Análises De Esparsidade De Sinais De Vibrações De Uma Caixa De Engrenagens

Abstract

En este trabajo, se propone un estudio de la esparcidad de las señales de vibraciones en cajas de engranajes, considerando un dominio tiempo-frecuencia definido a partir de la utilización de la transformada de Fourier discreta (DFT) y la definición de un ángulo hermitiano entre un vector de elementos complejos, compuesto por muestras de la DFT de señales adquiridas por múltiples sensores, y un vector de referencia. Este estudio aporta al entendimiento de los límites de desempeño de algoritmos de separación de señales de vibraciones. Un caso de particular interés considerado es la coexistencia de señales provenientes de diferentes componentes de una caja de engranajes en una misma banda de frecuencias. Esto puede ocurrir por cuestiones constructivas y de diseño de las piezas o también por no linealidades. El estudio presentado tiene por objetivo final contribuir a la implementación de procesamiento embebido, también llamado dentro del sensor, necesario para el monitoreo basado en condiciones de equipamientos de producción a través de la infraestructura propuesta para internet de las cosas (internet of things - IOT), considerado el primer paso realista hacia la materialización de la futura industria inteligente. Se propone además, una métrica de esparsidad que permite establecer de una forma cuantitativa, las mejores condiciones de operabilidad de algoritmos de separación ciega de fuentes basados en máscaras en el dominio tiempo-frecuencia.

Neste trabalho, é proposta uma análise da esparsidade de sinais de vibrações em caixas de engrenagens, considerando o domínio tempo-frequência definido a partir da utilização da transformada de Fourier discreta (discrete Fourier transform – DFT) e a definição de um ângulo hermitiano entre um vetor de elementos complexos, composto pelas amostras da DFT de sinais adquiridas por múltiplos sensores, e um vetor de referência. O estudo aporta ao entendimento dos limites de desempenho de algoritmos de separação de sinais de vibrações. Um caso de interesse considerado é a coexistência, na mesma faixa de frequências, de sinais vindos de diferentes componentes de uma caixa de engrenagens. Isto pode acontecer por questões construtivas e de projeto das peças ou também por não-linearidades. O estudo apresentado tem por objetivo final contribuir à implementação do processamento embarcado, também conhecido como “dentro do sensor”, necessário para o monitoramento baseado em condições de equipamentos de produção através da infraestrutura proposta para a internet das coisas (internet of things - IOT), considerado o primeiro passo realista para atingir a materialização da futura indústria inteligente. Além do mais, é proposta uma métrica de esparsidade que permite estabelecer de forma quantitativa, as melhores condições de operabilidade de algoritmos de separação cega de fontes baseados no mascaramento no domínio tempo-frequência

In this paper, an analysis of gearbox vibration signals sparsity is proposed, considering a time-frequency domain, defined from de discrete Fourier Transform (DFT), and the definition of a hermitian angle between a complex elements vector, grouping together the samples of the DFT of signals acquired from multiple sensors, and a reference vector. This analysis contributes to understand the vibration signal separation algorithms performance. A particular case considered is vibration signals coexisting in the same frequency bin and coming from different mechanicals pieces. It could occur due to the design or construction characteristics and due to nonlinearity. The final goal of this work is to contribute with the implementation of embedded processing, or in sensor processing, needed to the manufacturing equipment conditions monitoring using the structure proposed to the internet of things, considered the really first step toward the future smart industry materialization. A measurement for vibration signals sparsity is also proposed to asses, the best operation condition for blind source separation applying timefrequency masking.