Table of Contents

De trillingsanalyse is een kenmerkend proces dat wordt gebruikt om mechanische storingen in machines te detecteren, te monitoren en te voorkomen. In de automobieltechniek is deze kritische techniek onmisbaar geworden voor het behoud van de veiligheid, prestaties en betrouwbaarheid van voertuigen. Door systematisch te meten en te analyseren van de oscillaties van voertuigonderdelen, kunnen ingenieurs potentiële problemen identificeren voordat ze escaleren in dure storingen of veiligheidsrisico's. Het is een strategische prioriteit geworden in de automobieltechniek omdat fabrikanten streven naar een verhoging van de uptime, vermindering van de garantiekosten, en het beheer van complexe aandrijvingen over interne verbranding, hybride en batterij-elektrische platforms.

Moderne voertuigen bevatten honderden bewegende onderdelen die trillingen genereren tijdens normale werking. Hoewel sommige trillingen onvermijdelijk zijn, kunnen abnormale patronen onderliggende mechanische problemen zoals slijtage van onderdelen, onbalans, verkeerde uitlijning of dreigende storing signaleren. Inzicht in deze trillingssignatuur en het uitvoeren van effectieve monitoringstrategieën stelt auto-ingenieurs in staat om over te stappen van reactieve reparaties naar proactief onderhoud, uiteindelijk verbeteren van de levensduur van het voertuig en de veiligheid van de bestuurder.

Begrijpen van de trillingsanalyse Fundamentelen

Ingenieurs voeren trillingsanalyse uit om de trillingssignaalpatronen in een systeem te onderzoeken en anomalieën of veranderingen te vinden. Het proces omvat het verzamelen van gegevens van verschillende voertuigcomponenten tijdens de werking, het analyseren van die gegevens om patronen te identificeren, en het interpreteren van de resultaten om de gezondheid van de componenten te beoordelen en potentiële storingen te voorspellen.

De Fysica van Vibratie in Automotive Systems

Vibratie kan worden beschouwd als de oscillatie of repetitieve beweging van een object rond een evenwichtspositie, waar de kracht die erop werkt nul is. In automotive toepassingen, trillingen ontstaan uit meerdere bronnen. Vibratie treedt meestal op door de dynamische effecten van de productietoleranties, klaringen, rollen en wrijven contact tussen machinedelen, en uit-evenwicht krachten in roterende en oplopende leden.

Het begrijpen van het onderscheid tussen natuurlijke en geforceerde trillingen is essentieel voor een effectieve diagnose. Natuurlijke trillingen vinden plaats wanneer een structuur op zijn inherente frequentie schommelt nadat ze verstoord is. Elk onderdeel in een voertuig heeft natuurlijke frequenties die bepaald worden door zijn massa, stijfheid en dempingskenmerken. Geforceerde trillingen treden op wanneer een structuur trilt omdat een veranderende kracht wordt uitgeoefend. Draaiende of afwisselende beweging kan een object dwingen om te trillen op onnatuurlijke frequenties.

De interactie tussen deze trillingstypen kan leiden tot resonantie, een bijzonder gevaarlijke toestand waarbij geforceerde trillingen overeenkomen met de natuurlijke frequentie van een component, mogelijk catastrofaal falen veroorzaken. Ingenieurs moeten zorgvuldig automotive systemen ontwerpen om resonantiecondities tijdens normale werkbereiken te vermijden.

Belangrijkste trillingsparameters en metingen

De trillingsanalyse is gebaseerd op het meten van drie fundamentele parameters: verplaatsing, snelheid en versnelling. Elke parameter biedt unieke inzichten in systeemgedrag en is geschikt voor verschillende kenmerkende toepassingen.

Displacement meet de werkelijke afstand die een onderdeel beweegt vanaf zijn rustpositie. Deze parameter is bijzonder nuttig voor het beoordelen van de beweging van de as in roterende machines en het evalueren van de klaringen in mechanische systemen.

Velocity vertegenwoordigt de snelheid waarmee verplaatsing in de tijd verandert. Een snelheidssensor is een apparaat dat gebruikt wordt om de verandering in afstand in de tijd te meten. Naarmate de trillingsamplitude toeneemt, neemt de output van de sensor toe. Snelheidsmetingen zijn vooral waardevol voor algemene controle van de gezondheid van machines en worden vaak beschouwd als de beste algehele indicator van de ernst van trillingen.

Acceleratie meet de snelheidsverandering. Een accelerometer is een toestel dat versnelling meet. Versnellingsmetingen zijn zeer gevoelig voor hogefrequentietrillingen en zijn uitstekend voor het detecteren van vroeg-traps lagerdefecten, schakelproblemen en andere hogefrequentiefouten.

Frequentiedomeinanalyse

Frequentieanalyse is de basis van vele krachtige diagnostische technieken. Terwijl tijd-domeinanalyse laat zien hoe trillingsamplitude verandert in de tijd, laat frequentie-domeinanalyse zien welke frequenties aanwezig zijn in het trillingssignaal. Dit onderscheid is cruciaal omdat verschillende mechanische storingen karakteristieke frequentiepatronen genereren.

Fast Fourier Transform (FFT) is de meest voorkomende techniek voor het omzetten van tijd-domein trillingssignalen in frequentie-domeinspectra. Door het frequentiespectrum te onderzoeken, kunnen ingenieurs specifieke foutfrequenties identificeren die met verschillende componenten geassocieerd zijn. Bijvoorbeeld, lagerdefecten genereren trillingen bij voorspelbare frequenties gebaseerd op lagergeometrie en assnelheid, terwijl versnellingsproblemen trillingen veroorzaken bij tandmaasfrequenties en hun harmonischen.

Het kenmerkt trillingssignatuur ... ordeanalyse, demodulatie, en tijd . frequentie methoden die zwakke, niet-stationaire storing inhoud onder echte rijomstandigheden extraheren. Deze geavanceerde signaalverwerking technieken kunnen ingenieurs subtiele fouten te detecteren, zelfs in de aanwezigheid van lawaai en verschillende bedrijfsomstandigheden.

Trillingsmeettechnologieën en sensors

De nauwkeurigheid en betrouwbaarheid van de trillingsanalyse zijn sterk afhankelijk van de sensoren die worden gebruikt om gegevens te verzamelen. Moderne automotive toepassingen maken gebruik van verschillende sensortechnologieën, elk met duidelijke voordelen en optimale gebruikscases.

Versnellerometertechnologieën

De piezo-elektrische versnellingsmeters zijn de meest gebruikte sensoren voor het meten van trillingen en schokken in industriële toepassingen. Deze sensoren benutten het piëzo-elektrische effect, waarbij bepaalde kristallijnen materialen een elektrische lading genereren wanneer ze worden blootgesteld aan mechanische belasting. De geproduceerde lading is evenredig met de uitgeoefende kracht, waardoor piëzo-elektrische versnellingsmeters zeer nauwkeurig en betrouwbaar zijn.

Een piëzo-elektrische versnellingsmeter gebruikt wat bekend staat als piëzo-elektrische werking, namelijk wanneer een instrument een elektrische lading produceert nadat hij onder stress is geplaatst. Deze sensoren zijn veel gevoeliger dan andere versnellingsmeters, zoals piëzo-resisterende versnellingsmeters. Een nadeel van deze sensoren is echter dat ze AC gekoppeld zijn, wat betekent dat ze statische krachten zoals zwaartekracht niet kunnen meten.

Piezoresitieve versnellingsmeters bieden verschillende mogelijkheden. Hoewel ze minder gevoelig zijn dan piëzo-elektrische versnellingsmeters, hebben piëzo-resisterende apparaten bijzonder nuttig bewezen in de auto-industrie. Ze worden vaak gebruikt in het voertuig test crashen om meetbare hoeveelheden kracht te identificeren.

MEMS accelerometers in Automotive toepassingen

Als trillingssensor of structurele gezondheidsmonitoringtool verzamelt een MEMS-versnellingsmeter acceleratiegegevens van reguliere of verstoorde dynamische energiebronnen voor betrouwbaarheidsbeoordeling, bediening en foutdiagnose. Micro-Electro-Mechanical Systems (MEMS) versnellingsmeters hebben de controle van de trillingen van de auto revolutionair gemaakt vanwege hun compacte grootte, lage kosten en robuuste prestaties.

Om de hoge temperatuurfrequentiestabiliteit van silicium te compenseren, kan MEMS doping worden gebruikt om de MEMS sensor stabieler te maken en geschikter voor zware omgevingen in automotives. Deze thermische stabiliteit is cruciaal voor automotive toepassingen waar sensoren kunnen worden blootgesteld aan extreme temperatuurschommelingen.

MEMS-versnellingsmeters kunnen echter ook worden gebruikt om verschillende andere dynamische trillingsomstandigheden vast te leggen, zoals stoel, stuurwiel, dashboard, radiator, uitlaat enz., en voor bediening, diagnoses, comfort, controle en veiligheid zoals weergegeven in figuur 1. De veelzijdigheid van MEMS-technologie maakt uitgebreide voertuiggezondheidsbewaking over meerdere systemen tegelijk mogelijk.

Sensorselectie en -positioneringsstrategieën

Het kiezen van het juiste sensortype vereist een zorgvuldige afweging van verschillende factoren, waaronder frequentiebereik, gevoeligheidseisen, omgevingsomstandigheden en montagebeperkingen. Typisch, in 98% van de rolelementlagers in de industrie, als de machine werkt met een snelheidssensor gelijk aan of minder dan 60 Hz, of als de machine werkt met een versnellingsmeter.

De accelerometers moeten aanzienlijk minder wegen dan de structuur die u controleert. Het toevoegen van massa aan de structuur kan de trillingseigenschappen veranderen en mogelijk leiden tot onjuiste gegevens en analyse. Het gewicht van de accelerometer mag over het algemeen niet meer dan 10 procent van het gewicht van de teststructuur zijn.

Sensor plaatsing is even kritisch. Verschillende plekken op het voertuig worden overwogen voor het monteren van sensoren. Deze plekken zijn bewust geselecteerd. De studie van de motorkap trillingen op de motor of radiator ventilator kan waardevolle informatie over de verbetering van de motorkap prestaties bij ongevallen, evenals gezondheidsbewaking van de motor en de radiator ventilator te bieden.

De montage van de stud is verreweg de beste montagetechniek, maar het vereist dat je in het doelmateriaal boort en is meestal gereserveerd voor permanente sensorinstallatie. De andere methoden zijn bedoeld voor tijdelijke bevestiging. De verschillende bevestigingsmethoden beïnvloeden alle de meetbare frequentie van de versnellingsmeter. In het algemeen, hoe losser de verbinding, hoe lager de meetbare frequentie limiet.

Toepassingen in Automotive Diagnostics en Onderhoud

De trillingsanalyse dient talrijke kenmerkende en onderhoudsfuncties in alle belangrijke voertuigsystemen. De niet-invasieve aard en gevoeligheid voor vroege storingen maken het een waardevol hulpmiddel voor moderne auto-engineering.

Diagnose en controle van de motor

De verbrandingsmotor genereert complexe trillingspatronen als gevolg van verbrandingsgebeurtenissen, opwaartse beweging van zuigers, roterende krukasdynamica en kleptreinwerking. Het analyseren van deze trillingen geeft inzicht in de gezondheid en prestaties van de motor.

Dit onderzoek richt zich op de analyse van trillingen van een compressieontstekingsmotor (CIE), specifiek op het onderzoeken van mogelijke storingen in de Fuel Rail Pressure (FRP) en Mass Air Flow (MAF) sensoren, die van cruciaal belang zijn voor de verbrandingsregeling. In lijn met de huidige trends in mechanische systeemconditiebewaking, integreren we informatie van deze sensoren om de gezondheid van de motor te controleren. Dit onderzoek stelt een methode voor om de correcte werking van deze sensoren te valideren door het analyseren van trillingssignalen van de motor.

Trillingsanalyse kan verschillende motorproblemen detecteren, waaronder het foutschieten van de cilinder, slijtage van de kleptrein, problemen met de timingketen en onbalans in de krukas. Elke fout produceert karakteristieke trillingssignatuur die ervaren analisten kunnen identificeren. Bijvoorbeeld, een foutieve cilinder creëert een onregelmatig afvuren patroon dat manifesteert als verhoogde trillingen bij specifieke frequenties gerelateerd aan de snelheid van de motor.

Harmonica, zijbanden en enveloppen kunnen gebreken in lagers, versnellingen en kleptreinen onthullen, waardoor snelle en interpreteerbare diagnostiek mogelijk is. Geavanceerde signaalverwerkingstechnieken kunnen deze subtiele foutindicatoren extraheren, zelfs wanneer ze worden gemaskeerd door normale motortrillingen.

Elektrische Motor en Hybrid Powertrain Analyse

Veel takken van de techniek gebruiken elektrische motoren. Van industriële installaties en machines tot automotive toepassingen. Net als elke andere roterende machines, zijn trillingen en lawaai problemen van zorg. De groeiende goedkeuring van elektrische en hybride voertuigen heeft nieuwe uitdagingen en kansen voor de analyse van trillingen geïntroduceerd.

De opkomst en verspreiding van elektrische aandrijving benadrukken de geluidsoverlast die ingenieurs vaak over het hoofd zien in interne verbrandingsmotoren. Het benzinemotorgeluid verdrinkt deze 'nieuwe' geluiden. Trillingsonderzoek en bepaling van frequenties zijn nodig om een optimaal rendement van de elektrische motor te bereiken.

Elektrische motoren produceren trillingen van elektromagnetische krachten, rotoronbalans, lagerdefecten en structurele resonanties. Het geldt voor het hele stroomspectrum, van verbranding en onbalans in motoren en aandrijflijnen tot elektromagnetische en schakelinhoud in elektrische machines, omvormers en e-assen. De mogelijkheid om zowel conventionele als elektrische aandrijvingen met soortgelijke trillingsanalysetechnieken te monitoren biedt diagnostische continuïteit tussen voertuigplatforms.

Drivetrain en Transmission Health Monitoring

De aandrijving omvat de transmissie, aandrijfas, differentiële en assen ..alle kritieke onderdelen die het vermogen van de motor of motor naar de wielen overbrengen . Deze onderdelen zijn onderworpen aan aanzienlijke mechanische belastingen en slijtage , waardoor trillingsbewaking essentieel voor de betrouwbaarheid .

Transmissieproblemen manifesteren zich vaak als trillingen bij de frequenties van de versnellingsgaas en hun harmonischen. Gesleten tandwielen, beschadigde lagers of ontoereikende smering produceren allemaal karakteristieke trillingspatronen. Door deze patronen in de loop van de tijd te monitoren, kunnen ingenieurs degradatie detecteren voordat er een complete storing optreedt.

Differentiaal- en astrillingen hebben meestal betrekking op slijtage van de versnelling, lagerconditie of onbalans. Kerntechnieken zoals bandselectie, demodulatie en ordeanalyse blijven effectief wanneer ze zijn aangepast aan de invertertoestanden en koppelcommando's, waardoor trillingen een eenvormig signaal zijn voor het beoordelen van de gezondheid van motoren, transmissies, tractiemotoren en hybride koppelingen.

Detectie van de lagerfout

Rolling element lagers zijn overal in auto-systemen, ondersteunen roterende assen in motoren, transmissies, wielnaaf, en talloze andere toepassingen. Bearing storingen kunnen leiden tot catastrofale gevolgen, waardoor vroege detectie kritisch.

De trillingsanalyse detecteert vroege storingen in machines, zoals onbalans, miss-out en lager problemen, zorgen voor betrouwbaar voorspellend onderhoud. Lagers genereren trillingen bij specifieke frequenties bepaald door hun geometrie, het aantal rolelementen, en assnelheid. Deze karakteristieke frequenties ..met inbegrip van bal pass frequentie buiten ras (BPFO), bal pass frequentie binnen ras (BPFI), fundamentele trein frequentie (FTF), en bal spin frequentie (BSF) serveren als kenmerkende indicatoren.

Als lagers degraderen, produceren ze steeds energetische trillingen op deze karakteristieke frequenties. Geavanceerde technieken zoals envelopanalyse en spectrale kurtosis kunnen deze foutfrequenties detecteren, zelfs wanneer ze in achtergrondgeluid worden begraven, waardoor het mogelijk is om in zeer vroege stadia lagerafwijkingen te detecteren.

Ophanging en Chassis Trillingsanalyse

Het ophangingssysteem speelt een cruciale rol in het comfort, de bediening en de veiligheid van voertuigen. De trillingsanalyse helpt de toestand van de ophanging te beoordelen en problemen zoals versleten schokdempers, beschadigde bussen of gebroken veren te identificeren.

Recentelijk zijn actieve montagesystemen toegepast op automotoren om de trilling door de constructie in het hele chassis van het voertuig effectief te verminderen. Begrijpen hoe trillingen zich door het chassis verspreiden stelt ingenieurs in staat om effectievere isolatiesystemen te ontwerpen en de algehele verfijning van het voertuig te verbeteren.

Chassis trillingen kunnen ook wijzen op structurele problemen, losse onderdelen, of uitlijning problemen. Door de controle van trillingen op meerdere chassis locaties, kunnen ingenieurs de bron van problemen identificeren en hun ernst te beoordelen.

Voorspellingsstrategieën voor onderhoud

Voorspellend onderhoud (PdM) is een onderhoudsstrategie die de conditie en prestaties van apparatuur tijdens de normale werking bewaakt om tekenen van verslechtering te detecteren. Hierdoor kan onderhoud worden gepland voordat een storing optreedt, zoals getoond in figuur 1. De trillingsanalyse vormt de hoeksteen van effectieve voorspellende onderhoudsprogramma's in automotive toepassingen.

Monitoringsystemen op basis van conditie

In tegenstelling tot tijdgebonden preventief onderhoud, leidt PdM de gezondheid van de apparatuur uit operationele gegevens, waardoor interventies voor falen en verlenging van de levensduur. Conditie-gebaseerde monitoring continu of periodiek de gezondheid van de componenten te beoordelen door middel van trillingsmetingen, waardoor onderhoudsacties alleen wanneer indicatoren suggereren afbraak.

In conditiebewaking kunt u trillingsmetingen gebruiken om de gezondheid van roterende machines zoals compressoren, turbines of pompen aan te geven. Deze machines hebben verschillende onderdelen, en elk onderdeel draagt bij aan een uniek trillingspatroon of handtekening. Door verschillende trillingssignatuurs te trenden in de loop van de tijd, kunt u voorspellen wanneer een machine zal falen en goed plannen onderhoud voor verbeterde veiligheid en lagere kosten.

De uitvoering van conditie-gebaseerde monitoring vereist het vaststellen van basistrillingen voor gezonde componenten, het definiëren van alarmdrempels die abnormale omstandigheden aangeven, en het ontwikkelen van trending mogelijkheden om afbraak te volgen in de tijd. Moderne systemen gebruiken vaak geautomatiseerde algoritmen die de huidige trillingsgegevens voortdurend vergelijken met historische basislijnen en alarm operators wanneer anomalieën worden gedetecteerd.

Gegevensverwerving en verwerking van de rand

Betrouwbare conditiebewaking is niet alleen afhankelijk van geavanceerde analyses, maar ook van hoe trillingsgegevens aan de bron worden verkregen. Sensorselectie, plaatsing en data-handling architectuur bepalen direct of downstream-algoritmes vroege afbraak kunnen detecteren. Dit deel koppelt daarom fysieke sensor hardware aan de eisen van de gegevenskwaliteit van voorspellende-onderhoud analytics, waaruit blijkt hoe sensortype, connectiviteit en trouw de diagnostische gevoeligheid en schaalbaarheid van de vloot beïnvloeden.

Voorbewerking van het apparaat, inclusief wortel-gemiddelde vierkant (RMS) en kurtosis tracking, envelop spectra, en band power bij het afvuren of mesh orders, ondersteunt beslissing logica die werkt zonder constante connectiviteit. Rand verwerking vermindert de gegevensoverdracht eisen, maakt real-time besluitvorming, en verbetert de systeem responsiviteit.

Vanuit systeemperspectief passen auto-predictieve onderhoudsknooppunten binnen een cyber-fysieke stapel die sensoren, randanalyses, voertuiggateways en vlootdiensten verbindt. Deze architectuur maakt schaalbare monitoring mogelijk over hele voertuigvloten terwijl de rekenefficiëntie wordt gehandhaafd die nodig is voor real-time diagnostiek.

Machine learning en geavanceerde analytics

Dit artikel presenteert de nieuwste onderzoek vooruitgang in de toepassing van machine learning technieken op trillingen en akoestische signaal analyse van 2015 tot 2024. Machine learning algoritmes hebben drastisch verbeterd de capaciteit van trilling-gebaseerde voorspellende onderhoudssystemen.

Bijzondere aandacht zal worden besteed aan moderne oplossingen die in het afgelopen decennium zijn ontwikkeld (2015/224), waaronder zowel klassieke methoden zoals ondersteuningsvectormachines, k-nevenburen, en beslissingsbomen (DT's), als nieuwe diepe leertechnieken, waaronder convolutionele neurale netwerken, lange korte termijn geheugen, en autoencoders.

Deze geavanceerde algoritmes kunnen automatisch relevante functies uit ruwe trillingsgegevens halen, fouttypes classificeren, de resterende levensduur voorspellen en zich aanpassen aan verschillende bedrijfsomstandigheden. Deep learning approachs zijn bijzonder effectief in het omgaan met complexe, niet-stationaire trillingssignalen die in real-world automobieltoepassingen worden aangetroffen.

Monitoring en telemetrie op vlootniveau

Moderne aangesloten voertuigen maken het mogelijk om de trillingsbewaking op vlootniveau te monitoren, waarbij gegevens van duizenden voertuigen kunnen worden samengevoegd en geanalyseerd om gemeenschappelijke storingsmodi te identificeren, onderhoudsschema's te optimaliseren en toekomstige ontwerpen te verbeteren. Deze aanpak biedt ongekende inzichten in de prestaties en uitvalsmechanismen van de real-world componenten.

De telemetriesystemen van de vloot moeten de datarijkheid met transmissiekosten en bandbreedtebeperkingen in evenwicht brengen. Voor motoren is trillingsbewaking op afstand met randgateways aangetoond. Door gegevens lokaal te verwerken en alleen relevante functies of anomaliewaarschuwingen door te geven, bereiken deze systemen schaalbare monitoring zonder overweldigende communicatienetwerken.

Signaalverwerkingstechnieken voor automotive toepassingen

Het extraheren van zinvolle diagnostische informatie uit trillingen vereist geavanceerde signaalverwerkingstechnieken. Automotive omgevingen bieden unieke uitdagingen, waaronder verschillende bedrijfssnelheden, voorbijgaande omstandigheden en hoge niveaus van achtergrondlawaai.

Methoden voor tijd-domeinanalyse

De analyse van tijddomeinen onderzoekt hoe trillingsamplitudes in de tijd variëren. Eenvoudige statistische metingen zoals wortelgemiddelde kwadraat (RMS), piekwaarden en crestfactor zorgen voor snelle beoordelingen van de totale trillingsniveaus. Deze metrics zijn nuttig voor het vaststellen van alarmdrempels en het bijhouden van algemene trends in componentconditie.

Meer geavanceerde tijd-domein technieken omvatten tijd-synchrone gemiddelde, die periodieke signalen verbetert terwijl het onderdrukken van willekeurige ruis, en schok puls analyse, die bijzonder effectief is voor het detecteren van lagerdefecten. Kurtosis, een statistische maat voor signaal pieken, is zeer gevoelig voor impulsieve gebeurtenissen kenmerkend voor het dragen spalls en tandwielschade.

Frequentie-domeinanalyse

Frequentie-domeinanalyse transformeert tijd-domeinsignalen in frequentiespectra, wat de frequentie-inhoud van trillingen onthult. De Fast Fourier Transform (FFT) is het fundamentele instrument voor deze transformatie, waarbij tijd-domein golfvormen worden omgezet in amplitude versus frequentie-percelen.

Spectrale analyse maakt het mogelijk specifieke foutfrequenties te identificeren die met verschillende componenten geassocieerd zijn. Door gemeten spectra te vergelijken met theoretische foutfrequenties berekend vanuit de componentgeometrie en de bedrijfssnelheid, kunnen analisten de bron van abnormale trillingen vaststellen.

De analyse van de vermogensspectraaldichtheid (PSD) geeft aan hoe trillingsenergie over frequenties wordt verdeeld. Deze techniek is bijzonder nuttig voor het karakteriseren van willekeurige trillingen en het beoordelen van de algehele trillingsintensiteit over verschillende frequentiebanden.

Volgen en analyseren van bestellingen

De ordertrackinganalyse is een perfect hulpmiddel om de werkingstoestand van roterende of op- en neergaande machines te bepalen, vooral wanneer machines met verschillende snelheden draaien. Automotive toepassingen hebben vaak een variabele snelheidsbewerking, wat de traditionele frequentieanalyse bemoeilijkt omdat foutfrequenties veranderen met snelheid.

Bestellen tracking hersamples trillingsgegevens op basis van as rotatie in plaats van tijd, het omzetten van frequentie-domein spectra in orde-domein spectra waar pieken verschijnen bij constante orders (meerdere as snelheid) ongeacht snelheid variaties. Deze techniek is essentieel voor het analyseren van trillingen tijdens voertuigversnelling, vertraging, of andere tijdelijke bedrijfsomstandigheden.

Envelopanalyse en demodulatie

Envelopanalyse, ook wel hoogfrequente resonantietechniek (HFRT) of envelop demodulatie genoemd, is een van de krachtigste methoden voor het detecteren van lagerdefecten. Wanneer een lagerdefect een rolelement beïnvloedt, genereert het een korte impuls die structurele resonanties op hoge frequenties stimuleert.

Envelopanalyse filtert het trillingssignaal om deze hoogfrequente resonanties te isoleren, en demoduleert vervolgens het signaal om het lagefrequentiemodulatiepatroon te extraheren dat wordt veroorzaakt door het lagerdefect. Het resulterende envelopspectrum toont duidelijk de dragende foutfrequenties die moeilijk of onmogelijk te detecteren zijn in conventionele spectra.

Tijdsfrequentieanalyse

De technieken voor tijdfrequentieanalyse geven gelijktijdige informatie over zowel wanneer als bij welke frequentietrillingen zich voordoen. Deze methoden zijn bijzonder waardevol voor het analyseren van voorbijgaande gebeurtenissen en niet-stationaire signalen die gebruikelijk zijn in automotive toepassingen.

Short-Time Fourier Transform (STFT) verdeelt het signaal in korte tijdsegmenten en berekent de UMTS van elk segment, wat een spectrogram produceert dat laat zien hoe de frequentieinhoud zich ontwikkelt in de tijd. Wavelet analyse biedt een verbeterde tijdfrequentieresolutie door gebruik te maken van variabele breedteanalysevensters, waardoor een betere resolutie wordt gegeven voor zowel tijdelijke als steady-state componenten.

Voordelen en voordelen van de trillingsanalyse

De uitvoering van uitgebreide programma's voor trillingsanalyse levert aanzienlijke voordelen op voor verschillende dimensies van automotive engineering en operaties.

Vroegtijdige opsporing en preventie van fouten

Het is niet opdringerig, gevoelig voor vroege mechanische storingen, en compatibel met goedkope acceleratoren. De mogelijkheid om fouten te detecteren in vroege stadia veel weken of maanden voordat mislukking activeert proactieve interventie die catastrofale storingen voorkomt.

Vroegtijdige detectie biedt tijd om onderhoudsactiviteiten te plannen, vervangende onderdelen te bestellen en reparaties te plannen tijdens gunstige periodes in plaats van te reageren op noodsituaties. Deze mogelijkheid is bijzonder waardevol voor wagenparkexploitanten die onderhoudsschema's kunnen optimaliseren over meerdere voertuigen om stilstand te minimaliseren en het gebruik van activa te maximaliseren.

Kostenreductie en economische voordelen

Vibratie-gebaseerd voorspellend onderhoud levert aanzienlijke kostenbesparingen op door meerdere mechanismen. Door problemen vroegtijdig te identificeren, kunnen kleine reparaties worden uitgevoerd voordat ze escaleren tot grote storingen die een uitgebreide vervanging van componenten vereisen. Het voorkomen van catastrofale storingen voorkomt secundaire schade aan gerelateerde componenten die vaak optreedt wanneer een primaire component uitvalt.

Vibratie monitoring is de beste verdediging van een bedrijf tegen ongeplande stilstand. Onvoorspelde machine problemen of storingen kunnen bedrijven tijd, geld en kapitaal kosten. Door het monitoren van de trillingen op uw machines, kunt u worden gewaarschuwd voor eventuele abnormale trends in uw machine processen voordat de machine uitvalt of kritieke schade optreedt.

Geoptimaliseerde onderhoudsplanning vermindert de arbeidskosten door onnodig preventief onderhoud van gezonde componenten te elimineren en tegelijkertijd tijdig ingrijpen voor vernederende componenten te garanderen. Onderdeleninventaris kan efficiënter worden beheerd wanneer storingen kunnen worden voorspeld, waardoor de kosten voor het dragen van reserveonderdelen worden verlaagd.

Verbeterde veiligheid en betrouwbaarheid

De veiligheid van het voertuig hangt van doorslaggevende betekenis af van de betrouwbare werking van mechanische systemen. De trillingsanalyse zorgt ervoor dat veiligheidskritieke onderdelen zoals remmen, stuurinrichtingen en ophangingscomponenten in goede staat blijven. De afbraak vóór storing voorkomt potentieel gevaarlijke situaties waarin onderdeelstoring de voertuigcontrole of de veiligheid van de inzittenden in gevaar kan brengen.

Voor bedrijfsvoertuigen en vlootactiviteiten, verbeterde betrouwbaarheid vertaalt zich direct naar een betere beschikbaarheid van de dienst en klanttevredenheid. Verlaagde afbraaksnelheden verbeteren de operationele efficiëntie en verbeteren de reputatie van de organisatie voor betrouwbaarheid.

Uitgebreide gebruik van onderdelen en activa

Conditie-gebaseerd onderhoud mogelijk gemaakt door trillingsanalyse maakt het mogelijk componenten te gebruiken voor hun volledige levensduur in plaats van voortijdig te worden vervangen op basis van conservatieve tijd-gebaseerde schema's. Dit maximaliseert het rendement op investeringen voor dure componenten met behoud van veiligheidsmarges.

Het begrijpen van de feitelijke component voorwaarde maakt ook een agressievere werking mogelijk, wetende dat monitoring systemen elke resulterende afbraak zullen detecteren. Deze evenwichtige aanpak optimaliseert zowel de prestaties als de levensduur.

Ontwerpverbetering en kwaliteitsborging

Trillingsgegevens verzameld van bedrijfsvoertuigen bieden waardevolle feedback voor ontwerpers. Begrijpen van de real-world trillingsomgevingen en storingsmodi maakt continue verbetering van componentenontwerpen, materiaalselecties en productieprocessen mogelijk.

Design Change or Maintenance: In the design stage, if anomalies are found, a change in design would follow the interpreted results. In the operation stage, anomaly detection leads to alarm thresholds being set. These can be absolute, trending, or statistical thresholds. When vibrations surpass these thresholds, timely action is mandated, which might include maintenance or further investigation.

Kwaliteitsborgingsprocessen kunnen trillingstests omvatten om na te gaan of gefabriceerde onderdelen voldoen aan specificaties en gebreken te identificeren voordat voertuigen in dienst gaan. Deze proactieve aanpak voorkomt garantieclaims en verbetert de klanttevredenheid.

Uitdagingen en overwegingen

Hoewel trillingsanalyse enorme voordelen biedt, vereist succesvolle implementatie het aanpakken van verschillende uitdagingen en overwegingen die specifiek zijn voor automotive toepassingen.

Variabiliteit van milieu- en bedrijfsomstandigheden

Automotive omgevingen onderwerpen sensoren en monitoringsystemen aan extreme temperatuurvariaties, vocht, trillingen, elektromagnetische interferentie en mechanische schok. Sensorsystemen moeten robuust genoeg zijn om deze harde omstandigheden te overleven, terwijl de kalibratie en nauwkeurigheid behouden blijven.

De bedrijfsomstandigheden variëren sterk tussen verschillende rijscenario's, van vlotte snelwegkruising tot agressieve acceleratie, ruwe wegoppervlakken en stop-and-go verkeer. Trillingsanalyse algoritmen moeten onderscheid maken tussen normale variaties als gevolg van bedrijfsomstandigheden en abnormale trillingen die storingen aangeven.

Complexiteit van gegevensbeheer en analyse

Moderne trillingsbewakingssystemen genereren enorme hoeveelheden gegevens, vooral bij het monitoren van meerdere sensoren over hele voertuigvloten. Het beheren, opslaan en analyseren van deze gegevens vereist aanzienlijke rekenmiddelen en geavanceerde datamanagementstrategieën.

Het extraheren van bruikbare inzichten uit complexe trillingsgegevens vereist expertise in signaalverwerking, mechanische systemen en storingsmodi. Het ontwikkelen van geautomatiseerde diagnosealgoritmen die fouten betrouwbaar kunnen identificeren zonder buitensporige vals alarmen blijft een voortdurende uitdaging.

Integratie met voertuigsystemen

De integratie van trillingsbewakingssystemen met bestaande voertuigarchitecturen vereist een zorgvuldige afweging van communicatieprotocollen, energievereisten en fysieke verpakkingsbeperkingen. Sensoren en verwerkingshardware moeten compact, lichtgewicht en energie-efficiënt zijn om te voorkomen dat de voertuigprestaties of het brandstofverbruik worden beïnvloed.

Coördinatie met andere voertuigsystemen maakt uitgebreidere diagnoses mogelijk door trillingsgegevens te correleren met motorparameters, transmissietoestand, voertuigsnelheid en andere operationele variabelen. Deze integratie verbetert de diagnostische nauwkeurigheid maar verhoogt de systeemcomplexiteit.

Kosten/baten-analyse en uitvoeringsstrategie

Terwijl trillingsbewaking aanzienlijke voordelen biedt, vereist de implementatie van uitgebreide systemen vooraf investeringen in sensoren, data-acquisitie hardware, analysesoftware en personeelstraining. Organisaties moeten zorgvuldig de kosten-baten tradeoff evalueren en gefaseerde implementatiestrategieën ontwikkelen die prioriteit geven aan de meest kritieke toepassingen.

Voor sommige toepassingen kan eenvoudige trillingsbewaking met basis alarmdrempels een adequate bescherming bieden tegen minimale kosten. Meer geavanceerde analysetechnieken kunnen worden gereserveerd voor kritieke componenten waar vroege foutdetectie de grootste waarde biedt.

De trillingsanalyse in de automobieltechniek blijft snel evolueren, gedreven door de vooruitgang van sensortechnologie, signaalverwerkingsalgoritmen en voertuigconnectiviteit.

Draadloze en zelfbediende sensoren

Draadloze sensornetwerken elimineren de behoefte aan uitgebreide bedrading, verminderen de installatiekosten en het mogelijk maken van monitoring van eerder ontoegankelijke locaties. Energiewinningstechnologieën die stroom uit trillingen, temperatuurgradiënten of elektromagnetische velden halen, maken zelf-aangedreven sensoren mogelijk die geen batterijvervanging vereisen.

Deze technologieën zijn bijzonder waardevol voor retrofittoepassingen waarbij het toevoegen van bedrade sensoren onpraktisch zou zijn, en voor het monitoren van roterende componenten waarbij draadloze transmissie de noodzaak van slipringen of roterende connectoren elimineert.

Kunstmatige intelligentie en diep leren

Geavanceerde machine learning algoritmes blijven de nauwkeurigheid en automatisering van de op trillingen gebaseerde diagnostiek verbeteren. Deep learning netwerken kunnen automatisch leren optimale functie weergaven van ruwe trillingsgegevens, waardoor de noodzaak van handmatige functie engineering.

Door overdracht van leertechnieken kunnen diagnosemodellen die op één voertuigtype of onderdeel zijn getraind, worden aangepast aan nieuwe toepassingen met minimale aanvullende trainingsgegevens. Deze mogelijkheid versnelt de invoering van monitoringsystemen op verschillende voertuigplatforms.

Digitale tweeling en simulatie

Digitale tweelingtechnologie creëert virtuele replica's van fysieke voertuigen en componenten die continu worden bijgewerkt met real-world sensor data. Deze digitale tweeling maakt geavanceerde analyse mogelijk, waaronder resterende levensduurvoorspelling, wat-als scenario evaluatie, en optimalisatie van onderhoud strategieën.

In engineering ontwerp, terwijl fysieke testen is essentieel, kan het vrij duur en tijdrovend, vooral wanneer meerdere tests voor verschillende variabelen nodig zijn. Dit is waar engineering simulatie speelt een belangrijke rol. Met SimScale's cloud-native simulatie, ingenieurs kunnen meerdere simulaties parallel uitvoeren, het opzetten van verschillende real-world scenario's van trillingen. Dit stelt hen in staat om de testtijd aanzienlijk te minimaliseren terwijl het handhaven van hoogwaardige data-analyse met behulp van FEA-oplossers.

Integratie met autonome voertuigsystemen

Naarmate autonome voertuigen meer in de buurt komen, zal de controle van trillingen een steeds belangrijkere rol spelen bij het waarborgen van een veilige werking. Autonome systemen moeten in staat zijn om zonder menselijke tussenkomst mechanische problemen op te sporen en te reageren, waardoor robuuste geautomatiseerde diagnostiek essentieel is.

Trillingsgegevens kunnen ook informatie geven over autonome rijalgoritmen, waardoor voertuigen hun gedrag kunnen aanpassen op basis van de componentconditie. Bijvoorbeeld, een voertuig detecteert lagerdegradatie kan de maximumsnelheid beperken of agressieve manoeuvres vermijden totdat onderhoud kan worden uitgevoerd.

Cloud-based Analytics en Fleet Intelligence

Cloud computing platforms maken een gecentraliseerde analyse van trillingsgegevens van hele voertuigvloten mogelijk, waardoor inzichten worden verkregen die onmogelijk zouden zijn door individuele voertuigmonitoring. Fleet-level analytics kunnen gemeenschappelijke storingsmodi identificeren, onderhoudsschema's optimaliseren in meerdere voertuigen, en zorgen voor een vroege waarschuwing van ontwerp of fabricagefouten die meerdere eenheden beïnvloeden.

Samenwerkingsgerichte leerbenaderingen waarbij diagnosemodellen verbeteren op basis van gegevens van duizenden voertuigen beloven steeds nauwkeuriger en betrouwbaarder foutendetectie te leveren in de loop van de tijd.

Beste praktijken voor de uitvoering

Voor een succesvolle implementatie van de programma's voor trillingsanalyse is een zorgvuldige planning, passende technologieselectie en voortdurende verfijning op basis van operationele ervaring nodig.

Vaststelling van basismetingen

Doeltreffende trillingsbewaking begint met het vaststellen van basismetingen voor gezonde componenten onder verschillende bedrijfsomstandigheden. Deze basislijnen geven de referentie aan aan welke toekomstige metingen worden vergeleken om abnormale omstandigheden te detecteren.

De basisgegevens moeten worden verzameld over het volledige scala van normale bedrijfsomstandigheden, waaronder verschillende snelheden, belastingen en temperaturen. Statistische analyse van basisgegevens maakt het mogelijk passende alarmdrempels vast te stellen die de gevoeligheid voor fouten tegen vals alarmniveau in evenwicht brengen.

Ontwikkelen van diagnose-expertise

Terwijl geautomatiseerde diagnose algoritmen waardevolle hulp bieden, blijft menselijke expertise essentieel voor het interpreteren van complexe trillingsgegevens en het nemen van onderhoudsbeslissingen. Organisaties moeten investeren in het opleiden van personeel in trillingsanalyse fundamentelen, signaalverwerkingstechnieken en mechanische storingsmodi.

Door interne expertise te creëren, kunnen monitoringsystemen effectiever worden gebruikt, kunnen de diagnoseresultaten beter worden geïnterpreteerd en kunnen de analysetechnieken continu worden verbeterd op basis van operationele ervaring.

Continue verbetering en feedback Loops

De programma's voor trillingsanalyse moeten feedbackmechanismen bevatten die continue verbetering mogelijk maken. Het volgen van de nauwkeurigheid van foutvoorspellingen, het analyseren van vals alarmen, en het documenteren van de werkelijke storingsmodi biedt gegevens voor het verfijnen van diagnostische algoritmen en alarmdrempels.

Samenwerking tussen onderhoudspersoneel, ingenieurs en dataanalysten zorgt ervoor dat inzichten uit trillingsanalyse zowel directe onderhoudsbeslissingen als langetermijnontwerpverbeteringen in de gaten houden.

Documentatie en kennisbeheer

Uitgebreide documentatie van trillingsanalyseprocedures, diagnosecriteria en historische case studies bouwt organisatorische kennis die verder gaat dan individuele personeel. Goed gedocumenteerde programma's maken een consistente toepassing van analysetechnieken mogelijk en vergemakkelijken de opleiding van nieuw personeel.

Kennismanagementsystemen die lessen trekken uit eerdere mislukkingen en succesvolle diagnoses creëren waardevolle middelen voor toekomstige problemen oplossen en continue verbetering.

Normen en voorschriften voor de industrie

Verschillende industrienormen bieden richtsnoeren voor trillingsmeting, analyse en acceptatiecriteria. Geheimhouding met relevante normen zorgt ervoor dat de programma's voor trillingsanalyse voldoen aan de beste praktijken en regelgevingseisen van de industrie.

ISO 10816 specificeert de criteria voor de ernst van trillingen voor verschillende machinetypen en bedrijfsomstandigheden. ISO 20816 geeft een bijgewerkte richtlijn voor roterende machines. Deze normen stellen de trillingslimieten vast voor een aanvaardbare werking, waarvoor monitoring vereist is en die onmiddellijke stopzetting vereisen.

ISO 13373 stelt eisen voor de certificering van trillingsanalisten, waarin bekwaamheidsniveaus en opleidingseisen worden vastgelegd. Organisaties die programma's voor trillingsanalyse uitvoeren, moeten rekening houden met certificeringsvereisten voor personeel dat kritieke kenmerkende functies uitvoert.

Automotive-specifieke normen hebben betrekking op trillingstests en -analyses voor voertuigonderdelen en -systemen. Deze normen zorgen voor consistente evaluatiemethoden en maken het mogelijk om de resultaten van verschillende organisaties en toepassingen te vergelijken.

Casestudies en toepassingen in de reële wereld

Het onderzoeken van toepassingen in de reële wereld van trillingsanalyse in de automobieltechniek illustreert de praktische voordelen en uitdagingen van implementatie.

Monitoring van de transmissie van voertuigen voor de vloot

Een commerciële vlootexploitant heeft trillingsbewaking op transmissiesystemen in hun gehele voertuigvloot uitgevoerd. Door het analyseren van trillingssignatuur van transmissielagers en versnellingen, detecteerde het systeem vroege lagerdegradatie in meerdere voertuigen. Proactieve lagervervanging voorkwam catastrofale transmissiestoringen die volledige transmissie herbouwen nodig zouden hebben, waardoor aanzienlijke reparatiekosten werden bespaard en verlengde voertuig stilstandtijd werd vermeden.

Het monitoringsysteem heeft ook een gemeenschappelijke storingsmodus vastgesteld die een specifiek transmissiemodel beïnvloedt, waardoor de wagenparkexploitant met de fabrikant kan samenwerken om een ontwerpverbetering uit te voeren die het probleem in toekomstige voertuigen uit de weg geruimd heeft.

Analyse van de elektrische voertuiglagers

Een fabrikant van een elektrisch voertuig integreerde trillingenbewaking in hun motorbesturingssystemen om lagerafbraak in tractiemotoren te detecteren. Het systeem analyseert motortrillingen tijdens normale werking, met behulp van geavanceerde signaalverwerking om lagerfoutfrequenties uit de complexe elektromagnetische en mechanische trillingsomgeving te halen.

Vroegtijdige detectie van lagerproblemen maakt het mogelijk om de garantie te verlenen voordat er een complete storing optreedt, de klanttevredenheid te verbeteren en de garantiekosten te verlagen. Gegevens verzameld uit de vloot bieden waardevolle feedback voor het dragen van leverancier selectie en motorontwerp optimalisatie.

Motor Balancing en kwaliteitscontrole

Een motorfabrikant gebruikt trillingenanalyse als onderdeel van hun eind-van-lijn kwaliteitscontroleproces. Elke motor ondergaat trillingen testen bij verschillende snelheden om de juiste balans te controleren en eventuele assemblagefouten te identificeren. Motoren die de trillingsdrempels overschrijden worden gemarkeerd voor inspectie en correctie vóór verzending.

Dit kwaliteitscontroleproces heeft aanzienlijk minder veldfouten met betrekking tot onbalans en assemblagefouten, verbetering van de productkwaliteit en vermindering van garantieclaims. Vibratiegegevens bieden ook feedback aan de productietechniek voor continue procesverbetering.

Conclusie

De trillingsanalyse is een onmisbaar hulpmiddel geworden in de moderne autotechniek, waardoor mechanische problemen vroegtijdig kunnen worden opgespoord, onderhoudsstrategieën kunnen worden geoptimaliseerd en de veiligheid en betrouwbaarheid van voertuigen kunnen worden verbeterd. In vergelijking met temperatuur- of drukmetingen biedt trillingen een betere temporele en spectrale resolutie voor beginnende storingen en ondersteunt het orde volgen om rekening te houden met snelheidseffecten.

De technologie blijft snel evolueren, met vooruitgang in sensortechnologie, signaalverwerkingsalgoritmen en machine learning die steeds krachtigere kenmerkende mogelijkheden bieden. SimScale maakt trillingsanalyse mogelijk in verschillende industrieën en toepassingsgebieden, waaronder automotive, lucht- en ruimtevaart, consumentenproducten en machines en industriële apparatuur. Cloud-gebaseerde platforms en aangesloten voertuigtechnologieën maken het mogelijk om wagenpark-niveau monitoring en analyse te verrichten die ongekende inzichten bieden in onderdelenprestaties en falende mechanismen.

Voor een succesvolle implementatie is zorgvuldige aandacht nodig voor de sensorselectie en -plaatsing, de juiste signaalverwerkingstechnieken en de ontwikkeling van diagnostische expertise. Organisaties moeten de kosten van monitoringsystemen in evenwicht brengen met de voordelen van vroegtijdige foutdetectie, verminderde stilstandtijd en langere levensduur van componenten.

Naarmate voertuigen complexer en autonomer worden, zal de trillingsanalyse een steeds belangrijkere rol spelen bij het waarborgen van een veilige en betrouwbare werking. De integratie van trillingsbewaking met andere voertuigsystemen en de toepassing van kunstmatige intelligentie op diagnostische analyses beloven nog grotere voordelen te zullen opleveren in de toekomst.

Voor auto-engineers, onderhoudsprofessionals en wagenparkexploitanten, investeren in trillingsanalyse mogelijkheden is een strategische beslissing die tastbare voordelen biedt in kostenreductie, veiligheid verbetering en operationele efficiëntie. Door deze technologieën en beste praktijken te omarmen, kunnen organisaties aanzienlijke concurrentievoordelen bereiken terwijl ze de stand van de techniek in de automobieltechniek bevorderen.

Om meer te leren over trillingsanalysetechnieken en -technologieën, bezoek de bronnen zoals MDPI-tijdschrift over auto-motoren , SimScale's trillingsanalysegids, en Dewesoft's elektrische motor trillingsbronnen. Deze gezaghebbende bronnen bieden gedetailleerde technische informatie en praktische begeleiding voor het implementeren van effectieve trillingsbewakingsprogramma's.