Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

26.04.2020 | ORIGINAL ARTICLE | Ausgabe 9-10/2020

The International Journal of Advanced Manufacturing Technology 9-10/2020

Rolling bearing faults severity classification using a combined approach based on multi-scales principal component analysis and fuzzy technique

Zeitschrift:
The International Journal of Advanced Manufacturing Technology > Ausgabe 9-10/2020
Autoren:
Mohamed Khemissi Babouri, Abderrazek Djebala, Nouredine Ouelaa, Brahim Oudjani, Ramdane Younes
Wichtige Hinweise

Publisher’s note

Springer Nature remains neutral with regard to jurisdictional claims in published maps and institutional affiliations.

Abstract

Safety and fault diagnosis of rotating machinery play an important role in industrial systems. The reliability of the diagnosis performances is mainly linked to the signal processing tools used in the analysis phase. In this paper, a new method is proposed for the classification of rolling defects combining the optimized wavelet multi-resolution analysis (OWMRA), principal component analysis (PCA), and neuro-fuzzy. The OWMRA is performed to decompose the measured vibration signals in different frequency bands and extract additional information about the defect. The decomposition levels obtained from optimized WMRA are then used as the input of the PCA method. The extraction of individual feature sets including time domain features is generated to disclose health conditions of the bearing. Hence, the proposed classification method of neuro-fuzzy based on multi-scale principal component analysis (MSPCA) applies to real signals to analyze several types of defects on the bearings’ ball, outer race and inner race with variable fault diameter; load; and motor speed. The obtained results prove the reliability of the proposed diagnosis method to classify three types of bearing faults, and to give a better classification with greater efficiency compared to the application of individual classifiers or the artificial neural networks (ANN) alone. Finally, The effectiveness of our approach has been proven in terms of the successful classification rate compared on the one hand with two classification algorithms and two sets of features and on the other hand with the time domain method based on different choices of features.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe




Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 9-10/2020

The International Journal of Advanced Manufacturing Technology 9-10/2020 Zur Ausgabe

Premium Partner

    Marktübersichten

    Die im Laufe eines Jahres in der „adhäsion“ veröffentlichten Marktübersichten helfen Anwendern verschiedenster Branchen, sich einen gezielten Überblick über Lieferantenangebote zu verschaffen. 

    Bildnachweise