Why do rotating machines fail? : How rotating machine failures can be diagnosed, mitigated or prevented using vibration analysis

Abstract

Rotating machine condition monitoring and failure prevention systems are important in extending the life of a machine and in reducing costs. This study is a literature review of recent advances in general and model-based vibration analysis techniques. Signal acquisition, signal processing, feature extraction and defect identification are discussed. Virtual model based methodology, where vibration response is simulated, was briefly mentioned along with finite element analysis, though a model in this paper is determined as a data interpretation system.

Two papers regarding recognition and classification algorithm models are presented in more detail. Several important findings were made. The study reveals that with proper acquisition, meaning a good transducer and a controlled environment, the repeatability of the obtained vibration signal becomes apparent. In a combined fault scenario, the vibration severity can in some cases decrease. A defect has its own characteristic vibration frequency, which makes it possible to identify it. Higher vibration amplitude occurs in the resonance region. The literature review shows that bearings are the most common failing component, and the vibration signal severity is often higher than other faults. Often a failure is caused by improper lubrication.

Pyörivien koneiden kunnonseuranta- ja vianestojärjestelmät ovat tärkeitä koneen pitkän eliniän ja kustannusten vähentämisen kannalta. Tämä työ on toteutettu kirjallisuuskatsauksena tuoreimmista edistysaskeleista yleisissä ja mallipohjaisissa värähtelyanalyysimenetelmissä. Työssä käsitellään signaalin keräämistä ja prosessoimista, ominaisuuksien erottelemista ja vian tunnistamista. Virtuaalimalliin perustuva menetelmä, jossa värähtelyvaste simuloidaan, mainitaan lyhyesti elementtianalyysin kanssa, joskin tässä tutkimuksessa malli määritellään värähtelydatan tulkintajärjestelmäksi.

Kaksi tunnistamis- ja luokitusalgoritmimalleja käsittelevää tutkimusta esitellään yksityiskohtaisemmin menetelmät-kappaleessa. Tässä työssä tehtiin useita merkittäviä havaintoja. Kunnollisella värähtelysignaalin keräämisellä, eli laadukkaalla anturilla ja valvotussa ympäristössä toteutetulla mittaamisella, saadun värähtelysignaalin toistettavuus käy ilmeiseksi. Yhdistettyjen vikojen tapauksessa värähtelyn vakavuustaso voi joissain tapauksissa pienentyä vastoin odotuksia. Vialla on sille ominainen värähtelytaajuus, mikä tekee vian tunnistamisen mahdolliseksi. Korkeat värähtelyamplitudit esiintyvät resonanssialueilla. Laakerit ovat yleisin vikaantuva osa, ja sen värähtelyn voimakkuus on usein suurempi kuin muilla vioilla. Usein vika johtuu huonosta voitelusta.