Algorithm Developed for Preventing Time Loss Calculating RMS of Vibration Signals

Abstract

In this work, an algorithm is developed to prevent time losses that occur during the calculation of Root Mean Square (RMS) of the vibration signals. Vibration signals are obtained during cutting of super alloy material Inconel 718 on a CNC lathe machine with a cutting speed of 50 meters per minute, 0.15 mm progress per revolution and 2.5 mm cutting depth. The data is loaded to the computer via the vibration sensor (353B31 from PCB Piezotronic) and the digital-analog converter card (DAQ 6062E) and then mathematical expressions are created in Matlab environment. RMS is one of the most important evaluation parameters in the evaluation of this data. Running the classical algorithm, it is observed that there was excessive time loss in the RMS calculation of total 120 million data about 60 tests, each test lasted about eight hours. So a new algorithm has been developed that can do operations much faster. The results of the new algorithm are compared with the results of the classic algorithm and it is determined that the new algorithm produces 100% correct results. 99% of the time loss is avoided with this new algorithm.

Keywords

• Vibration Signal,RMS,Cutting Tool

Titreşim Sinyallerinin RMS İle Hesaplanmasında Zaman Kaybının Önlenmesine Yönelik Geliştirilen Bir Algoritma

Abstract

Bu çalışmada; titreşim sinyallerinin kare ortalamalarının karekökü (RMS) hesaplanması sırasında meydana gelen zaman kayıplarının önüne geçilmesine yönelik bir algoritma geliştirilmiştir. Titreşim sinyal verisi; Inconel 718 adlı süper alaşım malzemenin, CNC Torna tezgâhında; 50 metre/dak kesme hızı, 0,15 mm/devir ilerleme hızı, 2,5 mm kesme derinliğindeki kesimi sırasında elde edilmiştir. Veriler titreşim sensörü (PCB Piezotronic’e ait 353B31) ve dijital-analog çevirici(DAQ 6062E) kartı ile bilgisayara alınmış ve Matlab ortamında matematiksel ifadeler oluşturulmuştur. RMS ise bu verilerin değerlendirilmesinde önemli değerlendirme parametrelerden bir tanesidir. Klasik algoritmada, yaklaşık 60 testlik toplam 120 milyon verinin işlendiği RMS hesaplamasında aşırı zaman kaybı olduğu gözlemlenmiş; her bir test yaklaşık sekiz saat sürmüştür. Bundan dolayı işlemleri çok daha hızlı yapabilen yeni bir algoritma geliştirilmiştir. Yeni algoritma ile klasik algoritmanın sonuçları karşılaştırılmış ve yeni algoritmanın %100 doğru sonuçlar ürettiği tespit edilmiştir. Yeni algoritma ile zaman kaybının %99 oranında önüne geçilmiştir.

Keywords

• RMS,Titreşim Sinyali,Kesici Takım

References

1. Genç M.H., Çataltepe Z., Pearson T. (2007). A New PCA/ICA Based Feature Selection Method. IEEE 15th, Signal Processing and Communications Applications,. SIU
2. Gençer Ç. (2009). A Microcontroller Based Application of a True Rms Value Scale System. Journal of Polytechnic. Vol: 12 No: 2 pp.79-84
3. Germer, H. (2000). A New Method and a Device for High Precision True RMS Measurements Using the Monte Carlo Method. Precision Electromagnetic Measurements Digest. pp. 581-582
4. Germer, H. (2001). High-Precision AC Measuruments Using the Monte Carlo Method. IEEE Transactions on Instrumentation and Measurument. Vol 50, No 2, pp. 457-460
5. Guyon, I., Elisseeff, A. (2003). An introduction to variable and feature selection. Journal of Machine Learning Research. Vol 3, pp. 1157-1182
6. Güngör O. (2011). Real Time Monitoring Cutting Tool Vibration, M.Sc.Thesis, Süleyman Demirel University Graduate School of Applied and Natural Sciences Electronic Computer Education Department, ISPARTA
7. Hall, M, A. (2000). Correlation-based feature selection for discrete and numeric class machine learning. Proceedings of 17th International Conference on Machine Learning, pp. 359-366
8. Kuo, S, M., Lee, B. (2001). Real-Time Digital Signal Processing. Implementations, Applications, and Experiments With the TMS320C55X. New York: Wiley.

9. Michale, A., Heydt, G.T. (2003). On the Use of RMS Values in Power Quality Assessment, IEEE Transactıons On Power Delıvery, Vol 18, No 4
10. Mitsubishi. (2005). Materials Kobe Tolls. General Katalogue
11. Rockwell Automation Technologies Inc. (2003). Method And Apparatus For Calculatıng Rms Value, United States Patent, Patent No.: US 6,516,279 B1
12. Vujicic, V., Milovanvev, S., Pesaljevic, M., Pejic, D., Zupunski, I. (1999). Low Frequency Stochastıc True RMS Instrument, IEEE Transactions on Instrumentation and Measurement, Vol 48, No 2, pp. 467 – 470.
13. Wey, W.S. and Huang Y.C. (2000). A CMOS Delta–Sigma True RMS Converter. IEEE Journal of Solid-State Circuits, Vol 35, No 2, pp.248-257.
14. Yu L., Liu, H. (2004). Efficient feature selection via analysis of relevance and redundancy, Journal of Machine Learning Research, Vol 5, pp. 1205-1224.