مقايسه تبديل هيلبرت مبتني بر تبديل موجك بسته‌اي و تبديل هيلبرت-هوانگ پيشرفته در تشخيص عيب شكستگي ميله روتور

Comparison of wavelet packet based Hilbert transform and improved Hilbert-Huang transform in fault detection of broken rotor bar

يكي از روش‌هاي رايج تشخيص عيب ماشين‌هاي دوار، تشخيص عيب مبتني بر سيگنال است كه پردازش سيگنال يك جزء جدايي ناپذير آن محسوب مي‌شود. پردازش سيگنال داده‌هاي خام را به ويژگي‌هاي مفيدي براي انجام عمليات تشخيص عيب تبديل مي‌كند. اين ويژگي‌ها بايستي مستقل از شرايط كاري نرمال ماشين و نويز خارجي باشند و تنها به عيوب ماشين حساس باشند. از اين رو ارائه تكنيك‌هاي پردازشي كاراتر به منظور دستيابي به ويژگي‌هاي مفيدتر از سيگنال و در نتيجه تشخيص سريع‌تر و دقيق‌تر عيب، مورد توجه محققان قرار گرفته است. اين پروژه تكنيك‌هاي تبديل هيلبرت-هوانگ پيشرفته و تبديل هيلبرت مبتني بر تبديل موجك بسته‌اي را براي دستيابي به باندهاي فركانسي باريك و استخراج فركانس لحظه‌اي و حذف نويز موجك بسته‌اي را براي حذف نويز سيگنال اوليه، به سيگنال ارتعاشي مربوط به عيب ميله شكسته روتور اعمال مي‌كند تا به ويژگي‌هاي مفيدتري از سيگنال ارتعاشي براي انجام مراحل بعدي تشخيص عيب دست يابد. مقايسه طيف دامنه تبديل هيلبرت و فركانس لحظه‌اي آشكارسازي شده توسط تكنيك‌هاي تبديل هيلبرت-هوانگ پيشرفته و تبديل هيلبرت مبتني بر تبديل موجك بسته‌اي، برتري تكنيك دوم را در آشكارسازي فركانس‌هاي مربوط به عيب نشان مي‌دهد.

Signal processing has a key role in signal based fault diagnosis in rotating machinery for finding beneficial discriminating features. The task of Signal processing is conversion of the raw data into beneficial features to facilitate the diagnostic operations. The features should be robust regarding noise and working condition of the machine and simultaneously sensitive to the machine defects. Therefore, assignment of more efficient analyzing techniques in order to achieve more beneficial features of the signal and faster and more accurate fault detection is taken into consideration by researchers. In order to find such features, the current research first applies wavelet packet denoising and then applies wavelet packet based Hilbert transform as well as improved Hilbert-Huang transform separately to decompose vibration signal into narrow frequency bands in order to extract instantaneous frequencies. The findings show that the wavelet packet based Hilbert transform generates better results in comparison to the improved Hilbert-Huang transform in detecting frequencies of the broken rotor bar fault.