Identification of Rotating Machinery Degradation Curve for Predictive Maintenance

Abstract

Health assessment and diagnostics of condition monitoring data is an area that is becoming increasingly important to the advancing industries such as aerospace and making progress in predictive maintenance. Increasing complexity of systems, along with the demand for more reliable rotating mechanism system, has dramatically increased operational difficulties in maintenance applications. However; condition monitoring sensors, the presence of which is increasing in modern systems, can provide an aid to this problem. The development of predictive maintenance methods is an active research area, and it is necessary to monitor data throughout the life cycle to develop successful models. In this study, firstly, a summary of predictive maintenance for rotating mechanism systems is presented, then, the Welch’s method with Fourier transforms is processed to define the stages of degradation. The proposed model has been tested using PRONOSTIA data set from an experimental platform for accelerated degradation tests. The study is a critical preliminary step in the implementation of rotating mechanism failure analysis, estimation and health management technologies. Implementation and results show that the proposed study can be applied to a system-level setting and can effectively predict the wear level of the system in multi-stage long-term cycles.

Keywords

• Aerospace,Degradation,Welch’s Method,Fourier Transforms,Degradation Predictive Maintenance,Rotating Machinery

Kestirimci Bakım İçin Döner Mekanizma Bozulma Eğrisinin Tanımlanması

Öz

Sistem durum verilerinin değerlendirilmesi ve teşhisi, havacılık gibi gelişen sektörler için önem kazanmaya başlayan ve kestirimci bakım konusunda ilerleme sağlayan bir alandır. Döner mekanizma sistemlerinin daha güvenilir olması talebiyle birlikte; sistemlerin karmaşıklığının artması bakım uygulamalarındaki operasyonel zorlukları büyük ölçüde artırmıştır. Bununla birlikte; modern sistemlerde varlıkları giderek artan durum izleme sensörleri bu problem için bir yardım sağlayabilir. Kestirimci bakım yöntemlerinin geliştirilmesi aktif bir araştırma alanı olup, başarılı modellerin geliştirilmesi için, kullanım ömrü boyunca veri toplanması gerekmektedir. Bu çalışmada, ilk olarak döner mekanizma sistemleri için kestirimci bakımın bir özeti sunulmuş, sonrasında bozulma aşamalarının tanımlanması için Welch yöntemi ve Fourier dönüşümleri ile spektrogram hesaplamaları işlenmiştir. Önerilen uygulama, döner mekanizmaların bozulma analizi için PRONOSTIA deneysel platformundan elde edilen bozulma veri seti kullanılarak test edilmiştir. Çalışma, döner mekanizma arıza analizi, tahmini ve sağlık yönetim teknolojilerinin uygulanmasında kritik bir ön başlangıç adımdır. Uygulama ve sonuçlar, önerilen çalışmanın durum verileri kullanılarak sistem düzeyinde bir modellemeye uygulanabileceğini ve çok aşamalı uzun süreli döngülerde sistemin aşınma seviyesini etkin bir şekilde tahmin edebildiğini göstermektedir.

Anahtar Kelimeler

• Havacılık,Degradasyon,Welch Yöntemi,Fourier Dönüşümleri,Kestirimci Bakım,Döner Mekanizmalar

Kaynakça

1. Bektaş, O. (2020). Uçuş Aşamalarının Bölümlendirilmesi: Havacılık Verilerinde Gözetimsiz Öğrenme Uygulaması.
2. Heng, A., Zhang, S., Tan, C., A., & Mathew, J. (2009). Rotating machinery prognostics: State of the art, challenges and opportunities. Mechanical systems and signal processing, 23(3), 724-739.
3. Hong, S., Wang, B., Li, G., & Hong, Q. (2014). Performance degradation assessment for bearing based on ensemble empirical mode decomposition and gaussian mixture model . Journal of Vibration and Acoustics, 136(6).
4. Hong, S., Zhou, Z., Zio, E., & Hong, K. (2014). Condition assessment for the performance degradation of bearing based on a combinatorial feature extraction method. Digital Signal Processing, 27, 159-166.
5. Hu, C., Youn, B. D., Wang, P., & Yoon, J. T. (2012). Ensemble of data-driven prognostic algorithms for robust prediction of remaining useful life. Reliability Engineering & System Safety, 103, 120-135.
6. Lei, Y., Lin, J., He, Z., & Zuo, M. J. (2013). A review on empirical mode decomposition in fault diagnosis of rotating machinery. Mechanical systems and signal processing, 35(1-2), 108-126.
7. Lei, Y., Lin, J., Zuo, M. J., & He, Z. (2014). Lei, Y., Lin, J., Zuo, M. J., & He, Z. (2014). Condition monitoring and fault diagnosis of planetary gearboxes: A review. Measurement, 48, 292-305.
8. Mayer-Schönberger, V., & Cukier, K. (2013). Big data: A revolution that will transform how we live, work, and think. Houghton Mifflin Harcourt.

9. Mills, S., Lucas, S., Irakliotis, L., Rappa, M., Carlson, T., & Perlowitz, B. (2012). Demystifying big data: a practical guide to transforming the business of government. Washington: TechAmerica Foundation.
10. Patrick, N., Rafael, G., & Kamal, M. (2012). PRONOSTIA: an experimental platform for bearings accelerated life test. IEEE international conference on prognostics and health management , (s. 590).
11. Öztanır, O. (2018). Makine Öğrenmesi Kullanılarak Kestirimci Bakım . Yüksek Lisans Tezi, Hacettepe Üniversitesi Fen Bilimleri Enstitüsü.
12. Smith, J. O. (2011). Spectral audio signal processing. W3K publishing.
13. Welch, P. (1967). The use of fast Fourier transforms for the estimation of power spectra: A method based on time averaging over short modified periodograms. IEEE Transactions on audio and electroacoustics, 15(2), 70-73.
14. Yaman, G., & Karadayı, H. M. (2014). Titreşim analizi ile pompalarda arıza tesbiti ve kestirimci bakım için örnek bir çalışma. . Tesisat Mühendisliği,, 140, 37-51.