Hostname: page-component-76fb5796d-dfsvx Total loading time: 0 Render date: 2024-04-25T11:02:05.798Z Has data issue: false hasContentIssue false

Amélioration de la détection d'écaillages de roulements par débruitage des signaux vibratoires

Published online by Cambridge University Press:  14 March 2009

Jean-Paul Dron
Affiliation:
GRESPI/LMA (Groupe de Recherche En Sciences Pour l'Ingénieur – Laboratoire de Mécanique Appliquée), Université de Reims Champagne-Ardenne, UFR Sciences Exactes et Naturelles, BP 1039, 51687 Reims Cedex 2, France
Lanto Rasolofondraibe
Affiliation:
CReSTIC (Centre de Recherche en Sciences et Technologie de l'Information et de la Communication), Université de Reims Champagne-Ardenne, UFR Sciences Exactes et Naturelles, BP 1039, 51687 Reims Cedex 2, France
Fabrice Bolaers
Affiliation:
GRESPI/LMA (Groupe de Recherche En Sciences Pour l'Ingénieur – Laboratoire de Mécanique Appliquée), Université de Reims Champagne-Ardenne, UFR Sciences Exactes et Naturelles, BP 1039, 51687 Reims Cedex 2, France
Xavier Chiementin
Affiliation:
GRESPI/LMA (Groupe de Recherche En Sciences Pour l'Ingénieur – Laboratoire de Mécanique Appliquée), Université de Reims Champagne-Ardenne, UFR Sciences Exactes et Naturelles, BP 1039, 51687 Reims Cedex 2, France
Olivier Cousinard
Affiliation:
GRESPI/LMA (Groupe de Recherche En Sciences Pour l'Ingénieur – Laboratoire de Mécanique Appliquée), Université de Reims Champagne-Ardenne, UFR Sciences Exactes et Naturelles, BP 1039, 51687 Reims Cedex 2, France
Get access

Abstract

Dans la maintenance conditionnelle de composants mécaniques par analyse vibratoire, on distingue deux types d'analyses qui sont nécessaires pour l'obtention d'un diagnostic fiable. La première analyse réside dans la détection de défauts potentiels et il existe actuellement différentes méthodes abouties basées sur le traitement des signaux vibratoires permettant la localisation d'un défaut. On peut citer parmi ces méthodes l'analyse spectrale (à résolution constante (RC) ou à pourcentage de bandes constant (PBC)), l'analyse d'enveloppe, l'analyse cepstrale, l'analyse temps-fréquences ou l'analyse temps-échelles (ondelettes). La seconde analyse s'intéresse quant à elle à la détermination et l'évaluation de la sévérité d'un défaut détecté pour estimer l'influence de ce défaut sur le fonctionnement d'un mécanisme. Les indicateurs vibratoires, qui permettent de pouvoir corréler la sévérité d'un défaut à sa signature vibratoire, sont des indicateurs dits globaux qui sont basés sur l'analyse statistique d'un signal temporel. Cependant, les signaux issus de capteurs accélérométriques sont le résultat d'un mélange de sources de vibrations, sources pouvant être attribuées à un ou plusieurs défauts et sont généralement pollués par du bruit. Ce travail présente les trois principales méthodes de débruitage et l'étude de leur influence sur les paramètres scalaires (kurtosis, facteur crête) et ce dans le cadre de la détection de défauts de type écaillage de roulements.

Type
Research Article
Copyright
© AFM, EDP Sciences, 2009

Access options

Get access to the full version of this content by using one of the access options below. (Log in options will check for institutional or personal access. Content may require purchase if you do not have access.)

References

Pachaud, C., Crest factor and kurtosis contributions to identify defects inducing periodical impulsive forces, Mech. Sys. Sig. Pro. 11 (1997) 903916 CrossRef
Mathiew, J., Alfredson, R.J., The condition monitoring of rolling element bearings using vibration analysis, Trans ASME, J. Vibr. Acoust. Stress Reliab Design 106 (1984) 447453 CrossRef
McFadden, P.D., Smith, J.D., Vibration monitoring of rolling element bearings by the high frequency resonance technique, Tribol. Int. 17 (1984) 310 CrossRef
P.Y. Kim, A review of rolling element bearing health monitoring (II): preliminary test results on current technologies, In Proceedings of Machinery Vibration Monitoring and Analysis Meeting, Vibration Institute, New Orleans, (1984), pp. 127–137
Tandon, N., A comparison of some vibration parameters for the condition monitoring of rolling element bearings, Measurement 12 (1994) 285289 CrossRef
A. Boullenger, C. Pachaud, Diagnostic vibratoire en maintenance préventive, Dunod, 1998
Ho, D., Randall, R.B., Optimisation of bearing diagnostic techniques using simulated and actual bearing fault signals, Mech. Syst. Sig. Proc. 14 (2000) 763788 CrossRef
Campagna-Varenne, Étude des roulements par analyse spectrale, Vibrations actualités 3 (1985)
A. Shahina, B. Yegnanarayana, Language identification in noisy environments using throat microphone signals, IEEE, 2005
J.F. Holzrichter, Speech articulor and user gesture measurements using micropower, Interferometric EM-Sensors, IEEE, 2001
B. Widrow, J. Glover, J.M. Mccool, J. Kaunitz, C. Williams, Adaptive noise cancelling: Principles and Applications Proceedings of the IEEE 63 (1975)
R. Xu, Z. Ren, W. Dai, D. Lao, C. Kwan, Multimodal speech enhancement in noisy environment, IEEE, 2004
F. Hlawatsch, F. Auger, Temps-fréquence : outils et concepts Livre traitement du signal et de l'image, Lavoisier, 2005
R. Ranta, V. Louis-Dorr, C. Heinrich, D. Wolf, F. Guillemin. Débruitage par ondelettes et segmentation de signaux non stationnaires. Traitement du signal, 20 (2003) 119–134
R. Coifman, M. Wickerhauser. Adapted waveform de-noising for medical signals et images. IEEE Engineering in Medicine and Biomogy. Magazine 14 (1995) 578–586
R. Coifman, M. Wickerhauser, Experiments with Adapted Wavelet De-Noising for Medical Signals and Images, ed. M. Akay, Time-Frequency and Wavelets in Biomed. Eng. (1998) 323–346
S. Mallat. A wavelet tour of signal processing, Academic Press, 1999
D. Donoho, De-Noising via Soft Thresholding, Technical report, Department of Statistics, Stanford University, 1992
Donoho, D., Johnstone, I., Ideal spatial adaptation via wavelet shrinkage, Biometrika 81 (1954) 425455 CrossRef
Allen, J.B., Rabiner, L.R., A unified approach to short-time Fourier analysis and synthesis, Proceedings of the IEEE 65 (1977) 15581564 CrossRef
J.B. Boll, Suppression of acoustic noise in speech using spectral subtraction, IEEE Trans. On Acoustics, Speech and signal processing 27 (1979)
Cai, L., Vincent, C., Débruitage de signaux chocs par soustraction spectrale du bruit, Mécanique Industrielle et Matériaux 47 (1994) 320332
Dron, J.P., Bolaers, F., Rasolofondraibe, L., Improvement of the sensibility of scalars indicators thanks to de-noising method by spectacle subtraction, Application to the detection ball bearing defects. J. Sound and Vib. S. 270 (2004) 6173