vibration

حسگرهای اندازه گیری

حسگرهای اندازه گیری انبساط حرارتی expansion sensors

Picture5   انبساط حرارتی در توربوماشین های بخار منجر به جابجایی نسبی آنها نسبت به فونداسیون می شود که اصطلاحاً انبساط مطلق پوسته نامیده می گردد. برای کارکرد صحیح ماشین بسیار مهم است که این پدیده به صورت منظم و در یک وضعیت ثابت و یکنواخت و بدون بی نظمی انجام گیرد. اهمیت این موضوع باعث شده است که این پارامتر به صورت پیوسته در توربوماشین های سایز متوسط و بزرگ اندازه گیری و بررسی گردد. امروزه سنسورهای القایی برای این کار مورد استفاده قرار می گیرند. در مقایسه با پتانسیل سنج های خطی که قبلاً برای اینکار مورد استفاده قرار می گرفتند، سنسور های القایی بدون اصطکاک جابجایی را به پارامتر اندازه گیری شده تبدیل می کنند و سیستم از رطوبت و وجود روغن و …. محافظت می شود. معمولا دو سنسور که در دو طرف بدنه در سمت چپ و راست قرار داده می شود، هر انحراف و جابجایی موقعیت بدنه  شناسایی می کند.

سیستم های حسگر انبساط مربوط به بدنه معمولاً روی فونداسیون در انتهای مخالف از جایی که بدنه توربین به فوندانسوین متصل است نصب می گردد و اطلاعاتی در مورد رشد اندازه بدنه ماشین نسبت به فوندانسوین به ما می دهد. انبساط بدنه پارامتری است که باید توسط جفت حسگر اندازه گیری شود و اطلاعاتی در مورد لغزش پایه روی بدنه ماشین تولید می کند.

پارامتری که توسط این سنسور اندازه گیری می شود می تواند مشخص کند بدنه ماشین و روتور هر دو با سرعت تقریباً یکسانی رشد دمایی دارند. سرعت رشد دمای متفاوت بین بدنه و روتور باعث می شود که بخش دوار و ساکن ماشین دچار سایش شود.  

شما می توانید با ذکر نام منبع (سایت دانشنامه نت) و لینک سایت (www.mpedia.ir) این مطلب را باز نشر دهید.

نت بر اساس پایش وضعیت

پردازش داده در نت بر اساس پایش وضعیت

downloadاولین مرحله از کار پردازش داده (Data processing) پاک سازی داده (Data cleaning) میباشد. این مرحله، بسیار مهم است از این نظر که داده به خصوص داده های رخداد (Event Data) معمولا شامل خطا و نویز می باشند. این داده های پاک سازی شده می توانند برای تحلیل های بعدی و مدل سازی مورد استفاده قرار بگیرند. خطای موجود در داده ها می تواند شامل خطای شخص در وارد کردن داده ها به صورت دستی باشد ( که در داده های رخداد خیلی به وقوع می پیوندد) و خطای موجود در داده های پایش وضعیت که می تواند شامل خطای اندازه گیری مربوط به سنسور ها باشد. فیلتر سازی داده ها از نویز و خطاهای دستی موضوع بسیار گسترده ای است که در مباحث تخصصی تر بدان پرداخته خواهد شد. مرحله بعدی در پردازش داده، تحلیل داده (Data analysis) نام دارد. مدل ها، الگوریتم ها و ابزار متنوعی برای تحلیل داده به جهت درک و تفسیر بهتر در پیشینه پژوهشی مورد استفاده قرار می گیرد. این روش ها و انتخاب آنها بستگی به نوع داده های جمع آوری شده دارد. داده های پایش وضعیت که در مرحله جمع آوری داده بدست آمده اند، متنوع بوده و به سه دسته کلی تقسیم می شوند:

داده از نوع مقدار (Value Type): داده های که در بازه های زمانی مشخصی اندازه گیری می شوند و تنها شامل یک مقدار می باشند، مانند داده های تحلیل روغن، دما، فشار و رطوبت

داده از نوع شکل موج (Waveform type): داده هایی که در بازه های زمانی مشخصی اندازه گیری می شوند و به صورت سری های زمانی می باشند و شکل موج زمانی هم نامیده می گردند. مانند داده های ارتعاشی، داده های آکوستیک و …

داده از نوع چند بعدی (multi dimension type):داده هایی که در بازه های زمانی مشخصی اندازه گیری می شوند و به صورت چند بعدی می باشند مانند داده های تصوری (Image data) که می توانند شامل ترموگرافی مادون قرمز، تصویر حاصل از اشعه X و … می باشند.

پردازش داده برای داده های شکل موج و داده های چند بعدی، پردازش سیگنال (signal processing) نیز نامیده می شود. روش های پردازش سیگنال بسیاری برای پردازش داده ها جهت استفاده های آتی با اهداف تشخیص و پیش بینی عیوب مورد استفاده قرار می گیرند. به پروسه استخراج اطلاعات مفید از سیگنال های خام استخراج ویژگی (Feature extraction) می گویند. البته روش های پردازش سیگنال مربوط به داده های چند بعدی بسیار پیچیده تر از داده های شکل موج می باشد. در زمینه پردازش داده های چند بعدی از روش پردازش تصویر (Image processing) برای استخراج ویژگی های مفید استفاده میشود. در ادبیات فن سه حوزه اصلی برای تحلیل داده های شکل موج ( سری زمانی) وجود دارد که شامل: تحلیل حوزه زمان (Time domain analysis) تحلیل حوزه فرکانس (Frequency domain analysis) تحلیل حوزه زمان- فرکانس (Time- frequency domain analysis) می باشد.

 

شما می توانید با ذکر نام منبع (سایت دانشنامه نت) و لینک سایت (www.mpedia.ir) این مطلب را باز نشر دهید.

داده برداری در نت بر اساس پایش وضعیت

   داده برداری به پروسه جمع آوری و ذخیره سازی داده های مفید ( اطلاعات) از دارایی های فیزیکی هدف دار (targeted physical asset) بهdata-collection منظور انجام کار تعمیرات بر اساس پایش وضعیت CBM گویند. داده برداری جزو لاینفک هر برنامه CBM در تشخیص و پیش بینی خرابی های ماشین الات به حساب می آید. داده هایی که برای هر برنامه تعمیرات بر اساس پایش وضعیت CBM جمع آوری می شود، به دو دسته کلی تقسیم می شود: داده های رخداد، داده های پایش وضعیت.

   داده های اتفاق یا رخداد شامل اطلاعات مربوط به چیزی است که اتفاق افتاده است ( مانند نصب، از کار افتادگی، تعمیرات اساسی و … و دلایل مربوط به آن) و همچنین چیزی که انجام شده است ( مانند تعمیرات کوچکتر، تعمیرات پیشگیرانه، تعویض روغن و …) که بر روی دارایی های فیزیکی هدف گذاری شده انجام گرفته است.

   داده های مربوط به پایش وضعیت دارای ابعاد زیادی هستند. این داده ها شامل داده های ارتعاشی، داده های آکوستیک، داده های آنالیز روغن ، دما، فشار، بخار، رطوبت، داده های آب و هوی محیطی و .. می باشد. سنسورهای متعددی از جمله سنسورهای میکرو، سنسورهای آلتراسونیک، سنسور های انتشار آکوستیک ( صدا) و …برای جمع آوری انواع مختلف داده طراحی شده اند. هر دو نوع داده های رخداد و داده های پایش وضعیت به نوبه خود در کار CBM اهمیت زیادی دارند.

شما می توانید با ذکر نام منبع (سایت دانشنامه نت) و لینک سایت (www.mpedia.ir) این مطلب را باز نشر دهید.