indicateurs pour le suivi vibratoire

SUIVI VIBRATOIRE PAR INDICATEURS TEMPORELS

Notions

L'évolution des niveaux vibratoires et du bruit et le faible rendement des machines tournantes sont dus souvent à un défaut présent dans le roulement ou les engrenages. Selon le type et l'état de fonctionnement de la machine, la maintenance consiste à établir une technique de surveillance pour vérifier le bon fonctionnement des composants internes des machines industrielles. Le suivi de vibrations, de température, d'émission acoustique et de la résistance du film d'huile sont les techniques de surveillance et de diagnostic les plus connus. Parmi eux, la mesure et le suivi vibratoire sont le moyen le plus utilisé et le plus efficace pour surveiller les machines tournantes. Dans cet article, nous vous présentons certaines techniques d'analyse temporelle pour la détection de défauts dans les roulements et les engrenages.

12. L'analyse temporelle de vibrations

Certaines techniques du domaine temporel peuvent être utilisées ou appliquées pour le suivi vibratoire et la maintenance préventive, telles que la moyenne quadratique (RMS), la moyenne, la valeur de crête, le facteur de crête, le kurtosis, le Skewness, la variance, l'écart type, le facteur d'impulsion, le facteur de forme.

12.1 La moyanne quadratique

Souvent connue par RMS (Root Mean Square en anglais) ou la valeur efficace. Elle mesure le niveau global d'un signal discret.


RMS = 1 N n=1 N X[n] 2

Où N représente le nombre de points du signal échantillonné. RMS est un outil puissant pour estimer la puissance moyenne des vibrations de l'installation surveillée. De nombreuses recherches ont utilisé RMS pour identifier avec succès les défauts des roulements à l'aide d'un accéléromètre et de capteurs AE.

12.2 La moyenne

La moyenne d'un signal d'accélération est la valeur standard de la moyenne statistique. Lorsque la moyenne augmente, l'état du roulement semble se détériorer.


Moyenne = 1 N n=1 N X[n]

12.3 La valeur de crête

La valeur de crête peut être mesurée dans le domaine temporel ou dans le domaine fréquentiel. Cette valeur représente l'amplitude maximale du signal d'accélération.


Pv = [max (X[n]) - min (X[n])]

12.4 Le facteur de crête

Le facteur de crête est le rapport entre l'accélération maximale et le RMS. Cette métrique détecte les chocs d'accélérations même si la valeur RMS n'a pas changé. En revanche, le facteur de crête peut être contre-intuitif: aux stades avancés de l'usure du matériau, les dommages aux roulements se propagent, le RMS augmente et le facteur de crête diminue. Malheureusement, cet indicateur n'est pas fiable pour localiser les défauts dans les éléments roulants.


CF = Pv RMS

12.5 Skewness

Les surfaces usinées ou rectifiées dans les roulements montrent une distribution aléatoire qui a été décrite de façon répétitive avec la fonction de distribution normale. Pour cette raison, divers moments statistiques peuvent décrire la forme des courbes de distribution, évaluant ainsi le niveau d'endommagement de la surface d'appui. L'équation du troisième moment ou l'asymétrie est définie comme suit:


Skewness = 1 N n=1 N (X[n]-moyenne(X)) 3 RMS 3

12.6 Kurtosis

Le quatrième moment, normalisé par rapport à la quatrième puissance de l'écart type, est très utile dans le diagnostic des défauts et le suivi vibratoire. Cette quantité est appelée kurtosis qui est une mesure de compromis entre les moments inférieurs intensifs et d'autres moments supérieurs sensibles. Il a été signalé que le kurtosis est le bon critère pour distinguer entre les roulements endommagés et les roulements sains. Le kurtosis d'un roulement sain de distribution gaussienne aura une valeur d'environ 3. Lorsque le roulement se détériore, cette valeur augmente pour indiquer un état endommagé qui diminue à nouveau lorsque le défaut est bien avancé. L'un des avantages de cette méthode est qu'il n'est pas nécessaire de connaître l'historique temporel du signal vibratoire. Le kurtosis est sensible aux charges et aux vitesses.


Kurtosis = 1 N n=1 N (X[n]-moyenne(X)) 4 RMS 4

12.7 La variance

var = σ 2 = n=1 N (X[n]-moyenne(X)) 2 N

12.8 Le facteur d'impulsions

If = Pv 1 N n=1 N |X[n]|

12.9 Le facteur de forme

Sf = RMS 1 N n=1 N |X[n]|

12.10 THIKAT

THIKAT = log [KuCF + ( RMS RMS0 )Peak ]

12.11 TALAF

TALAF = log [Ku + RMS RMS0 ]

D'autres sujets: