Elektromotoros hajtásrendszer minősítése rezgésdiagnosztikával
Számos iparágban elengedhetetlen egy adott termék összeállításához szükséges építőelemek megfelelő minősége, a gyártáshibás termékek kiszűrése még beszerelés előtt. Ezzel jelentős mennyiségű idő, energia és pénz takarítható meg. A beszerelendő műszaki elem típusától és felépítésétől függően különböző ellenőrző és minősítő módszerek állhatnak rendelkezésünkre. Minősítés alatt értendő, hogy egy adott terméket méréseknek vetünk alá, a mért értékek feldolgozását követően az eredményeket egy előre meghatározott toleranciatartományban helyezzük el. Ha a számszerűsített eredmények ezen kívül helyezkednek el, az alkatrészt hibásnak kell elkönyvelni.
Ahhoz, hogy egy ilyen minősítési rendszert szoftveresen meg lehessen valósítani, egy megfelelő mérésadatgyűjtő és feldolgozó keretrendszerre van szükségünk. Választásunk a LabView programcsomagra esett, mivel ez a fejlesztői környezet alkalmas a fentebb említett feladatok teljes körű elvégzésre. Nem utolsó sorban egyetemi tanulmányunk során is előtérbe kerültek már LabView-kompatibilis eszközök.
Munkánk során elektromotoros hajtásrendszerrel foglalkoztunk olyan célból, hogy azok beszerelése előtt kiszűrhessük a gyártáshibás, vagy rendellenes működésű hajtóműveket. Előzetes vizsgálatok alapján a defektusok kiszűrésére rezgésdiagnosztikai mérések elvégzését láttuk a legmegfelelőbbnek. (A hajtásláncból kiszűrődő rendellenes zajokat a termék felületi rezgésének mérésével tudjuk vizsgálni.)
A mérések elvégzéséhez a termék házára piezoelektromos gyorsulásmérő szenzort rögzítettünk, majd adott mérési paraméterek alkalmazásával méréseket végeztünk a hajtómű mindkét irányban való forgatása mellett. A berendezés felületi rezgéseinek gyorsulásértékeit normalizálást követően egy .wav kiterjesztésű fájlba tároltuk le.
A mérést követi az időjel kondicionálása, majd a minősítési eljárás. Ehhez olyan matematikai, vibráció-elemzési módszereket kellett felkutatnunk, melyek együttes működése mellett, megfelelő biztonsággal garantálható a termékek helyes minősítése. A minősítéshez vizsgáltuk a tárolt időjelet, annak frekvencia-spektrumát, valamint egyéb vizsgáló algoritmusokat is alkalmaztunk. A módszerek működési elve dolgozatunkban részletesebben szerepel, itt most felsorolás szintjén említenénk meg őket. Időjel analízisét a gyorsulásértékek figyeltetésével, csúcsok számlálásával valamint az autoregressziós modell felhasználásával szűrt jel vizsgálatát Szekvenciális Valószínűségi Hányados Teszttel (Sequential Probability Ratio Test - SPRT) végeztük, valamint számítottunk Kurtosis értéket is. Frekvenciatartományban magát a spektrumképet vizsgáltuk maszk-illesztéses módszerrel, valamint lényeges volt a hajtómotor alapfrekvenciájának meghatározása is a spektrum alapján. Elterjedt módszer a Root Mean Square (RMS) alapú vizsgálat is. Többféle RMS alapú értéket generáltunk a mért jelsorozatból. Számítottunk részspektrumokból RMS értéket, alsó és felső frekvencia tartományra képeztünk RMS hányadost, valamint ablakolásos eljárással vizsgáltuk a jel RMS értékének időbeni változását is.
Minden kidolgozott módszerünk egy, a vizsgált szempontra jellemző számszerű, vagy boolean típusú (igaz/hamis) értéket szolgáltat. A boolean típusú eredmények alkalmasak a közvetlen minősítésre, a numerikus eredmények pedig tolerancia határok meghúzásával válhatnak minősítésre alkalmas eredményekké. A minősítéshez paraméter szettek szükségesek, melyek meghatározása előzetes meggondolások, gyakorlati tapasztalatok, az adott módszerhez létrehozott segédprogramok, valamint optimalizációs eljárások segítségével valósíthatóak meg.
Minden módszer külön-külön minősítési eredményt ad. A berendezés minősítéséhez a vizsgálati eljárások által szolgáltatott eredményeket kell figyelembe venni. A hibás alkatrészek szinte mindegyike másmilyen defektussal rendelkezik, illetve, a minősítést előre nem meghatározott értékek alapján kell elvégezni úgy, hogy az a lehető legjobban reprodukálja a felhasználók szubjektív véleményét. A kidolgozott eljárások mind más és más elven működnek, különböző hibalehetőségekre lettek kidolgozva. Az említett nehézségek miatt nem bízhatunk meg bennük maximálisan, ezért a végső eredmény lehet „jó” is amellett, hogy adott számú részminősítés „rossz” eredményt adott, valamint nem kell minden módszernek „rossz” eredményt adnia a termék selejtté nyilvánításához.
Az általunk fejlesztett szoftver a tesztek során közel 95%-os megbízhatósági szintet ért el, alkalmazza a fent említett módszereket, képes egy adott termék különböző irányban való hajtásakor végzett mérések összevetésére is, valamint a paraméter szett létrehozásához szükséges algoritmusokat is magába foglalja. Továbbá teljes körű dokumentálási lehetőséget biztosít a mérési eredmények regisztrálására, a nyomon követhetőség céljából. Emellett utat nyit számos fejlesztési lehetőségnek, mint például öntanuló algoritmusoknak a felhasznált paraméterek létrehozásához.
