên nó chỉ bao phủ một phần của tín hiệu. Đây chính là nguyên nhân dẫn đến độ phân giải tần số của phương pháp kém hơn . Theo nguyên lý bất định Heisenberg: Không thể biết được chính xác biểu diễn thời giantần số của một tín hiệu (hay không thể biết các thành phần phổ của tín hiệu ở một thời điểm nhất định). Điều này cũng có nghĩa là chúng ta không còn biết chính xác thành phần tần số nào tồn tại trong tín hiệu, mà chỉ biết thông tin về sự hiện diện của cả một dải tần số trong một khoảng thời gian nhất định. Đây được gọi là bài toán về độ phân giải. Vấn đề này liên quan đến độ rộng của hàm cửa sổ mà chúng ta sử dụng. Nếu hàm cửa sổ càng hẹp thì độ phân giải thời gian càng tốt hơn và giả định tín hiệu là dừng càng có độ chính xác nhưng độ phân giải tần số lại kém đi. Ta có các hệ quả sau: Cửa sổ hẹp   phân giải thời gian tốt, phân giải tần số ké m Cửa sổ rộng   phân giải tần số tốt, phân giải thời gian kém  Nếu chúng ta sử dụng cửa sổ có độ rộng lớn để tăng độ phân giải tần số , thì sẽ đánh mất thông tin về thời gian. Hơn nữa, để có thể giả sử tín hiệu là ở chế độ dừ ng, thì độ rộng cửa sổ  phải đủ ngắn. Do đó, cũng như phép biến đổi Gabor, chúng ta không thể có được độ phân giải tốt về thời gian và tần số một cách đồng thời trong phép biến đổi Fourier thời gian ngắn .

2.1.2. Biến đổi Wavelet @ Trên cơ sở cách tiếp cận của phép biến đổi Fourier thời gian ngắn, phép biến đổi Wavelet được phát triển để giải quyết vấn đề về độ phân giải tín hiệu (miền thời gian hoặc tần số) mà STFT vẫn còn hạn chế. Phép biến đổi Wavelet được thực hiện theo cách: tín hiệu được nhân với hàm Wavelet (tương tự như nhân với hàm cửa sổ trong STFT), rồi thực hiện  biến đổi riêng rẽ cho các khoảng tín hiệu khác nhau trong miền thời gian tại các tần số khác nhau. Không giống như biến đổi Fourier, chỉ thích hợp khi phân tích những tín hiệu dừng (stationary), phép biến đổi Wavelet chủ yếu được sử dụng để phân tích các tín hiệu không dừng (non-stationary) - là những tín hiệu có đáp ứng tần số thay đổi theo thời gian. Wavelet là một hàm    L2  R   với trị trung bình bằng 0: 

 t dt   0

(2. 2)



16

 Nó được chuẩn hóa

 

 1 , và được tập trung trong vùng lân cận của t=0. Nếu

   được

giãn (tỉ lệ) với s và dịch chuyển với u, ta nhận đư ợc một họ các Wavelet:  u , s  t 



1  t  u   .   s    s  

(2. 3)

Các Wavelet này vẫn được chuẩn hóa

 u , s

 1 . Biến đổi Wavelet của  f   L2  R   tại thời

gian u và tỉ lệ s: 

Wf  u, s   f ,  u , s 



1 *  t  u dt        s  s

f  t



 

(2. 4)

So sánh các Wavelet với các sóng sin trên cơ sở phân tích Fourier: Tín hiệu sin không có khoảng thời gian giới hạn, chúng kéo dài từ âm đến cộng vô cực. Và ở đó các tín hiệu sin là đều và có thể biết trước, trong khi đó các Wav elet không đều và bất đối xứng Fig 2. 3.

 Fig 2. 3: Sóng sin và Wavelet  Như vậy, phân tích Fourier chia một tín hiệu th ành các sóng sin có tần số khác nhau. Một cách tương tự, biến đổi Wavelet chia một tín hiệu thành các dạng dịch chuyển và tỉ lệ của một tín hiệu gốc hay Wavelet mẹ.

2.1.2.1.  Biến đổi Wavelet liên tục @ Về mặt toán học, quá trình phân tích Fourier được biểu diễn bởi biến đổi Fourier: 

 F      f  t  e  j t dt 

(2. 5)



Các kết quả của biến đổi là các hệ số Fourier  F   , mà khi nhân với một tín hiệu sin tần số    thu được các phần tử sin của tín hiệu gốc.

 Fig 2. 4: Biểu diễn biến đổi Fourier 17

@ Một cách tương tự, biến đổi Wavelet liên tục được định nghĩa như tổng trên toàn thời gian của tín hiệu nhân với tỉ lệ, dịch chuyển của h àm Wavelet   : 

C  scale , position     f  t    scale ,  position , t  dt 

(2. 6)



Các kết quả của biến đổi Wavelet liên tục là các hệ số Wavelet C, là một hàm của tỉ lệ và vị trí. Nhân mỗi hệ số với tỉ lệ thích hợp và dịch Wavelet thu được các phần tử Wavelet của tín hiệu gốc (Fig 2. 5).

 Fig 2. 5: Biểu diễn biến đổi Wavelet

2.1.2.2.  Biến đổi Wavelet rời rạc Việc tính các hệ số Wavelet tại mỗi tỉ lệ mất khá nhiều thời gian và tạo ra một dữ liệu khá lớn. Để giải quyết vấn đề thì mẫu các tham số được lấy, để thu được một nhóm của các hàm Wavelet theo các tham số được rời rạc hóa. Việc phân tích tín hiệu với phép biến đổi Wavelet rời rạc có nhược điểm là độ phân giải của tần số kém hơn trong vùng tần số cao có thể không được giải quyết vì tại mỗi cấp độ tỷ lệ chỉ có các hệ số xấp xỉ được phân tích. Do đó, phép biến đổi Wavelet Packet, một sự suy rộng của phép biến đổi Wavelet rời rạc, được hình thành dựa trên việc liên kết tuyến tính của họ hàm Wavelet.

2.2. Phân tích Wavelet Packet Khác với biến đổi Wavelet rời rạc, tại mỗi cấp độ tỷ lệ, các hệ số chi tiết D (detail) v à hệ số xấp xỉ A (Approximation) đều được phân tích bởi biến đổi Wavelet Packet. Do đó nó phân tích tín hiệu thành các thành phần với các dải tần số khác nhau và cho phép định xứ tần sốthời gian tốt hơn so với biến đổi Wavelet nên giàu thông tin hơn trong việc biễu diễn tín hiệu . Tuy nhiên, với một vài tín hiệu, năng lượng được tập trung ở tần số trung. Trong trường hợp này, chúng ta có thể tách tất cả các dải và được gọi là phân ly Wavelet Packet (Wavelet Packet decomposition). Bằng cách phân ly W avelet Packet, nó thu được một thư viện của các

18

Wavelet Packet W n  n 0  hay là một cây Wavelet Packet (Wavelet Packet tree). Cho một hàm W 0 , thư viện Wavelet Packet có thể được tạo ra như sau: W 2 n  x   2  h  k W n  2 x  k 

(2. 7)

W 2 n 1  x   2  g  k W n  2 x  k 

(2. 8)

k 

k 

Trong đó hàm W 0  x   như hàm tỉ lệ

   và

như hàm Wavelet mẹ

  .

Khi đó, thư viện của

Wavelet cơ sở có thể được định nghĩa là tập hợp của các cơ sở trực chuẩn gồm các hàm của dạng W n  2 l  x  k  , trong đó l , k  Z ; n  N  . Mỗi phần tử của thư viện được xác định bởi một tập hợp con của các chỉ số: tham số tỉ lệ l , tham số địa phương k , và tham số dao động n . Phương pháp Wavelet Packet là một trường hợp tổng quát của phân ly Wavelet, nó đưa ra  phạm vi rộng của khả năng phân tích tín hiệu. Fig 2. 6: Sơ đồ phân tích tín hiệu của phép  biến đổi Wavelet Packet là một ví dụ minh họa của biến đổi Wavelet Packet của tín hiệu X. Ở đó tín hiệu được phân tích thành các dải tín hiệu có tần số khác nhau.

 Fig 2. 6: Sơ đồ phân tích tín hiệu của phép biến đổi Wavelet Packet

19

Biến đổi Wavelet Packet là công cụ có nhiều ưu điểm cho việc phân tích tín hiệu không dừng. Nó phân chia không gian tần số thành các vùng khác nhau và cho phép phân tích tín hiệu cục bộ trong miền tần số thời gian tốt hơn. Biến đổi Wavelet Packet cho độ phân giải tần số cao hơn ở vùng tần số cao so với biến đổi Wavelet.

2.3. Phân tích Hilbert Phép biến đổi Hilbert [19] là một tích chập trong miền thời gian, ánh xạ m ột quá trình có giá trị thực trong miền thời gian thành một quá trình khác . Nó được định nghĩa bởi: 1



 x (t ) .d      t   

 H [ x (t )]  . 

(2. 9)

Trong đó: t là thời gian, x(t) là một tín hiệu trong miền thời gian, và H[x(t)] là biến đổi Hilbert của x(t).  Người ta cũng chứng minh được rằng :  H sin  t      cos  t   

(2. 10)

Hay:  H cos  t      sin  t   

(2. 11)

Do đó, phép biến đổi Hilbert thực chất là một bộ dịch chu yển pha 90o độc lập với tần số. Các đặc tính tần số của tín hiệu điều biến là không chịu tác động b ởi phương pháp này tại tất cả mọi tần số. Hàm điều biến a(t) trong tín hiệu điều biến kết hợp  x  t   a  t . cos  t    có thể được tách bởi phép biến đổi Hilbert. Việc giải điều biến được thực hiện bởi phép biến đổi Hilbert sẽ tạo thành một tín hiệu có giá trị phức trong miền thời gian được gọi là tín hiệu giải tích, A[x(t)], được định nghĩa bởi:

 A[ x (t )]   x (t )  i. H [ x (t )]  a (t ).[cos( t   )  i. sin( t   )]  a (t ).e i ( t )   (2. 12) Với i   1 là số ảo Kết quả là tín hiệu biểu diễn trong miền thời gian phức có thể được chuyển đổi từ dạng  phần thực/phần ảo thành dạng biên độ/pha được cho dưới đây:

a (t )   x 2 (t )  H 2 [ x (t )]  (t )  arctan

 H [ x (t )]  x (t )

(2. 13) (2. 14)

20

 Fig 2. 7: Ứng dụng phép biến đổi Hilbert xây dựng tín hiệu hình bao Biên độ của chuỗi thời gian phức được biểu diễn bởi (2. 13) chính là hình bao của tín hiệu điều biến mang thông tin quan trọng về tần số điều biến đặc trưng cho khuyết tật trong bánh răng. Ngoài ra, nó còn loại bỏ các tín hiệu mang và điều này sẽ làm giảm sự ảnh hưởng của những thông tin không liên quan đối với mục đ ích phát hiện khuyết tật hộp tốc độ và hữu ích cho việc nhận dạng khuyết tật thông qua việc kiểm chứng trực quan.  Như vậy, nếu ta biểu diễn biên độ a(t) của tín hiệu giải tích trong miền thời gian , ta sẽ có được đường cong thể hiện sự thay đổi biên độ của x(t), nói cách khác, có được đường cong  bao hình của x(t). Biến đổi Hilbert (HT) đã được chứng minh là hữu ích cho giải điều biến. Giải điều biến là quá trình khôi phục lại các tín hiệu điều chỉnh được trộn với một tín hiệu mang. Tín hiệu mang là tín hiệu mà chúng ta không cần quan tâm lắm, mà chủ yếu quan đến tần số điều  biến, đặc trưng cho hư hỏng.

2.4. Phân tích phối hợp giữa Wavelet Packet và Hilbert Một phương pháp sử dụng được đưa ra là kết hợp biến đổi Wavelet Packet và biến đổi Hilbert [52] để phát hiện hiệu quả tần số hư hỏng của tín hiệu dao động và âm thanh nhiều thành phần phức tạp, dừng hoặc không dừng, gồm từ rất nhiều thành phần tần số, thông qua việc kiểm tra trực quan với độ phân giải ở vùng tần số đó tốt hơn. Lưu đồ thuật toán của  phương pháp này được mô tả trên Fig 2. 8.  Nếu xét tín hiệu thu nhận từ hộp tốc độ, thì hai dấu hiệu quan trọng để có thể nhận dạng chính xác vị trí của khuyết tật của bánh răng là tần số ăn khớp (hài điều hòa) và tần số điều  biến. Lúc đó, trình tự xử lý tín hiệu có thể tiến h ành theo hai bư ớc sau:

21

Bước 1: Tiến hành phân tích phổ mật độ công suất của tín hiệu để nghiên cứu xem trong tín hiệu dao động thu được có những thành phần tần số nào và nhận dạng các hài điều hòa. Sau đó tiến hành phân tích sâu hơn để tìm ra tần số của tín hiệu điều biến. Bước phân tích này là cần thiết để có thể nhận dạng chính xác đ ược vị trí của khuyết tật. Bởi vì nếu hai bánh răng cùng lắp trên một trục thì khi tìm ra tần số của tín hiệu điều biến ta chỉ kết luận được  bánh răng gắn trên trục đó bị khuyết tật nhưng không thể kết luận là bánh răng nào bị hỏng. Việc nhận dạng khu yết tật chỉ rõ ràng khi ta biết được tín hiệu nào bị điều biến thông qua tần số ăn khớp đặc trưng cho bánh răng. Bước 2: Từ hình bao nhận được từ biến đổi Hilbert, biểu diễn sự tồn tại của việc điều biến trong tín hiệu dao động. Ở đây, biến đổi Hilbert loại bỏ các tín hiệu mang, là yếu tố không cần thiết, trong khi chỉ giữ lại tín hiệu điều biến, thường phản ánh khuyết tật bánh răng. Tín hiệu hình bao sau đó có thể được phân tách thành các thành phần trong các dải tần số khác nhau bởi phép biến đổi Wavelet Packet. Sau đó sử dụng phép phân tích phổ mật độ công suất để xác định và nhận dạng các thành phần tần số đặc trưng cho khuyết tật .

22

Bắt đầu Tải tín hiệu dao động gốc Tiền xử lý tín hiệu x(t), và n hận một đại diện tín hiệu mới như { P01  k  | k  1, 2,..., N } 2

Đặt  P01  k     P01  k    H 2  P01  k   Phân tích WP của { P01  k  } tại mức J max Hệ số của nút (J max , m) (m=1,2,...,2 jmax ) sẽ được sắp xếp lại lần nữa Tính sự hao hụt hệ số phân tích WP dựa tr ên ngưỡng   2 log( n ) Thiết lập các hệ số của tất cả các tập hợp khác tại mức J max  về zero, trừ tập hợp tại nút (J max ,m)(m=1,2,...,2 jmax) Phục hồi tín hiệu   P01  k  m  | m  1, 2,..., 2 jmax  có chứa thành phần tần số nằm trong khoảng thời gian  m  1 F s / 2 jmax 1 , mFs / 2 jm  ax 1 

Rút ra đặc điểm lỗi Kết thúc  Fig 2. 8: Lưu đồ thuật toán phương pháp Wavelet Packet – Hilbert [52]

23

CHƯƠNG 3 MÔ HÌNH THỰC NGHIỆM THU NHẬN VÀ XỬ LÝ TÍN HIỆU 3.1. Sơ đồ nguyên lý hệ thống theo dõi và chẩn đoán tình trạng thiết bị Cấu trúc chung của một hệ thống theo d õi và chẩn đoán tình trạng thiết bị được trình bày trên Fig 3. 1 [37].

 Fig 3. 1: Mô hình hệ thống theo d õi và chẩn đoán tình tr ạng thiết bị Đây là mô hình nguyên lý tương đối tổng quát đối với một hệ thống theo dõi và chẩn đoán tình trạng thiết bị. Tùy theo từng nhà máy cụ thể, tùy mức độ áp dụng mà các thiết bị trong hệ thống cũng như sự kết nối giữa các bộ phận trong hệ thống mứ c độ hoàn thiện khác nhau. Chức năng của các thiết bị trong hệ thống theo d õi và chẩn đoán tình trạng thiết bị:

 Thiết bị trong dây chuyền sản xuất: Thi ết bị cần được theo dõi và chẩ n đoán hư hỏng.  Các đầu đo tín hiệu (cảm biến): Thu nhận các yếu tố bất thường, trên máy thường dùng gia tốc kế, vận tốc kế, đầu đo dịch chuyển hoặc micro.

 Bộ phận thu nhận và xử lý tín hiệu: Ngoài nhiệm vụ thu tín hiệu từ các đầu đo, bộ  phận thu nhận tín hiệu (máy đo) còn có các bộ lọc để loại bỏ thành phần tần số rất thấp và rất cao.

 Bộ phận phân tích tín hiệu: Sau khi đọc các giá trị dao động đo được trên các máy đo, có thể đánh giá sơ bộ được tình trạng của thiết bị dựa trên sự biến đổi của giá trị dao động qua từng thời điểm đo. N ếu các giá trị biên độ dao đ ộng tăng dần theo thời gian, có thể kết luận rằng trong máy đã bắt đầu xuất hiện các hư hỏ ng. 24

 Bộ phận theo dõi chẩn đoán tình trạng thiết bị: Tổng hợp các kết quả đo và phân tích dao động hoặc âm thanh thu đư ợc nhằm xác định tình trạng chung của các thiết bị, xác định kịp thời các hư hỏng xuất hiện trong các thiết bị và đưa ra các thông báo cần thiết cho các khối quản lý bảo dưỡng lên kế hoạch bảo dư ỡng, sửa chữa.

3.2. Mô hình thiết bị thu nhận, phân tích tín hiệu âm thanh và dao động Để thu nhận và xử lý tín hiệu dao động và âm thanh nhằm phân tích, phát hiện và chẩn đoán hư hỏng trong bộ truyền bánh răng, chúng tôi tiến hành xây dựng mô hình thực nghiệm như sau (Fig 3. 2).

 Fig 3. 2: Sơ đồ thiết bị thu nhận tín hiệu âm thanh v à dao động Mô hình thiết bị thu nhận, phân tích tín hiệu âm thanh/dao động gồm các phần tử như sau: - Động cơ điện - Hộp giảm tốc sử dụng truyền động bánh răng (một cấp và hai cấp) - Cảm biến gia tốc kế: thu nhận tín hiệu dao động . - Micro: thiết bị thu nhận âm thanh. - Bộ tiếp nhận và chuyển đổi tín hiệu: cDAQ9172 v à NI9233. - Máy tính cùng với các phần mềm thu nhận tín hiệu Labview, phần mềm Matlab… - Máy phát: mô phỏng tải trọng thực tế, nối với hộp giảm tốc qua bộ truyền đai 25

3.3. Thiết bị và phần mềm thu nhận và xử lý tín hiệu 3.3.1. Thiết bị NI compact DAQ 9172 3.3.1.1. Giới thiệu  NI cDAQ-9172 là một thiết bị dùng kết nối với máy tính qua cổng USB với phần mềm LabVIEW, có 8 khe cắm được thiết kế để kết nối với các module C series. NI cDAQ -9172 có khả năng đo lường trong phạm vi rộng một loạt các tín hiệu vào, ra tương tự và số và cảm  biến (Fig 3. 3 và Fig 3.4).

 Fig 3. 3: NI cDAQ-9172

Fig 3. 4: Cấu tạo của NI cDAQ-9172

3.3.1.2. Chức năng  NI cDAQ-9172 bao gồm hai bộ counter/timers 32- bit có thể được sử dụng để tính cạnh, đo độ rộng xung, đo lường thời gian và tần số, và thực hiện các phép đo vị trí (mã hóa).  Ngoài ra, truy cập counter/timers có thể tạo ra các xung và sóng vuông có thể điều chỉnh tần số.

3.3.1.3.  Môđun được hỗ trợ Có hơn 50 modules C series cho các phương pháp đo khác nhau, bao gồm: cặp nhiệt độ, điện áp, phát hiện nhiệt độ, điện trở (RTD), dòng điện, biến dạng, kĩ thuật số, gia tốc và micro. Các kênh tính trên phạm vi từng module thì có từ 3 đến 32 kênh để phù hợp với một loạt các yêu cầu của hệ thống.

3.3.1.4.  Phần mềm hỗ trợ Hầu hết các phần mềm của NI đều thích hợp với các thiết bị của nó. Với NI DAQ driver softwave thì có thể dùng các phần mềm sau: -  NI Measurement Automation Explorer - DAQ Assistant - LabVIEW SignalExpress LE Data-Logging Software 26

 Ngôn ngữ hỗ trợ là LABVIEW graphical programming, ANSi C++,…

3.3.2. Thiết bị NI 9233

 Fig 3. 5: NI 9233

Fig 3. 6: Đầu kết nối của NI 9233

 NI 9233 là một module 4 kênh thu tín hiệu năng động, tạo độ chính xác cao cho việc đo tần số âm thanh từ cảm biến IEPE với hệ thống NI compactDAQ. NI 9233 cung cấp 102dB cho mức năng động và tích hợp các điều kiện tín hiệu trong IEPE cho cảm biến gia tốc và microphone. Bốn kênh đầu vào đồng thời số hóa ở mức 2-50kHz trên mỗi kênh, và tích hợp  bộ lọc khử nhiễu răng cưa tự động điều chỉnh tốc độ lấy mẫu (Fig 3.5 và Fig 3.6).

3.3.3. Cảm biến sử dụng trong thu nhận tín hiệu dao động và âm thanh 3.3.3.1. Cảm biến quang Cảm biến quang thường được sử dụng để phát hiện của vật thể. Dựa vào nguyên lý này mà cảm biến quang được sử dụng để đo tốc độ của các thiết bị, máy móc có chuyển động quay. Khi đo, trên vật quay được dán một vạch phản quang (màu trắng), tốc độ của vật quay được cảm biến đếm dựa trên số lần xuất hiện của vạch này. Thông thường cảm biến quang đo tốc độ quay gồm có hai phần: phần thu nhận tín hiệu, và sợi quang dùng để thu và nhận ánh sáng phản quang qua vạch trắng dán trên vật quay. Cảm biến Omron E3XR-CE4 và sợi quang được sử dụng để đo tốc độ của hộp giảm tốc trong đề tài như Fig 3. 7.

27

 Fig 3. 7: Phần thu nhận tín hiệu (Omron E3XR-CE4) và sợi quang

3.3.3.2. Cảm biến dao động Cảm biến dao động được sử dụng để đo dao động phát ra từ hộp giảm tốc. Có thể sử dụng nhiều loại cảm biến khác nhau: cảm biến đo độ dịch chuyển, cảm biến vận tốc hoặc cảm biến gia tốc. Ở đây chúng tôi sử dụng cảm biến gia tốc kế để do dao động. Gia tốc kế được sử dụng trong đề tài là gia tốc kế ICP 603C11 của Hãng PCB PIEZOTRONICS. Gia tốc kế ICP 603C11 thuộc loại cảm biến áp điện, trong đó sử dụng các nhân tố cảm biến áp điện để chuyển đổi hay biến các thông số cơ học thành các tín hiệu điện. Các thông số cơ học có thể là lực, áp suất hay dao động.

 Fig 3. 8: Cảm biến gia tốc kế ICP 603C11 Một hệ thống cảm biến điển hình sử dụng gia tốc kế ICP, thông thường gồm hai dây dẫn và một nguồn cấp điện, như trên Fig 3. 8. Cảm biến nà y có các thông số kỹ thuật như sau: Độ

28

nhạy: (10%) 100mV/g (10,2mV/(m/s2)); Dải tần số: ( 3dB) 30 đến 600.000 cpm (0,5 đến 10.000 Hz); Dải đo: 50 g ( 490 m/s2); Điện áp cung cấp: 18 đến 28 VDC, 2 đến 20 mA.

3.3.3.3.  Micro Micro là thiết bị chuyển đổi năng lượng sóng âm thành tín hiệu điện. Cấu tạo của micro gồm một màng rung cực mỏng được gắn với một cuộn dây đồng rất mảnh, cuộn dây đ ược đặt vào một khe từ trường của một khối nam châ m. Khi nhận sóng âm thanh từ b ên ngoài, màng rung sẽ dao động theo đáp tần của âm thanh và cuộn dây đồng cũng dao động theo, sự dao động cuộn dây đồng khi nằm trong một khe từ trư ờng sẽ tạo ra một dòng điện xoay chiều đưa ra hai đầu dây dẫn. Trong đề tài sử dụng hai loại micro: loại thông thường (Fig 3. 9) và micro kiểu màng mỏng đi cùng thiết bị thu nhận âm thanh (xem mục 3.3.4).

 Fig 3. 9: Micro thông thường

3.3.4. Thiết bị thu nhận tín hiệu âm thanh Thiết bị thu nhận tín hiệu âm thanh hiệu ONO -SOKKI (Nhật) bao gồm:

3.3.4.1.  Micro kiểu màng mỏng

 Fig 3. 10 : Microphone MI-1235 Micro đi cùng thiết bị ONO-SOKKI là micro dạng màng mỏng model MI-1235, có các thông số kỹ thuật như sau:

29

Dải tần số làm việc Điện áp phân cực Độ nhạy Kiểu cộng hưởng Điện dung Mức áp suất âm lớn Mức nhiễu bên trong Đặc tính áp lực tĩnh Dải nhiệt độ hoạt động Dải độ ẩm hoạt động Đặc tính nhiệt độ Độ dịch chuyển theo thời gian Đường kính kết nối Kích thước Trọng lượng

10Hz-20Hz 0V -29 3dB, độ phân giải 1V/Pa trường tự do 13 1pF 143dB 19dB hoặc thấp hơn -0,03 dB/kPa -10 đến 50 độ C 20 đến 90% RH +0,009 dB/K hoặc thấp hơn 0,1 dB/năm hoặc thấp hơn ½ inch 13,2x13,7 mm 6g

3.3.4.2.  Bộ tiền khuếch đại Bộ tiền khuếch đại dùng để nhận tín hiệu từ micro kiểu màng mỏng rồi chuyển đến bộ khuếch đại.

 Fig 3. 11: Bộ tiền khuếch đại MI-3111 Thông số kỹ thuật bộ tiền khuếch đại MI -3111: Dải tần số làm việc Độ lợi Trở kháng đầu vào  Nhiễu bên trong Độ méo Dải nhiệt độ hoạt động Dải độ ẩm hoạt động Điện áp xuất lớn nhất  Nguồn cung cấp Kích thước Trọng lượng

10Hz-20Hz -2dB  1dB tại 1kHz Xấp xỉ 5G  22,3 Vrms hoặc thấp hơn 1% hoặc thấp hơn -10 đến 50 độ C 30 đến 90% RH 3 Vrms 0,5 đến 5 mA/ 15 đến 25V 12,7x61 mm 30g

3.3.4.3.  Bộ khuếch đại Bộ khuếch đại SR-2200 dùng để nhận tín hiệu bộ tiền khuếch đại, có các thông số kỹ thuật: 30

Dãi tần số làm việc Trọng số tần số Độ lợi Tần số cắt đầu ra  Nhiễu  Nh iễu bên trong tron g đầu đ ầu vào v ào Trở kháng đầu vào Kết nối đầu vào, đầu ra Trở kháng đầu ra Dãi nhiệt độ hoạt động Dãi độ ẩm hoạt động Dãi điện áp đầu vào Dãi điện áp đầu ra  Nguồn  Ngu ồn cung cun g cấp cấ p Chiều dài cáp đầu ra Kích thước Trọng lượng

1Hz-20Hz ( 0,5dB) A, C, FLAT -10, 0, 10, 20, 30, 40, 50, 60 dB (có thể lựa chọn 8 tần theo 10 dB 0,2dB) 0,2 Hz với trở kháng tải 100 k  , 0,4 Hz với vớ i trở kháng tải 50 k  -105 dBVrms hoặc thấp hơn (A); -100 dBVrms hoặc thấp hơn (C); 95 dBVrms hoặc thấp h ơn (FLAT) 1 M  0,5% BNC 100 k  -10 đến 50 độ C 30 đến 90% RH 12,5 dBVrms max (6V) 12,6 dBVrms max (6V) 0,5 A max/ m ax/ 5V Tối đa 30 m 140 x 40 x 125 mm 500g

 Fig 3. 3 . 12: 1 2: Bộ B ộ khuếc kh uếchh đại đạ i SR-22 SR -2200 00

3.3.4.4. Cáp kết nối Cáp kết nối với đầu kết nối kiểu BNC. Dùng kết nối giữa bộ tiền khuếch đại với bộ khuếch đại và giữa đầu ra của bộ khuếch đại với thiết bị NI 9233.

 Fig 3. 13: 1 3: Cáp kết nối

3.3.5. Ph 3.3.5.  Phần ần mềm m ềm hỗ trợ tr ợ 3.3.5.1.  Phần  Phầ n mềm m ềm thu t hu nhận n hận tín hiệu h iệu 31

Phần mềm được sử dụng trong thu nhận tín hiệu là phần mềm LabVIEW, là phần mềm kèm theo của thiết bị NI cDAQ9172 , giúp kết nối thiết bị v à giao tiếp với máy tính, thực hiện việc lưu trữ dữ liệu liệu thu đư ợc một cách trực quan và dễ dàng.

3.3.5.2. Công cụ toán học Matlab Matlab (Matrix (Matrix Laboratory) là m ột ngôn ngữ lập trình cấp cao dạng thông dịch, đượ c phát triển bởi MathWorks. Matlab được ứng dụng để giải quyết các bài toán khác nhau: các hệ  phươ  ph ương ng trình trìn h tuyến tu yến tính, tính , phi p hi tuyến tuy ến;; các bài bà i toán to án ma trận… trậ n… với vớ i kết k ết quả qu ả nhan nh anhh chón ch óngg và chính ch ính xác. Matlab là một công cụ mạnh và đáp ứng yêu cầu sử dụng của nhiều lĩnh vực khác nhau trong kỹ thuật: điện, điện tử, xử lý tín hiệu, vật lý, hóa học, thống kê, kế toán...

3.4. Mô hình thực nghiệm Để tiến hành thực nghiệm thu nhận tín hiệu dao động và âm thanh, chúng tôi xây dựng mô hình thực nghiệm, như trình bày trên trên Fig 3. 14. thực nghiệm (Fig 3. 14): Phần mềm kết nối máy tính tính và bộ  Các phần tử của mô hình thực thu nhận tín hiệu – LabVIEW (1); Tải (2); Động cơ dẫn điện động (3) hộp giảm tốc một cấp hay 2 cấp (4); microphone và bộ tiền khuếch đại (5); Bộ khuếch đại tín hiệu thu được từ microphone và bộ tiền khuếch đại (6); Thiết bị NI cDAQ-9172 và NI 9233 (7 và 8). Ngoài ra, cảm biến dao động kiểu gia tốc cũng được lắp trên hộp giảm tốc (Fig 3. 15) để đo dao động.

 Thông số của động cơ và hộp giảm tốc một cấp: Tốc độ động cơ: 1420 (v/p); Bánh răng nhỏ - dẫn động : 17 răng; Bánh răng lớn – bị động: 43 răng; Tần số ăn khớp: 402,3Hz; Tần số trục vào: 23,7Hz; Tần số trục ra: 9,4Hz.

 Thông số của động cơ và hộp giảm tốc hai cấp: Tốc độ động cơ: 1570 (v/p); Bánh răng nhỏ: Z 1 = 17; Bánh răng lớn: Z 2 = 43; Tần số ăn khớp cấp nhanh: 443,7Hz; Tần số ăn khớp cấp chậm : 175,1 Hz; Tần số trục vào: 26,1Hz; Tần số trục trung gian: 10,3 Hz; Tần số trục trục ra: 4,07 Hz

32

1

3

2

8

7

4

5

6

 Fig 3. 14: Mô hình thu nhận nh ận tín hiệu hiệ u âm thanh tha nh từ HGT HG T hai ha i cấp bánh bán h răng ră ng Cảm biến dao động

 Fig 3. 3 . 15: 1 5: Cảm C ảm biến b iến dao động độn g và v à micro m icro dùng dùn g thu th u tín hiệ h iệuu dao da o động độ ng và v à âm thanh than h (HGT (H GT một cấp)

3.5. Phương pháp thu nhận tín hiệu Phần mềm Labview Signal Expres 2009 cài trên máy tính đư ợc dùng lưu lại tín tín hiệu nhận được từ các thiết bị NI 9233 và NI cDAQ-9172. Các thiết bị này kết nối với máy tính qua cổng USB. Cảm biến dao động hay micro được kết nối với thiết bị NI 9233 bằng cáp có đầu nối kiểu BNC. Sơ đồ thu nhận tín hiệu được mô tả trên Fig 3. 16. 33

Hộp giảm

Micro/Cảm

 NI9233

LabView

Máy

tốc 2 cấp

 biến gia tốc

cDAQ9172

SE 2011

tính

 Fig 3. 16: Sơ đồ khối thu nhận tín hiệu Việc thu nhận tín hiệu bằng phần mềm Labview đ ược tiến hành theo các bước sau đây:

 Bước 1: Chọn “Add Step” (Tạo bước)

 Fig 3. 17: Tạo bước

 Fig 3. 18: Thu nhận tín hiệu

Fig 3. 19: Chọn kênh

 Bước 2: Chọn “Acquire Signal” trong hộp thoại “Add Step”

 

Nhấp “DAQmx

Acquire”  Chọn “Analog Input”. Để thu tín hiệu dao động, chọn “Acceleration”. Để thu nhận tín hiệu âm thanh, ta chọn “Sound Pressure” thay vì “Acceleration”.

34

 Bước 3: Trên hộp thoại “Add Channels to Task”, chọn kênh tương ứng với kênh đã nối với cảm biến dao động   xuất hiện hộp thoại như trên Fig 3. 20 để chọn các thông số cho việc thu tín hiệu.

 Bước 4: Thiết lập thông số theo yêu cầu tín hiệu cần thu.

 Fig 3. 20: Thiết lập thông số của tín hiệu

 Fig 3. 21: Thu tín hiệu dao động trên Labview Chọn nút “Run” để cho thiết bị hoạt động. Chọn nút “Record” nếu muốn lưu lại tín hiệu. Chọn nút “Stop” để dừng việc lưu tín hiệu . Tín hiệu thu được có thể xuất ra dưới dạng file excel với các cấp lấy mẫu tần số được chọn. Fig 3. 21 mô tả mô tả một mẫu tín hiệu đ ược thu nhận trên phần mềm Labview.

3.6. Phần mềm xử lý tín hiệu 35

3.6.1.  Xây dựng phần mềm xử lý  Nhờ sự trợ giúp của công cụ lập trình Matlab và các thuật toán phân tích tín hiệu đã được trình bày ở chương 2, chúng tôi đã xây dựng các môđun bổ sung cho phần mềm phân tích tín hiệu do nhóm nghiên cứu đã thực hiện. Giao diện chính của phần mềm như trên Fig 3. 22. Phần mềm gồm nhiều cửa sổ với các chức năng khác nhau. Ở đây chúng tôi chỉ giới thiệu  phần xử lý tín hiệu Wavelet - Wavelet Packet – Hilbert. Nút lệnh WAVELET cho phép hiển thị giao diện xử lý tín hiệu bằng phương pháp Wavelet. Tương tự nút lệnh WAVELET PACKET và WAVELET PACKET – HILBERT tương ứng với giao diện xử lý tín hiệu bằng  phương pháp Wavelet Packet, Wavelet Packet kết hợp với phép biến đổi Hilbert.

 Fig 3. 22: Giao diện phần mềm xử lý tín hiệu

3.6.2. Giao diện xử lý tín hiệu bằng phương pháp Wavelet Các tính năng trên giao diện Wavelet Analysis như sau: 36

  Nút Load Data: Tải tín hiệu từ các file tín hiệu nhận được với định dạng .xlsx, .xls để xử lý. function loadfile_Callback(hObject, eventdata, handles) global FileName; [FileName] = uigetfile({'*.xlsx';'*.xls';'*.*'},'Select the Excel file'); set(handles.display,'String',FileName);

 Fig 3. 23: Giao diện xử lý tín hiệu bằng phương pháp Wavelet

 File name: cửa sổ hiển thị tên file được tải về để xử lý.  Data Length: cho phép chọn độ dài tín hiệu từ file tải về.   Nút Plot x(t): cho phép vẽ đồ thị tín hiệu theo thời gian x(t). function pushbutton29_Callback(hObject, eventdata, handles) figure(); plot(handles.t,handles.x,'g'); title('Time History','fontname','Arial','fontsize',10); xlabel('Times [s]', 'fontname','Arial','fontsize',10); ylabel('Acceleration [m/s2]','fontname','Arial','fontsize',10); maxt=max(handles.t); maxx=max(handles.x); mint=min(handles.t); minx=min(handles.x); axis([mint maxt minx maxx]); grid on; hold off;

  Nút Scalogram: cho phép chọn vẽ biểu đồ theo phép biến đổi Wavelet liên tục: biểu đồ mật độ năng lượng phổ tín hiệu. function scalogram_Callback(hObject, eventdata, handles) sf=1000; % sampling frequency N=length(handles.x); f = ( (0:(N-1))/N) * sf; % frequencies

37

factor = 5/(2*pi); freq = [25:25:5000]; scale = factor * sf ./ freq; wave = 'morl'; % the Wavelet to use % make sure the string wave is set before executing the m-file % compute the CWT plotting at the same time figure; handles.c=cwt(handles.x, scale, wave, 'plot'); title('scalogram'); guidata(hObject, handles);

  Nút Scalogram 3D: cho phép chọn vẽ biểu đồ 3D mật độ năng lượng phổ tín hiệu sau khi biến đổi W avelet. function scalogram3D_Callback(hObject, eventdata, handles) figure; freq = [25:25:5000]; mesh(handles.t, freq, abs(handles.c)); [az,el]=view; view(az-45,el); xlabel('time'); ylabel('frequency'); title('3D scalogram');

  Nút Wscalogram: cho phép chọn vẽ biểu đồ phần trăm năng lượng phổ của các hệ số Wavelet sau khi biến đổi Wavelet. function wscalogram_Callback(hObject, eventdata, handles) factor = 5/(2*pi); freq = [25:25:3000]; sf = 10000; % tan so lay mau wave = 'morl'; % loai Wavelet dung scale = factor * sf ./ freq; figure; coef=cwt(handles.x, scale, wave, 'plot'); title('scalogram'); figure; s=wscalogram('contour',coef);

  Nút Back : trở về giao diện chính của phần mềm .

3.6.3. Giao diện xử lý tín hiệu bằng phương pháp Wavelet Packet Các tính năng trên giao diện Wavelet Packet Analysis như sau:

38

 Fig 3. 24: Giao diện xử lý tín hiệu bằng ph ương pháp Wavelet Packet Tương tự, tín hiệu được tải về từ các file có định dạng .xlsx, .xls để xử lý bằng nút Load data, chọn độ dài tín hiệu để xử lý bằng ở Data Lenght. Nút Plot cho phép vẽ biểu đồ sau khi phân tích Wavelet Packet.  Ngoài ra trong giao diện này còn có thêm một số lựa chọn như : 

Wname (Wavelet name) dùng thiết lập các họ hàm Daubechies của Wavelet, bao gồm các hàm : 'db1'

or 'haar', 'db2', ... ,'db10', ... , 'db45'

 Level dùng để thiết lập mức phân tích của phép biến đổi Wavelet Packet.  View dùng để hiển thị các biểu đồ dưới các dạng khác nhau: từ 1 đến 8. Thông th ường  biểu đồ được xem ở dạng số 5.

3.6.4. Giao diện xử lý tín hiệu bằng phương pháp Wavelet Packet - Hilbert Tương tự, tín hiệu được tải về từ các file có định dạng .xlsx, .xls để xử lý bằng nút Load data, chọn độ dài tín hiệu để xử lý bằng ở Data lenght. Nút Plot cho phép vẽ biểu đồ sau khi phân tích. Hơn n ữa, trong phương pháp xử lý tín hiệu này ta còn có lựa chọn nh ư :

 Reset dùng để khôi phục lại tín hiệu sau đó phân tích Wavelet lại.  Thr coefficient dùng để hiển thị hệ số khôi phục ng ưỡng Thr.

3.7. Mô phỏng hư hỏng trong bộ truyền bánh răng Để thu nhận tín hiệu và tìm ra dấu hiệu nhận dạng các dạng hỏng cơ bản trong truyền động bánh răng, một số dạng hỏng như: tróc rỗ bề mặt răng, gãy răng (gãy 20%, gãy 40%), mòn răng được tạo.

39

Một số dạng hỏng được cố tình tạo ra bằng cách như: sử dụng máy mài cầm tay để cắt đi một phần răng nhằm tạo dạng hỏng gãy răng. Tùy vào phần răng được cắt đi mà có thể có dạng hỏng 20% hay 40% tính theo thể tích răng (Fig 3. 26). Hoặc dạng hỏng tróc rỗ trên bề mặt răng được tạo ra bằng cách sử dụng mũi khoan để tạo lỗ nhỏ trên bánh răng (Fig 3. 27).

 Fig 3. 25: Giao diện xử lý tín hiệu bằng phương pháp Wavelet Packet - Hilbert Để thu nhận tín hiệu và tìm ra dấu hiệu nhận dạng các dạng hỏng cơ bản trong truyền động bánh răng, chúng tôi tiến hành mô phỏng các hư hỏng tróc rỗ bề mặt răng, gãy răng (gãy 20%, gãy 40%), mòn răng, đồng thời cũng mô phỏng một vết tróc rỗ trên vòng ngoài ổ lăn.

 Fig 3. 26: Mô phỏng dạng hỏng gãy răng: (a)Răng gãy 20%. (b) Răng gãy 40%

40

 Fig 3. 27: Mô phỏng dạng hỏng tróc rỗ bề mặt răng

 Fig 3. 28: Mô phỏng dạng hỏng mòn bề mặt răng Để tạo các bánh răng có dạng hư hỏng gãy răng, chúng tôi cố định bánh răng chưa hỏng  bằng ê-tô, sau đó sử dụng máy mài cầm tay mài vẹt một răng 20% và 40% tính theo thể tích răng (Fig 3. 26). Để tạo bánh răng tróc rỗ, chúng tôi sử dụng mũi đột để tạo lỗ nhỏ trên bề mặt bánh răng nghiên cứu (Fig 3. 27). Để mô phỏng dạng hỏng mòn răng, chúng tôi tiến hành mài một lớp rất mỏng đều khắp trên bề mặt răng của bánh răng (Fig 3. 28). Các bánh răng với các dạng hỏng khác nhau được lắp lại trên hộp giảm tốc và chạy thực nghiệm để thu nhận các tín hiệu dao động, âm thanh. Các tín hiệu n ày sau đó được phân tích và xử lý bằng phần mềm xử lý tín hiệu viết bằng ngôn ngữ Matlab. Kết quả xử lý và phân tích được bàn luận nhằm tìm ra các dạng h ỏng trong bộ truyền bánh răng ở ch ương tiếp theo.

41

CHƯƠNG 4 NHẬN DẠNG VÀ CHẨN ĐOÁN HƯ HỎNG  Nhằm nhận dạng hư hỏng và tìm ra các dấu hiệu hư hỏng trong hệ truyền động bánh răng  bằng các phương pháp nói trên, chúng tôi tiến hành nhiều thí nghiệm thu nhận tín hiệu từ hộp giảm tốc 1 cấp và 2 cấp có các dạng hỏng tróc rỗ, gãy răng, mòn răng,.. và tiến hành xử lý tín hiệu nhận được lần lượt bằng các phương pháp Wavelet, Wavelet Packet và phép biến đổi Hilbert.

4.1. Xử lý tín hiệu dao động thực nghiệm trên hộp giảm tốc 1 cấp 4.1.1. Thông số đặc trưng của hộp giảm tốc bánh răng một cấp Thông số của động cơ và hộp giảm tốc (HGT) một cấp: Tốc độ động cơ: 1420 (v/p); Bánh răng nhỏ - dẫn động: 17 răng; Bánh răng lớn – bị động: 43 răng; Tần số ăn khớp: 402,3Hz; Tần số trục vào: 23,7Hz; Tần số trục ra: 9,4Hz.

4.1.2. Các dạng hỏng trong HGT và tín hiệu thu nhận Đối với HGT một cấp, dạng hỏng đ ược tạo nên trên bánh bị dẫn của bộ truyền bánh răng. Tín hiệu dao động thu được từ cảm biến gia tốc được trình bày trên các hình Fig 4. 1, Fig 4. 2, Fig 4. 3, Fig 4. 4.

 Fig 4. 1: Tín hiệu dao động x(t) của răng chưa hỏng

42

 Fig 4. 2: Tín hiệu dao động x(t) của răng bị gãy 20%

 Fig 4. 3: Tín hiệu dao động x(t) của răng bị gãy 40%

43

 Fig 4. 4: Tín hiệu dao động x(t) của răng bị tróc rỗ Sau khi thu tín hiệu âm thanh từ mô hình, chúng tôi nhận được các đồ thị tín hiệu như trên các hình Fig 4. 5, Fig 4. 6, Fig 4. 7.

 Fig 4. 5: Tín hiệu âm thanh x(t) của răng chưa hỏng.

44

 Fig 4. 6: Tín hiệu âm thanh x(t) của răng gãy 20%

 Fig 4. 7: Tín hiệu âm thanh x(t) của răng gãy 40%

4.1.3.  Phân tích tín hiệu dao động dùng Wavelet Tiến hành sử dụng phương pháp Wavelet cho tín hiệu dao động thu nhận được. Fig 4. 8 mô tả biến đổi Wavelet của tín hiệu dao động chưa có hư hỏng. Fig 4. 9 mô tả biến đổi Wavelet của tín hiệu dao động đối với bánh răng đã có hư hỏng gãy răng 20%. Fig 4. 10 mô tả biến đổi Wavelet của tín hiệu dao động đối với bánh răng đã có hư hỏng gãy răng 40%. 45

Fig 4. 11 mô tả biến đổi W avelet của tín hiệu dao động đối với bánh răng đã có hư hỏng tróc rỗ trên bề mặt răng. Fig 4. 12 mô tả biến đổi Wavelet của tín hiệu dao động đối với bánh răng đã có hư hỏng dạng mòn răng. Trục hoành là thời gian, đơn vị là 1/10 ms. Trục tung là scale, đại lượng này quan hệ với tần số theo công thức: scale= 5*sf/(2*π*freq). Ở đây sf là tần số lấy mẫu có giá trị 10kHz. Do đó đơn vị của scale là 1/rad. Với tần số ăn khớp của bánh răng (GMF) là 402,3Hz, từ công thức trên, sẽ tương ứng với mức scale là 19,79. Các hài bậc 2 và b ậc 3 ứng với tần số ăn khớp lần lượt ứng với tần số ăn khớp bằng 804,7Hz và 1207 Hz. Hài bậc 2 và bậc 3 tương ứng với mức scale bằng 9.09 và 6.6. Với bánh răng chưa hư hỏng, năng lượng tại vùng tần số ăn khớp và ứng với các hài bậc 2, bậc 3 phân bố đều nhau với mức n ăng lượng thấp (màu xanh đậm) (Fig 4. 8).

 Fig 4. 8: Biểu đồ phần trăm năng lượng tín hiệu dao động bình thường. Khi có hư hỏng xảy ra, với 20% răng bị gãy (Fig 4. 9), trên biểu đồ năng lượng, ứng với hài bậc 3 (3*f) của tần số ăn khớp đã có những dấu hiệu khác biệt. Mức năng lượng tại vùng này phân bố thành từng cụm riêng biệt và mức độ năng lượng tập trung tại mỗi cụm cũng cao hơn. Ở đây chúng ta cũng nhận dạng được tính chu kỳ của mức độ năng lượng ứng với hài  bậc 3 của vùng tần số ăn khớp, thể hiện tính chu kỳ của h ư hỏng cục bộ trên răng.

46

 Fig 4. 9: Biểu đồ phần trăm năng lượng tín hiệu dao động 20% gãy răng. Với 40% răng bị gãy (Fig 4. 10), khi va đập, bánh răng sẽ tạo ra dao động với biên độ lớn hơn nhiều. Lúc này tại vùng tần số ăn khớp, n ăng lượng bắt đầu tăng dần, phân bố thành cụm rời rạc. Ứng với hài bậc 3 của tần số ăn khớp (3*f), mức năng lượng tạo thành những cụm riêng biệt tách rời nhau. Với các màu thể hiện năng lượng tại vùng hài bậc 3 của tần số ăn khớp, ta thấy năng lượng ở đây là khá lớn. Ở đây chúng ta cũng nhận dạng được tính chu kỳ của mức độ năng lượng ứng với hài bậc 3 của vùng tần số ăn khớp, thể hiện tính chu kỳ của hư hỏng cục bộ trên răng.

 Fig 4. 10: Biểu đồ phần trăm năng lượng tín hiệu dao động 40% gãy răng.

47

Trường hợp răng bị tróc (Fig 4. 11),  biểu đồ năng lượng cũng có những dấu hiệu khác  biệt so với trường hợp bình thường. Mức năng lượng tại vùng hài bậc 3 của tần số ăn khớp (3*f) lúc này cũng phân bố thành từng cụm riêng biệt và mức độ năng lượng tập trung tại mỗi cụm cũng cao hơn so với trường hợp bình thường Ở đây chúng ta cũng nhận dạng được tính chu kỳ của mức độ năng lượng ứng với hài bậc 3 của vùng tần số ăn khớp, thể hiện tính chu kỳ của hư hỏng cục bộ trên răng.

 Fig 4. 11: Biểu đồ phần trăm năng lư ợng tín hiệu dao động tróc rỗ răng.

 Fig 4. 12: Biểu đồ phần trăm năng lượng tín hiệu dao động do mòn răng Trường hợp răng bị mòn (Fig 4. 12),  biểu đồ năng lượng cũng có những dấu hiệu khác  biệt so với trường hợp bình thường. Mức năng lượng tại vùng hài bậc 3 của tần số ăn khớp (3*f) cũng tăng lên rõ rệt. Tuy nhiên, tính chu kỳ của mức độ năng lượng ứng với hài bậc 3 48

của vùng tần số ăn khớp không thể hiện rệt, mà mức nă ng lượng mang tính phân bố theo trục thời gian. Điều này thể hiện hư hỏng trên răng là dạng hư hỏng phân bố (mòn răng). Tóm lại, qua sử dụng phương pháp Wavelet để phân tích tình hiệu dao động thu được từ cặp bánh răng, chúng ta có thể nhận dạng được hư hỏng trên bộ truyền, đồng thời có thể phân  biệt được dạng hỏng cục bộ (gãy răng, tróc rỗ bề mặt răng) và dạng hỏng phân bố (mòn răng).

4.1.4. Phân tích tín hiệu âm thanh sử dụng Wavelet

 Fig 4. 13: Biến đổi Wavelet cho tín hiệu âm thanh bình thường.

 Fig 4. 14: Biến đổi Wavelet cho tín hiệu âm thanh 20% răng g ãy. Tiến hành sử dụng phương pháp Wavelet cho tín hiệu âm thanh thu nhận được, chúng tôi cũng nhận đạng được hư hỏng trên bộ truyền. Fig 4. 13 mô tả biến đổi Wavelet của tín hiệu 49

âm thanh chưa có hư hỏng. Tần số ăn khớp của bánh răng (GMF) là 402,3Hz tương ứng với mức scale là 19,79. Với bánh răng chưa hư hỏng, năng lượng tại vùng tần số ăn khớp phân  bố đều nhau với mức năng lượng thấp (màu xanh đậm). Khi phá hỏng bánh răng 20% (Fig 4. 14), năng lượng tập trung ở vùng tần số ăn khớp dày hơn, xuất hiện một số vạch năng lượng lớn (màu đỏ), năng lượng tại đây cũng cao hơn  bởi sự biểu hiện của các vạch màu xanh da trời nhiều hơn so với tín hiệu chưa có hư hỏng. Khi phá hỏng răng 40% (Fig 4. 15), dấu hiệu hư hỏng xuất hiện rõ ràng hơn. Quan sát các vạch màu mô tả mức năng lượng của tín hiệu trên đồ thị, ta thấy xung quanh tần số ăn khớp, các màu thể hiện mức năng lượng lớn như đỏ, cam, xanh lá xuất hiện nhiều hơn. Năng lượng của tín hiệu lúc này cao hơn nhiều so với tín hiệu chưa hỏng và hầu như chỉ tập trung tại vùng tần số ăn khớp.

 Fig 4. 15: Biến đổi Wavelet cho tín hiệu âm thanh 40% răng gãy Các phân tích trên đây cho thấy tính khả thi trong việc sử dụng tín hiệu âm thanh và  phương pháp Wavelet trong phát hiện và chẩn đoán hư hỏng trên bộ truyền bánh răng. Từ kết quả bước đầu nói trên, có thể tiến hành các nghiên cứu sâu hơn về tín hiệu âm thanh nhằm  phát hiện và chẩn đoán hư hỏng thiết bị cơ khí.

4.2. Xử lý tín hiệu dao động thực nghiệm trên hộp giảm tốc 2 cấp 4.2.1. Thông số đặc trưng của hộp giám tốc bánh răng 2 cấp Thông số của động cơ và hộp giảm tốc hai cấp: Tốc độ động cơ: 1570 (v/p); Bánh răng nhỏ: Z1 = 17; Bánh răng lớn: Z2 = 43; Tần số ăn khớp cấp nhanh: 443,7Hz; Tần số ăn khớp

50

cấp chậm: 175,1 Hz; Tần số trục vào: 26,1Hz; Tần số trục trung gian: 10,3 Hz; Tần số trục ra: 4,07 Hz

4.2.2. Các dạng hỏng trong hộp giám tốc 2 cấp Chúng tôi tiến hành mô phỏng các dạng hỏng trên HGT 2 cấp răng cho các trường hợp sau đây:

 Hộp giảm tốc 2 cấp chỉ có 1 hư hỏng tróc rỗ bánh răng ở trục ra (bánh bị dẫn của cặp  bánh răng cấp chậm).  Hộp giảm tốc 2 cấp có 2 hư hỏng: gãy răng ở trục vào (bánh dẫn của cặp bánh răng cấp nhanh) và tróc rỗ bánh răng ở trục ra.

 Hộp giảm tốc 2 cấp có 3 hư hỏng: tróc rỗ bánh răng ở trục ra, gãy răng ở trục vào và tróc rỗ vòng ngoài của ổ lăn gắn trên trục ra.

 Fig 4. 16: Đồ thị x(t) của tín hiệu dao động b ình thường

4.2.3. Tín hiệu dao động thu nhận Các đồ thị trên hình Fig 4. 16, Fig 4. 17, Fig 4. 18, Fig 4. 19 tương ứng mô tả tín hiệu dao động theo thời gian với hộp giảm tốc bánh răng b ình thường, hư hỏng 1 lỗi, hư hỏng 2 lỗi và hư hỏng 3 lỗi.

51

 Fig 4. 17: Đồ thị x(t) của tín hiệu dao động h ư hỏng 1 lỗi

Fig 4. 18: Đồ thị x(t) của tín hiệu dao động h ư hỏng 2 lỗi

52

Fig 4. 19: Đồ thị x(t) của tín hiệu dao động h ư hỏng 3 lỗi

4.2.4. Phân tích tín hiệu dao động sử dụng Wavelet Packet và Hilbert 4.2.4.1.  Hộp giảm tốc 2 cấp chỉ có 1 lỗi hư hỏng tróc rỗ bánh răng ở trục ra Trước hết để nhận dạng chính xác được hư hỏng nằm trên bộ truyền bánh răng cấp chậm, chúng ta sử dụng phương pháp Wavelet Packet và tiến hành theo dõi đồ thị Wavelet Packet ứng với vùng tần số ăn khớp của bộ truyền bánh răng cấp chậm (ứng với tần số 175.01Hz). Do đó, ta cần phân tích ở mức level 5 (1 scale: 10001/2^6=156.27Hz), tần số hư hỏng trục ra là 175.01Hz nằm ở mức scale 2 (156.27 312.54Hz). Fig 4. 20 và Fig 4. 21 lần lược trình bày đồ thị Wavelet Packet tập trung trên vùng tần số ăn khớp của bộ truyền bánh răng cấp chậm (tần số 175.01Hz), tương ứng với trường hợp bộ truyền bánh răng cấp chậm bình thường, chưa có hư hỏng và bộ truyền bánh răng cấp chậm có hư hỏng tróc rỗ trên bề mặt răng. So sánh đồ thị tín hiệu tại tần số ăn khớp tron g hai trường hợp trên, ứng với mức 2 (tần số 175.01Hz), ta thấy thì mức năng lượng khi có hư hỏng cao hơn so với trường hợp bình thường. Điều này cho phép khẳng định rằng có sự hỏng trên bộ truyền bánh răng cấp chậm (như thực tế trên hộp giảm tốc). Tuy nhiên, nếu chỉ sử dụng phương pháp Wavelet Packet, khó nhận dạng hư hỏng nằm trên bánh răng nào trong cặp bánh răng cấp chậm.

53

 Fig 4. 20: Đồ thị Wavelet Packet tín hiệu dao động, bộ truyền bánh răng ch ưa phá hỏng.

 Fig 4. 21: Đồ thị Wavelet Packet tín hiệu dao động, bộ truyền bánh răng có hư hỏng tróc rỗ trên bề mặt răng. Ta tiếp tục tiến hành phân tích tín hiệu dao động sử dụng phương pháp Wavelet Packet, kết hợp với phương pháp biến đổi Hilbert để nhận dạng tần số điều biến tín hiệu, nhằm xác định chính xác hơn hư hỏng đang nằm trên bánh răng nào. Trên hộp giảm tốc thực tế, hư hỏ ng do ta tạo nên trên trục ra (bánh răng bị dẫn cấp chậm). Trục bánh răng bị dẫn cấp chậm tương ứ ng với tần số 4.07Hz (hư hỏng tróc rỗ trên bánh răng nghiên cứu tương ứng với tần số nó i trên). Ta sẽ khôi phục lại vùng tần số xảy ra hư hỏng để cho thấy sự tương quan giữa trường hợp bình thường và trường hợp hư hỏng. Trục hoành là

54

thời gian, đơn vị là 1/10ms. Trục tung là trục tần số chia theo đơn vị scale và đơn vị là Hz. Tần số lấy mẫu được chọn là 10KHz. Tiến hành xử lý tín hiệu ở mức phân tích thứ 11 với độ rộng tần số của mỗi tỷ lệ được tính theo công thức là 10K/2 11+1 =2.44Hz. Ứng với tần số 4.07Hz, ta cần quan sát vùng tần số tương ứng trong khoảng thứ 2 (ứng với khoảng tần số từ 2 .44Hz đến 4.88Hz).

 Fig 4. 22: Đồ thị Wavelet Packet của tín hiệu dao động, bộ truyền bánh răng b ình thường, không có hư hỏng

 Fig 4. 23: Đồ thị Wavelet Packet của tín hiệu dao động hư hỏng 1 lỗi

55

Quan sát ở vùng tần số 4.07Hz trên đồ thị của bánh răng chưa hỏng và bánh răng bị hỏng, ta nhận thấy đối với tín hiệu dao động bình thường có màu sắc nhạt hơn, điều đó thể hiện mức năng lượng của biên độ tín hiệu dao động bình thường thấp hơn so với trường hợp bánh răng bị tróc rỗ. Khi bánh răng bị tróc rỗ, đồ thị có m àu đậm hơn nhiều tại vùng tần số ứng vớ i hư hỏng (Fig 4. 22, Fig 4. 23). Có thể kết luận rằng, chúng ta đã nhận dạng đ ược hư hỏng tróc rỗ chính xác nằm trên trục ra của hộp giảm tốc thông qua việc phân tích tín hiệu dao động.

4.2.4.2.  Hộp giảm tốc 2 cấp có 2 lỗi hư hỏng: gãy răng ở trục vào và tróc rỗ bánh răng ở trục ra. Tương tự như trên, ta sử dụng phương pháp phương pháp Wavelet Packet kết hợp với  phép biến đổi Hilbert để phân tích tín hiệu dao động trong trường hợp có hai lỗi hư hỏng. Tần số tương ứng với các hư hỏng: gãy răng ở trục vào tương ứng với tần số 26.1 Hz và  bánh răng bị tróc rỗ ở trục ra tương ứng với tần số là 4.07Hz. Như vậy, chúng ta cần khôi  phục tại 2 vùng tần số xảy ra hư hỏng để cho thấy sự tương quan về năng lượng giữa trường hợp bình thường và trường hợp hư hỏng. Tiến hành xử lý tín hiệu ở mức phân tích thứ 11 với độ rộng tần số của mỗi tỷ lệ được tính theo công thức là 10K/2 11+1 =2.44Hz. Do đó, các tần số 4.07Hz và 26.1Hz tương ứng trong khoảng thứ 2 (băng tần từ 2.44Hz đến 4.88Hz) v à ở khoảng thứ 11 (băng tần từ 24.4Hz đến 26.84Hz).

 Fig 4. 24: Đồ thị Wavelet Packet của tín hiệu dao động bình thường 56

 Fig 4. 25: Đồ thị Wavelet Packet của tín hiệu dao động hư hỏng 2 lỗi Đối với tín hiệu dao động, quan sát trực quan trên đồ thị (Fig 4. 24, Fig 4. 25), ta nhận thấy khi các bánh răng bị gã y và tróc rỗ thì mức năng lượng của biên độ tín hiệu dao động ở vùng tần số tương ứng với các hư hỏng cao hơn so với trường hợp chưa hư hỏng. Bằng cách kiểm tra bóng màu ở hai đồ thị và dựa vào cột màu sắc ở bên phải biểu đồ để thấy rõ sự khác  biệt. Ở cột màu sắc càng lên cao, thể hiện mức năng lượng càng tăng và biểu hiện mức độ hư hỏng càng trầm trọng.  Như vậy, dựa trên sự kết hợp hai phương pháp nêu trên, chúng ta nhận dạng được chính xác hư hỏng gãy răng nằm trên trục vào của HGT và hư hỏng tróc rỗ nằm trên trục ra của HGT, như trên thực tế trong bộ truyền.

4.2.4.3.  Hộp giảm tốc 2 cấp có 3 hư hỏng: tróc rỗ bánh răng ở trục ra, gãy răng ở trục vào và tróc rỗ vòng ngoài của ổ lăn gắn trên tr ục ra. Tần số tương ứng với các hư hỏng gãy răng trên trục vào, hư hỏng tróc rỗ trên trục ra, hư hỏng tróc rỗ trên vòng ngoài ổ lăn lần lượt bằng: 26.1Hz, 4.07Hz v à 16.6Hz. Bởi vì ta chỉ quan tâm đến các tần số điều biến do h ư hỏng là 4.07Hz, 16.6Hz và 26.1Hz, nên sau khi thực hiện phép biến đổi Wavelet Packet, ta tiến hành khôi phục tại các vùng tần số tương ứng bằng việc phục hồi lại các nút trên cây Wavelet Packet. Các vùng tần số tương ứng tập trung ở khoảng thứ 2 (băng tần từ 2.44Hz đến 4.88Hz), ở khoảng thứ 7 (băng tần từ 14.64Hz đến 17.08Hz) và ở khoảng thứ 11 (băng tần từ 24.4Hz đến 26.84Hz).

57

Khi bánh răng và ổ lăn chưa bị hư hỏng, tương ứng với các tần số đặc trưng cho các hư hỏng vừa mô tả trên đây, ta nhận thấy đối với tín hiệu dao động, màu sắc nhạt hơn, điều đó thể hiện mức năng lượng của biên độ tín hiệu dao động bình thường là khá thấp (Fig 4. 26).

 Fig 4. 26: Đồ thị Wavelet Packet của tín hiệu dao động bình thường

 Fig 4. 27: Đồ thị Wavelet Packet của tín hiệu dao động hư hỏng 3 lỗi Khi bánh răng và ổ lăn bị hư hỏng, ta nhận thấy tín hiệu dao động có màu đậm hơn nhiều tại những vùng tần số có xảy ra hư hỏng, bằng việc dựa vào cột màu sắc tương ứng ở  bên phải biểu đồ Fig 4. 27. Điều đó cho ta kết luận rằng, với phương pháp Wavelet Packet kết hợp với phép biến đổi Hilbert, ta đã nhận dạng được chính xác hư hỏng đang nằm trên bánh răng nào của hộp 58

giảm tốc, đồng thời cũng nhận dạng được dấu hiệu tróc rỗ trên bề mặt rãnh lăn trên vòng ngoài của trục ra.

4.2.5. Tín hiệu âm thanh thu nhận 4.2.5.1.  Hộp giảm tốc 2 cấp chỉ có 1 lỗi hư hỏng tróc rỗ bánh răng ở trục ra Đồ thị x(t) của tín hiệu âm thanh trong trường hợp bình thường và trường hợp hư hỏng tróc rỗ bề mặt răng trên bánh răng bị dẫn của cấp chậm như trên hình Fig 4. 28, Fig 4. 29.

 Fig 4. 28: Đồ thị x(t) của tín hiệu âm thanh b ình thường

4.2.5.2.  Hộp giảm tốc 2 cấp có 2 lỗi hư hỏng: gãy răng ở trục vào và tróc rỗ bánh răng ở trục ra.

 Fig 4. 29: Đồ thị x(t) của tín hiệu âm thanh h ư hỏng tróc rỗ bánh răng trên trục bị dẫn cấp chậm (trục ra) 59

Đồ thị x(t) của tín hiệu âm thanh trong trường hợp hư hỏng gãy răng trên trục vào (trục  bánh răng dẫn cấp nhanh) và tróc rỗ trên trục ra (trục bánh răng bị dẫn cấp chậm) (Fig 4. 30).

 Fig 4. 30: Đồ thị x(t) của tí n hiệu âm thanh hư hỏng 2 lỗi: gãy răng và tróc rỗ trên trục vào và trục ra.

4.2.5.3.  Hộp giảm tốc 2 cấp có 3 hư hỏng: tróc rỗ bánh răng ở trục ra, gãy răng ở trục vào và tróc rỗ vòng ngoài của ổ lăn gắn trên tr ục ra.

 Fig 4. 31: Đồ thị x(t) của tín hiệu âm thanh h ư hỏng 3 lỗi Biểu đồ x(t) của tín hiệu âm thanh cho trường hợp 3 hư hỏng trên hộp giảm tốc 2 cấp như trên Fig 4. 31.

60

4.2.6. Phân tích tín hiệu âm thanh sử dụng Wavelet Packet và Hilbert Hoàn toàn tương tự như khi tiến hành phân tích và xử lý tín hiệu dao động, sử dụng phép  biến đổi Wavelet Packet kết hợp với biến đổi Hilbert để xử lý tín hiệu âm thanh, chúng tôi cũng thu nhận được kết quả hoàn toàn tương tự.

 Fig 4. 32: Đồ thị Wavelet Packet của tín hiệu âm thanh bình thường

 Fig 4. 33: Đồ thị Wavelet Packet của tín hiệu âm thanh h ư hỏng tróc rỗ trên trục ra Đồ thị Wavelet Packet (kết hợp phép biến đổi Hilbert), ứng với trường hợp tín hiệu âm thanh bình thường và khi có m ột lỗi hư hỏng trên trục ra như trên Fig 4. 32, Fig 4. 33. Đồ thị Wavelet Packet (kết hợp phép biến đổi Hilbert), ứng với trường hợp tín hiệu âm thanh bình thường và khi có một lỗi hư hỏng trên trục ra và một lỗi hư hỏng trên trục vào như trên Fig 4. 34, Fig 4. 35. 61

 Fig 4. 34: Đồ thị Wavelet Packet của tín hiệu âm thanh bình thường

 Fig 4. 35: Đồ thị Wavelet Packet của tín hiệu âm thanh với hai h ư hỏng : gãy răng 20% trên trục vào và tróc rỗ trên trục ra. Đồ thị Wavelet Packet (kết hợp phép biến đổi Hilbert), ứng với trường hợp tín hiệu âm thanh bình thường và khi có một lỗi hư hỏng trên trục ra, một lỗi hư hỏng trên trục vào, và 1 lỗi hư hỏng tróc rỗ trên rãnh lăn vòng ngoài ổ lăn trên trục ra như trên Fig 4. 36, Fig 4. 37.

62

 Fig 4. 36: Đồ thị Wavelet Packet của tín hiệu âm thanh bình thường Phân tích trên đây cho phép k ết luận rằng, với phương pháp Wavelet Packet kết hợp với  phép biến đổi Hilbert, sử dụng cho tín hiệu âm thanh, ta cũng đã nhận dạng được chính xác hư hỏng đang nằm trên bánh răng nào của hộp giảm tốc.

 Fig 4. 37: Đồ thị Wavelet Packet của tín hiệu âm thanh hư hỏng 3 lỗi

63

4.3. Nhận xét và kết luận Qua nghiên cứu trên đây, chúng tôi nhận thấ y rằng: - Việc phân tích tín hiệu dao động và âm thanh bằng các phương pháp Wavelet, Wavelet Packet và phép biến đổi Hilbert cho phép ta nhận đạng được một số dạng hư hỏng trong bộ truyền bánh răng (tróc rỗ bề mặt răng, gãy răng, mòn răng, tróc rỗ trên ổ lăn). Đặc biệt với việc thu nhận và phân tích tín hiệu âm thanh, chúng ta hoàn toàn có khả năng phát hiện và nhận dạng được hư hỏng. - Phương pháp Wavelet Packet cho phép phân vùng không gian tần số thành các vùng nhỏ hơn và cho độ phân giải khá tốt, từ đó cho phép phân tích các tín hiệu có nhiều thành phần tần số khá gần nhau, trong tín hiệu ổn định và nga y cả trong tín hiệu không ổn định. - Việc kết hợp phương pháp Wavelet Packet và biến đổi Hilbert tạo ra một công cụ cho  phép giải điều biến tín hiệu để nhận dạng chính xác vị trí hư hỏng trong hộp giảm tốc. - Việc biểu diễn tín hiệu trong miền thời gian - tần số của phương pháp Wavelet Packet giúp cho việc chẩn đoán được thuận lợi, khi thể hiện được các thông tin về tần số, thời điểm xuất hiện và biên độ của các thành phần tín hiệu hư hỏn g. - Có thể nhận dạng cùng một lúc nhiều hư hỏng xảy ra trên hộp tốc độ, dấu hiệu hư hỏng thể hiện một cách trực quan dễ nhận biết trên đồ thị Wavelet Packet. - Các phương pháp nêu trên vẫn chưa cho phép phân biệt chính xác hiện tượng mòn răng, tróc rỗ và gãy răng. Để phân biệt chính xác các hư hỏng nêu trên, cần kết hợp với các phương pháp khác như phương pháp FFT, phương pháp sử dụng hệ số Kurtosis…

64

KẾT LUẬN VÀ TRIỂN VỌNG CỦA ĐỀ TÀI 1. Kết luận Đề tài " Nghiên cứu chẩn đoán hư hỏng hệ truyền động bánh răng bằng phân tích tín hiệu dao động và âm thanh, sử dụng phương pháp Wavelet, Wavelet Packet và Hilbert “ đã đạt được một số yêu cầu như mục tiêu nghiên cứu đề ra. Đề tài nghiên cứu đã đạt được một số kết quả cụ thể sau đây: + Nghiên cứu tổng quan về các dạng hư hỏng và các phương pháp chẩn đoán hư hỏng hệ truyền động bánh răng bằng phân tích tín hiệu dao động và âm thanh. + Nghiên cứu cơ sở lý thuyết về các phương pháp phân tích tín hiệu tiên tiến và hiệu quả: Phương pháp Wavelet, Wavelet Packet và phép biến đổi Hilbert. Xây dựng thuật toán phân tích tín hiệu và chương trình phân tích tín hiệu dựa trên các phương p háp nói trên. + Mô phỏng các dạng hỏng tróc rỗ, gãy răng, mòn răng trên hộp giảm tốc bánh răng một cấp và hai cấp. Xây dựng v à lắp ráp mô hình thu nhận tín hiệu dao động thông qua cảm biến gia tốc kế, thu nhận tín hiệu âm thanh thông qua cảm biến âm thanh/micro, sin h ra do các hư hỏng, khuyết tật trong hộp giảm tốc bánh răng. + Bổ sung các mô đun WAVELET, WAVELET PACKET, HILBERT vào phần mềm xử lý tín hiệu “CoPA Vibration Signal Analysis”, sử dụng công cụ toán học Matlab. Các môđun  bổ sung cho phép xử lý tín hiệu dao động nhận được bằng các phương pháp Wavelet, Wavelet Packet, phương pháp Wavelet Packet kết hợp với phương pháp Hilbert, nhằm phân tích tín hiệu dao động và âm thanh. Phần mềm có giao diện khá thuận tiện, dễ sử dụng, cho  phép xử lý chính xác các tín hiệu thu nhận đ ược. + Tiến hành chẩn đoán thực nghiệm; tìm ra các dấu hiệu nhận dạng hư hỏng của các hộp giảm tốc thí nghiệm. Tổ hợp phần mềm-thiết bị thu nhận và xử lý tín hiệu dao động góp một công cụ hữu ích cho việc chẩn đoán hư hỏng của các phần tử c ơ khí như ổ lăn, bánh răng.

2. Triển vọng phát triển và hướng nghiên cứu tiếp tục Đây là mảng đề tài rất phong phú, do đó hướn g tiếp tục phát triển khá rộng r ãi. Chúng tôi chỉ nêu lên một số hướng nghiên cứu cần được tiếp tục để ho àn thiện đề tài: - Hoàn thiện phần mềm thu nhận và xử lý tín hiệu sử dụng các phương pháp xử lý tín hiệu đã nêu trên đây. 65

- Phát triển phần mềm trên cơ sở ứng dụng phương pháp thời gian-tần số, phương pháp sử dụng thuật toán di truyền, mạng nơrôn... - Tiếp tục nghiên cứu thực nghiệm nhằm nhận dạng hư hỏng bộ truyền trục vít, các bộ truyền bánh răng đang được sử dụng rộng rãi như các bộ truyền bánh răng biên dạng cung tròn, biên dạng thuộc họ đường cong cycloid…

66

TÀI LIỆU THAM KHẢO [1]

Akerblom M., Gearbox Noise, Correlation with Transmission Error and Influence of

Gearing Preload, Ph.D. thesis, Department of Machine Design, Royal Institute of Technology, tRITA-MMK, 2008. [2]

Alain BOULENGER, Maintenance Conditionnelle par analyse des vibrations,

Techniques de l’Ingénieur. [3]

B. Samanta, Artificial neural networks and genetic algorithms for gear fault detectio n”,

Mechanical Systems and Signal Processing, 18, 1273–1282, 2004. [4]

Badaoui M. El, Guillet F., Danière J., Surveillance des systèmes complexes a

engrenages par l'analyse cepstrale synchrone, Monitoring of complex gear system by synchronous cepstral analysis, Surveillance des systèmes complexes, Traitement du Signal 5, 16, 1999. [5]

Bartelmus W., Zimroz R., A new feature for monitoring the condition of gearboxes in

non- stationary operating conditions, Mechanical Systems and Signal Processing, 23, 1528–  1534, 2009. [6]

Baydar N., Ball A., Detection of gear failures via vibration and acoustic signals using

Wavelet transform, Mechanical Systems and Signal Processing, 17 (4), 787 –804, 2003. [7]

Baydar Naim, Ball Andrew, A comparative study of acoustic and vibration signal in

detection of gear failures using Wigner–Ville distribution, Mechanical Systems and Signal Processing, 15 (6), 1091 -1107, 2001. [8]

Borner J., Houser D. R., Friction and bending moment as gear noise excitation, SAE

Technical Paper Series, 961816, 1996. [9]

Capdessus Cecile, Sidahmed Menad, Analyse des vibrations d'un engrenage cepstre,

correlation, spectre, Traitement du Signal 5, 8, 1991, 365 -372. [10] Carreau D., Surveillance des roulements par l'analyse des vibrations, CETIM Informations, 115, 1990. [11] Chaari Fakher, Fakhfakh Tahar, Haddara Mohamed, Simulation numérique du comportement dynamique d’une transmission par engrenages en présence de défauts de dentures, Mécanique & Industries, 6, 2006, 625 -633.

67

[12] Chui Charles K., An introduction to Wavelets - Wavelet analysis and its application, Academic Press, 1992. [13] Cousinard Olivier, Rousseau Philippe, Bolaers Fabrice, Marconnet Patrick Paramétrage, utilisation et apport de l’analyse cepstrale en maintenance prévisionnelle, Mécanique & Industries, 5, 2004, 393–406 [14] Fakher Chaari, Tahar Fakhfakh et Mohamed Haddara, Simulation numérique du comportement dynamique d’une transmission par engrenages en présence de défauts de dentures, Mécanique & Industries 6, 625 -633, 2006. [15] Fan Xianfeng, Zuo Ming J., Gearbox fault detection using Hilbert and Wavelet Packet transform, Mechanical Systems and Signal Processing, 20, 2006, 996 -982. [16] Feldman M., Non-linear free vibration identification via the Hilbert transform, Journal of Sound and Vibration, 208 (3), 1997, 475 –489. [17] Feldman Michael, Theoretical analysis and comparison of the Hilbert transform decomposition methods, Mechanical Systems and Signal Processing, 22, 2008, 509 –519. [18] Guide d’achat, Mesures mécanique, La surveillance et le diagnostic vibratoires, Mesures 735 Mai 2001. [19] Hahn S. L., Chapter 7 : Hilbert transforms, in The Transforms and Applications Handbook, A. Poularakis, Ed., Boca Raton FL: CRC Press, 1996. [20] Henriksson M., Analysis of gear noise and dynamic transmission error measurements, ASME IMECE04, Paper 61077. [21] Houser D. R., Oswald F. B., Valco M. J., Drago R. J., Lenski J., Comparison of transmission error predictions with noise measurements for several spur and helical gears, 30th AIAA/ASME/SAE/ASEE Joint Propulsion Conference, Indianapolis, 1994. [22] Houser D. R., Vaishaya M., Sorenson J. D., Vibro-acoustic effects of friction in gears: An experimental investigation, SAE Technical Paper eries, 01 (1516), 2001. [23] Ioan D. Marinescu, Boboc Constantin Ispas Dan, Handbook of Machine Tool Analysis, Marcel Dekker Inc, 2002. [24] J. Ma, Li C.J., Gear defect detection through model-based wideband demodulation of vibrations, Mechanical Systems and Signal Processing, 10 (5), 1996, 653 –665. [25] Jones D.L., Parks T.W., A resolution comparison of several time–frequency representations, IEEE Transactions on S ignal Processing, 40 (2), 1992, 413–420 68

[26] Keith Mobley R., Root cause failure analysis, Butterworth -Heinemann, 1999. [27] Lê Cung, Dương Quốc Bảo, Nghiên cứu xây dựng thuật toán và phần mềm thu nhận và xử lý tín hiệu dao động, phục vụ chẩn đoán hư hỏng ổ lăn, bánh răng, Tạp chí khoa học & Công nghệ 6 trường Đại học, 76, 2010, 57-61. [28] Lê Cung, Nghiên cứu chẩn đoán hư hỏng của một số phần tử trong các thiết bị cơ khí  bằng phương pháp phân tích dao động, Đề tài NCKH Cấp Bộ GD&ĐT, Mã số: B2008DN02-38, Năm 2008-2009. [29] Liu B., Selection of Wavelet Packet basis for rotatingmachinery fault diagnosis, Journal of Sound and Vibration, 284, 2005, 567 –582. [30] Lundvall O., Contact Mechanics and Noise in Gears, Ph.D. thesis, Department of mechanical engineering, Link¨oping University, 2004 [31] Lundvall O., Stromberg N., Klarbring A., A flexible multi-body approach for frictional contact in spur gears, Journal of sound and vibration, 29 (4), 2004, 100 –200. [32] Lưu Thanh Tùng, Ứng dụng mạng nơrôn không giám sát vào việc chẩn đoán hư hỏng của bộ truyền bánh răng trụ răng thẳng một cấp, Tạp chí Khoa học & Công nghệ các trường Đại học Kỹ thuật, số 69-2009. [33] M. Feldman, Non-linear free vibration identification via the Hilbert transform, Journal of Sound and Vibration 2008 (3), 475 - 489. [34] M. Sidahmed, Détection précoce de défaults dans les engrenages par analyse vibratoire, Revue Francaise de Mécanique, No. 1999 -2. [35] Martin R.M , Burley C.L, Power spectrum technique with application to model helicopter acoustic data, NASA Technical Paper, 2586, June 1986 . [36] Morel Jacques, Surveillance vibratoire et maintenance prédictive, Ingenieur de l’Ecole  Nationale Supérieure de Mécanique (ENSM) - Techniques de l’Ingénieur. [37]  Nguyễn Hải Hà, Kỹ thuật chẩn đoán tình trạng thiết bị dựa trên kỹ thuật giám sát và  phân tích dao động của thiết bị, Viện Nghi ên cứu Cơ khí, Hà N ội, 2003. [38]  Nguyễn Trọng Hiệp Chi Tiết Máy - Tập 1, 2, Nhà xuất bản Giáo dục, 1993. [39]  Nguyen Van Khang, Thai Manh Cau, Nguyen Phong Dien, Modelling parametric vibration of gear-pair systems as a tool for adding gear fault diagnosis, TECHNISCHE MECHANIK - Manuskripteingang, 25, 2004, 198-205

69

[40] Olivier Cousinard, Philippe Rouseau, Fabrice Bolaers, Patricj Marconnet, Paramètrage, utilisation et apport de l’analyse cepstrale en maintenance prévisionnelle , Mécanique & Industrie 5, 393 -406(2004). [41] Opitz H., Noise of gears, Philosiphical Transactions of the Royal Society of London, 1968. [42] R. Keith Mobley, Root cause failure analysis, Butterworth-Heinemann, 1999, Chapter 15: Failure-Mode Analysis, Trang 159 – 163. [43] Radulescu Bruno, Radulescu Mara, Le Cung, Cooperative design – a solution for intelligence maintenance, Intelligent Manufacturing & Automation: Theory, Practice & Education, 20th International DAAAM Symposium, Vienna, Austria, 25-28th November 2009, 185-186. [44] Rafiee J. , Tse P.W., Use of autocorrelation of Wavelet coefficients for fault diagnosis, Mechanical Systems and Signal Processing, 23, 2009, 1554 –1572. [45] Samanta B, Artificial neural networks and genetic algorithms for gear fault detection, Mechanical Systems and Signal Processing, 18, 2004, 1273–128 2. [46] Tống Văn On, Lý thuyết và bài tập xử lí tín hiệu số, Nhà xuất bản Lao động xã hội TP. Hồ Chí Minh, 2002. [47] Townsend D. P., Dudleys Gear Handbook, 2nd edition, McGraw -Hill Inc, 1992. [48] W. J. WANG, Wavelets for detecting mechanical faults with high sensitivity, Mechanical Systems and Signal Processing (2001) 15(4), 685-696 [49] W.J. WANG, P. D. MC FADDEN (1996), Application of Wavelets to gearbox vibration signals for fault detection, Journal of Sound and Vibration, 192(5), 927-939. [50] Wang W. J., Wavelets for detecting mechanical faults with high sensitivity, Mechanical Systems and Signal Processing, 15 (4), 2001, 685 -696. [51] Wang W.J., McFadden P. D., Application of Wavelets to gearbox vibration signals for fault detection, Journal of Sound and Vibration, 192 (5), 1996, 927 -939. [52] Xianfeng Fan, Ming J. Zuo, G earbox fault detection using Hilbert and Wavelet Packet transform, Mechanical Systems and Signal Processing 20 (2006) 966 –982. [53] Yan Zhonghong, Miyamoto Ayaho, Jiang Zhongwei, Frequency slice Wavelet transform for transient vibration response analysis, Mechanical Systems and Signal Processing, 23, 2009, 1474 –1489. 70

[54] Yildirim N., Gasparini G., Sartori S., An improvement on helicopter transmission  performance through use of high contact ratio spur gears with suitable profile modification design, Proc. IMechE Part G: Journal of Aerospace Enginering, 222, 2008, 1193 –1210. [55] Zheng H., Li Z., Chen X., Gear fault diagnosis based on continuous Wavelet transform, Mechanical Systems and Signal Processing, 16 (2–3), 2002, 447-457.

71

3

Nguyn Hu Lp Trư ng

Chươ ng trình PFIEV, T  ng hóa

Xây dng mô hình thc nghim, thu nhn tín hiu dao ng và âm thanh. X lý tín hiu bng Wavelet, Wavelet Packet, Hilbert…

4

Trn Kim Phúc Hoàng Ngc Thiên Vũ

Hc viên Cao h c, ngành SXT và CNCTM năm 2011

Xây dng mô hình thc nghim, thu nhn tín hiu âm thanh và dao ng t HGT bánh răng 1 cp và 2 c p. X lý tín hiu âm thanh bng Wavelet.

Nguyn Thái Sơ n

Sinh viên 07CLC1, ngành SXT, chươ ng trình PFIEV

Xây dng mô hình thc nghim, thu nhn tín hiu âm thanh và dao ng trên HGT 2 cp. X lý tín hiu bng Wavelet Packet, Hilbert.

6

9. Ơ N V PHI H P CHÍNH Tên ơ n v trong và ngoài n ư c Labo G-SCOP, INPG, Grenoble

Ni dung phi h p nghiên cu Cung cp tư liu, tư vn ni dung nghiên c u và tư vn thit b nghiên cu

H và tên ngư i i din ơ n v Frédéric Vignat

10. T  NG QUAN TÌNH HÌNH NGHIÊN C  U THU  C L Ĩ NH V  C C  A    TÀI    TRONG VÀ NGOÀI N Ư C 10.1. Ngoài n ư c (phân tích,  ánh giá tình hình nghiên c u thuc l ĩ nh v  c c a   tài trên th  gi  i, lit kê danh m c các công trình nghiên c  u, tài liu có liên quan  n   tài ư c trích d n   khi  ánh giá t n  g quan) Trong th i gian gn ây, vic ng dng phươ ng pháp wavelet, wavelet packet ph i v i phép bin i hilbert nhm x lý tín hiu dao ng, âm thanh nh m nhn dng chính xác h ư hng trong h truyn ng cơ   khí, ư c nhiu nhà nghiên c u quan tâm. Các ph ươ ng pháp trên t ra là m t công c mnh và hi u qu i v i các tín hi u dao ng mà tn s thay i theo th i gian, các tín hiu không d ng, các tín hiu dao ng có ch a nhiu thành phn tn s. H. Zheng, Z. Li và X. Chen (2003) nghiên c u chn oán h ư hng thit b da trên phép bi n i wavelet liên tc cho m t h truyn ng cơ  khí nhi u cp bánh răng. X. Li, L. Qu, G. Wen và C. Li (2006) nghiên c u ng dng phân tích wavelet packet nh m chn oán hư hng v in trong máy phát in kiu tuabin bng các giám sát các dao ng xon. Xianfeng Fan, Ming J. Zuo (2001)  xu t m t phươ ng pháp x  lý tín hiu k t h  p ưu im c a phép bin i hilbert, phép bi n i wavelet packet và phép phân tích ph  m t  công sut, cho phép nhn dng tn s c trưng ca khuyt tt mt cách hiu qu, t tín hiu dao ng phc tp nhiu thành phn gây ra b i hư hng trong truyn ng bánh răng ca hp tc . N. Baydar và A.Ball (2003) nghiên c u s phát trin hư hng cc b trong mt hp s bánh r ăng nghiêng 2 c p trong công nghi p, s  d ng tín hiu âm thanh và tín hi u rung ng. Hai loi h ư hng là gãy r ăng và vt nt    chân răng ư c mô ph ng và s dng phép bi n i wavelet  chng minh ưu im ca c tín hiu âm thanh và tín hi u rung ng. Ales Belsak, Joze Flasker (2010) nghiên c u xác nh vt n t trong truyn s dng phươ ng pháp bi n i wavelet thích nghi.

ng bánh r ăng b ng

Jian-Da Wu, Chuang-Chin Hsu (2009) nghiên c u xác nh h ư hng truyn dng tín hiu dao ng v i k  thut bin i wavelet r i rc và logic m  .

2

ng bánh r ăng s

10.2. Trong n ư c (phân tích,  ánh giá tình hình nghiên c  u thuc l ĩ nh v  c c a    tài   Vi t Nam, lit kê danh m c các công trình nghiên c  u, tài liu có liên quan  n   tài ư c trích d n   khi  ánh giá t n  g quan) Trong nư c, l ĩ nh vc ch n oán hư hng s dng tín hiu dao ng ư c các nhà nghiên c u   Vin Cơ  hc Vit Nam,   trư ng i hc Bách Khoa Tp. H  Chí Minh… quan tâm nghiên c u. Nguyn H i Hà (Vin Nghiên cu C ơ   khí Hà N i) nghiên cu ng d ng k  thu t phân tích dao ng trong giám sát và ch n oán tình trng thit b. Nguyn Cao Mnh, Vũ Thanh Trúc (Vi n Cơ  hc  ng dng Hà Ni) mô hình hoá  bi và gi   như m t h  dao ng m t b c t  do v  i  c ng h  là mt i l ư ng phi tuyn. Dao ng ư c mô phng s trong trư ng h p  có khuyt tt nm trên con l ăn, trên vòng trong và vòng ngoài. Nguyn V ăn Khang, Thái M nh C u, Nguyn Phong in (2004) ã ưa ra mô hình dao ng tham s c a m t c p bánh r ăng ăn kh p, mô ph ng  c ng ăn kh  p, sai s truyn ng và ph tn s ca tín hiu, gii thích s hình thành các d i bên xung quanh t n s ăn kh p. Nguyn Tin Khiêm (Vin Cơ  hc – 2008), Nguy n Quý Hân, Nguyn Th Hin Lươ ng (Trư ng i h c Bách khoa thành ph  H  Chí Minh – 2010) nghiên c u ng d ng wavelet và thu t toán di truyn nhm chn oán chn oán vt nt trong dm àn hi. Lưu Thanh Tùng (2009) nghiên c u ng d ng m ng n ơ rôn không giám sát vào vi c ch n oán hư hng b truyn bánh r ăng mt cp v i hai d ng hng cơ  bn là mòn răng và gãy r ăng. Các giá tr thng kê ca tín hiu thu nhn ư c, s ư c ưa vào m ng nơ rôn không giám sát nh m hun luyn cho mng nơ rôn này. 10.3. Danh mc các công trình ã công b  thu c l ĩ nh vc ca  tài ca ch  nhim và nhng thành viên tham gia nghiên c u (h và tên tác gi ; bài báo;  n ph m; các y u t    v  xu t bn) [1] Nghiên cu chn oán hư hng ca mt s phn t trong các thi t b cơ   khí bng phươ ng pháp phân tích dao ng.  tài NCKH Cp B GD&T, Mã s : B2008-DN02-38, N ăm 20082009 [2] Lê Cung, Dươ ng Quc B o, Nghiên cu xây dng thut toán và ph n m m thu nhn và x  lý tín hiu dao ng, phc v chn oán h ư hng  lăn, bánh r ăng, Tp chí Khoa h c & Công ngh 6 trư ng i hc, s 76-2010, trang 57-61. [3] RADULESCU  Bruno; RADULESCU, Mara, CUNG Le , Cooperative design – a solution for intelligence maintenance, Intelligent Manufacturing & Automation: Theory, Practice & th Education, 20  International DAAAM Symposium, 25-28th November 2009, Vienna, Austria, pp.185-186

11. TÍNH CP THIT CA  TÀI Vic theo dõi, phát hi n và ch n oán hư hng s m ca các phn t cơ  khí như truyn ng bánh răng,  lăn... là mt nhu cu thc t hin nay trên các dây chuy n sn xu t t ng, nhm chn oán s m các hư hng, góp ph n vào công tác b o dư ng d phòng hay ki m tra, ánh giá tình trng hot ng ca thit b, k p th i x lý hư hng, tránh các s  c áng tic xy ra gây  ình tr sn xut. Các phươ ng pháp ư c s  d ng hin nay trong ch n oán hư h ng cơ   khí trên thc t  bao gm: phươ ng pháp Kurtosis, ph ươ ng pháp phân tích ph  FFT, phươ ng pháp phát hi n hình bao, ph ươ ng pháp ph loga (cepstrum),... Tín hiu thu nhn ư c s  dng trong ch n oán là tín hiu dao ng nhn ư c t các h truyn ng cơ  khí có các h ư hng. Tuy nhiên tín hi u nhn ư c t các h  truyn ng bánh r ăng thư ng cha nhiu thành ph n tn s, ôi khi các t n s thay i theo th i gian, ôi khi các tín hi u nhn ư c là không d ng. Chính vì vy, vi c nghiên cu ng dng các công c  mnh như phươ ng pháp nh ư Wavelet, Wavelet Packet và Hilbert là ht sc c n thit, cho phép phân tích tín hi u và nhn dng chính xác v  i  tin cy cao các hư hng s m trong h truyn ng cơ  khí.

3

Bên cnh ó, vic nh n d ng h ư hng thông qua tín hi u âm thanh b t u ư c s  d ng trong nhng năm gn ây, Trong mt s trư ng h p vic thu nhn tín hiu âm thanh thun l i hơ n thu nhn tín hiu dao ng, ng th i vic phân tich tín hi u âm thanh k t h p v i phân tích tín hi u dao ng cho phép nh n dng chính xác các h ư hng trong truyn ng bánh r ăng.

12. MC TIÊU  TÀI Nghiên cu ng d ng các ph ươ ng pháp Wavelet, Wavelet Packet và Hilbert, nh m phân tích tín hiu dao ng và âm thanh thu ư c t các hư hng trong h truyn ng bánh r ăng, t ó tìm ra du hiu nhn dng các h ư hng mt cách chính xác và có  tin cy cao.

13. I TƯ NG, PHM VI NGHIÊN C U 13.1. i tư ng nghiên c u - Các phươ ng pháp Wavelet, Wavelet Packet và Hilbert - Tín hiu âm thanh và tín hi u dao ng 13.2. Phm vi nghiên c u - Các dng hng như tróc r, mòn răng, gãy r ăng… trong HGT m t cp và nhi u cp

14. CÁCH TIP CN, PHƯƠ NG PHÁP NGHIÊN C U 14.1. Cách tip cn - Nghiên cu lý thuyt v các phươ ng pháp x  lý tín hiu dao ng âm thanh nh m xây d ng phn mm x lý tín hiu. - Nghiên cu th c nghim b ng cách xây d ng các d ng h ng: tróc r, gãy răng, mòn răng trên mô hình thc nghim, 14.2. Phươ ng pháp nghiên c u Nghiên cu lý thuyt k t h p v i thc nghim nhm tìm ra các du hiu chn oán s m hư hng.

15. NI DUNG NGHIÊN C  U VÀ TIN  TH C HIN 15.1. Ni dung nghiên c u (trình bày d ư i d ng   cươ ng nghiên c u chi ti t)  - Nghiên cu v  lý thuyt các ph ươ ng pháp Wavelet, Wavelet Packet, bi n dng ca chúng trong x  lý tín hiu dao ng và âm thanh.

i Hilbert và các ng

- Nghiên cu thut toán x lý tín hiu bng phươ ng pháp Wavelet, Wavelet Packet, bi n i Hilbert. - Xây dng phn m m phân tích tín hi u dao Packet và bin i Hilbert.

ng và âm thanh s  d ng công c Wavelet, Wavelet

- Lp ráp mô hình thí nghi m thu nhn tín hiu dao ng và âm thanh trong truyn ng bánh r ăng mt cp và nhi u cp; mô phng các d ng hng thc t như gãy răng, mòn răng, tróc r b mt răng, vt nt   chân r ăng... - Thu nhn và x  lý tín hi u thc nghim nhm nhn dng hư hng truyn ng bánh răng.

4

15.2. Tin  thc hin STT

1

Các ni dung, công vi c

Sn phm

thc hin Nghiên cu v lý thuyt các phươ ng ng pháp Wavelet, Wavelet Packet, bi n i Hilbert và các ng dng ca chúng trong x  lý tín hiu dao ng và âm thanh

(bt u-k t thúc)

Lê Cung

Tháng 06/201207/2012

Lê Cung – Nguyn Ngc Tân – Nguyn Hu Lp Trư ng ng

Mô hình thc nghim

Tháng 05/2012 – 09/2012

Lê Cung – Nguyn Ngc Tân – Hoàng Ngc Thiên Vũ – Trn Kim Phúc – Nguyn Thái Sơ n

Báo cáo ch n oán hư hng

Tháng 10/2012 11/2012

Toàn nhóm

Xây dng phn mm phân tích Phn mm tín hiu dao ng và âm thanh s  dng công c  Wavelet, Wavelet Packet và bi n i Hilbert Lp ráp mô hình thí nghi m thu nhn tín hiu dao ng và âm thanh trong truyn ng bánh răng mt cp và nhi u cp

3

4

Mô phng các d ng hng thc t như gãy răng, mòn r ăng, tróc r b mt răng, vt nt   chân  chân răng..; thu nhn tín hiu dao ng và âm thanh X lý tín hiu thc nghim nhm tìm ra các d u hiu nhn dng hư hng truyn ng bánh r ăng

Ngư i thc hin

Tháng 04/201205/2012

Báo cáo

Nghiên cu thut toán x  lý tín hiu bng phươ ng ng pháp Wavelet, Wavelet Packet, bi n i Hilbert 2

Th i gian

5

16. SN PHM 16.1. Sn phm khoa hc Bài báo ăng tp chí nư c ngoài  Bài báo ăng t  p chí trong nư c

Bài ăng k  yu hi ngh, hi tho quc t Sn phm khác (giáo trình, tài li u tham kho….. 16.2. Sn phm ào to Cao hc

NCS

16.3.Sn phm ng dng Mu

Vt liu

Thit b máy móc

Ging cây tr ng

Ging vt nuôi

Qui trình công ngh

Tiêu chun

Qui phm

ơ , bn thit k  Sơ 

Tài liu d báo

Lun ch chng kinh t

Phươ ng ng pháp

 án Chươ ng ng trình máy tính

Dây chuyn công ngh 

Báo cáo phân tích

Bn quy ho ch

Bn kin ngh

16.4.Các sn phm khác:  Mô hình thí nghim thu nhn tín hi u dao ng và âm thanh

16.5.Tên s n phm, s lư ng ng và yêu c u khoa h c i v i sn phm Stt 1

Tên sn phm

S lư ng ng

Yêu cu khoa h c

Thut toán và ph n mm x lý tín hiu dao ng và âm thanh

1

D s dng – Giao di n thun l i – Tin cy

2

Mô hình thc nghim (mô phng các dng hng trong truyn ng bánh răng, mô hình thu nh n tín hiu dao ng và âm thanh)

1

Hot ng ng n nh – Tin c y

3

Du hiu nhn dng các h ư hng bng tín hi u dao ng và âm thanh

1 báo cáo

Cho phép nh n dng s m hư hng trên dây chuyn sn xut thc t

17. HIU QU (giáo dc và ào to, kinh t - xã hi)  ĩ nh - Nâng cao ki n thc cho các cán b  ging dy, các k  thut viên, hc viên cao h c, sinh viên v  l ĩ  nh vc chn oán hư hng cơ  khí  khí bng phân tích tín hi u dao ng và âm thanh. - Mô hình thc nghim ư c ng dng trong ào to cao h c ngành S n xut t ng, ngành C ơ  in t, s dng trong công tác nghiên c u khoa h c. - Phn m m x  lý tín hiu, k t h  p v i h thng thit b thu nhn tín hiu dao ng và âm thanh, có th ng dng trong ch n oán hư hng thc t trên các dây chuy n sn xut t ng 18. PHƯƠ NG NG TH C CHUYN GIAO KT QU NGHIÊN C U VÀ A CH  NG NG DNG Chn oán s m các hư hng trên các dây chuy n sn xut t ng, nhm  ra bin pháp b o dư ng ng d phòng cho các xí nghi p trên a bàn mi n Trung có nhu c u chn oán.

6

D  TOÁN KINH PHÍ  TÀI KH&CN CP I HC À NNG NĂM 2012 (Căn c nh mc theo Thông t ư 44/2007 và Qui ch  Chi tiêu n i b ca i hc à Nng) Tên  tài: Nghiên c u chn oán hư  hng h truyn ng bánh răng bng phân tích tín hi u dao ng và âm thanh, s  dng phươ ng pháp Wavelet, Wavelet Packet và Hilbert ơ n v tính: 1000 ng

TT I. II. III.

Ni dung các khon chi

Tng s

Ngun kinh phí 

Kinh phí

%

Kinh phí t  NSNN

Chi công lao ng tham gia trc tip thc hin  tài

10.000

25

10.000

Chi mua nguyên nhiên vt liu

20.000

50

20.000

Chi khác

10.000

25

10.000

Tng cng

40.000

Các ngun khác

40.000

Gii trình các khon chi Khon I. Chi công lao ng tham gia tr c tip th c hin  tài

TT

Ni dung Chi công lao ng tham gia tr c tip th c hin  tài

Tng kinh phí

I.1.

Xây dng thuyt minh  cươ ng chi tit

I.2.

Chuyên  nghiên cu xây dng quy trình KHCN và khoa hc t nhiên (chuyên  xây dng theo sn phm ca  tài): Chuyên  loi 1

1.600

I.3.

Báo cáo tng thut tài liu ca  tài

I.4. I.5.

800

ơ n v tính: 1000 ng Ngun kinh phí ơ n v Kinh phí Các tính t  ngun NSNN khác  tài Chuyên

800



1.600

1.200

Báo cáo

1.200

Báo cáo x lý, phân tích s  liu iu tra

1.600

Báo cáo

1.600

Báo cáo khoa hc tng k t  tài (bao gm báo cáo toàn văn và báo cáo tóm t t)

4.800

Báo cáo

4.800

Cng

10.000

8

10.000