Diktat

Mekanika Kekuatan Material III

Prof. Dr. Tjokorda Gde Tirta Nindha, ST, MT

Nip:197201161998031004

Teknik Mesin

Universitas Udayana 2017

Daftar Isi

Penelitian Kebisingan di dalam Kabin skop mekanis

Menggunakan Persepsi Suara Pendekatan .......................................................... 213

S tudi Perseptual tentang Cacat Roda Gigi Sederhana dan Kompatibel .................. 227

rekuensi Asal dari Pegas Spiral Silinder Komposit ............................................... 233

Peningkatan Sensitivitas dari Indikator Skalar Menggunakan Metode

Denoising dengan Transformasi Wavelet ............................................................. 244

Diagnosa Kesalahan Melalui Aplikasi

Cyclostationarity ke Sinyal Terukur ................................................................... 256 Studi Experimen tentang kecacatan transmisi gigi nyata dengan

persepsi suara .................................................................................................... 273 Desain Eksperimen Percobaan untuk Optimalisasi dan Pemodelan

Permukaan Permukaan Saat pengeringn Baja X210Cr12 ..................................... 280

S tudi Kontribusi Kualitas Bagian Permukaan oleh Mesin Bubut

Menggunakan Bahan Keras …………................................................................. 299 Prediksi Alat Pemotongan Masa Optimal Berdasarkan Indikator

Skalar dan Analisis Multiresolusi Wavelet ………................................................ 309

213

Penelitian Kebisingan di dalam Kabin skop mekanis

Menggunakan Persepsi Suara Pendekatan

Nacer Hamzaoui

Abstrak Penggunaan pendekatan perseptif dan kualitas suara secara mekanis lapangan,

di mana perlu untuk membangun hubungan antara konsepsi (mengambil minat pada

benda yang menghasilkan kebisingan) dari sistem mekanis dan pendengaran Persepsi

(menaruh perhatian pada kebisingan yang dipancarkan), masih dianggap agak baru.

Analisis perseptif memungkinkan penggalian informasi sehingga memungkinkan untuk

digunakan metode dan metoda analisis fisik yang disesuaikan dengan baik sehingga

lebih baik memilih tanggapan teknis terhadap masalah kebisingan [1, 2]. Dalam kasus

sekop mekanis (Volvo Compact), uji perseptif perbandingan dengan pasangan telah

digunakan untuk menentukan hanya pita frekuensi yang diperlukan dari kebisingan

yang dipelajari dan mengklasifikasikan keikutsertaan mereka sebagai fungsi subjektif

(annoyance, dll) dan obyektif (level global) istilah [3]. Kegunaan pemodelan yang

disesuaikan dengan frekuensi rendah (BEM atau FEM) telah ada telah ditunjukkan saat

mensimulasikan modifikasi struktural dan menilai pengaruhnya suara interior kabin

sekop mekanis. Pabrikan butuh prediksi model gangguan suara untuk mesin yang

lengkap dan mengidentifikasi elemen-elemennya yang berkontribusi terhadap

gangguan, sehingga bisa menerapkan noise hirarkis Pendekatan reduksi di dalam kabin.

Sebuah model prediksi preferensi suara itu dapat digunakan untuk mengidentifikasi

prosedur untuk meningkatkan gangguan suara dari simulasi telah dibangun dan

divalidasi [4].

1 Pendahuluan

Saat ini, citra suara merupakan elemen penting dari apresiasi produk Kuantifikasi

tingkat akustik (dalam desibel A) tidak selalu cukup untuk mereproduksi persepsi suara

pengguna. Gangguan akustik, yang sering menjadi motif untuk com-

N. Hamzaoui (&)

Laboratory of Vibration-Acoustics, University of Lyon, INSA of Lyon, Bâtiment A. St.

Exupéry, 25 bis Avenue Jean Capelle, 69621 Villeurbanne Cedex, France

e-mail: nacer.hamzaoui@insa-lyon.fr

© Springer International Publishing Switzerland 2017

T. Boukharouba et al. (eds.), Applied Mechanics, Behavior of Materials,

and Engineering Systems, Lecture Notes in Mechanical Engineering,

DOI 10.1007/978-3-319-41468-3_16

214

Kelonggaran, membuat produsen fokus untuk mengurangi kebisingan produk mereka.

Studi akustik biasanya dilakukan dalam melakukan diagnostik eksperimental atau

Perhitungan vibro-akustik untuk memahami fungsi fisik dari kebisingan sumber, dan

kemudian dalam melakukan modifikasi agar sesuai dengan spesifikasi yang

dikembangkan oleh spesialis. Bagian yang diambil dengan analisis perseptif, yang

meliputi pengguna produknya, masih tergolong kecil dalam studi ini. Pendekatan yang

tanggap bisa studi fisik lengkap, sehingga memungkinkan untuk mencapai target yang

diharapkan oleh pelanggan lebih cepat [5-7].

Teknik psikofisik yang digunakan saat ini memungkinkan menilai persepsi

produk lebih akurat, karena mereka mempertanyakan sejumlah besar pengguna.

Kuesioner pada masalah didefinisikan. Mereka lebih terutama dikembangkan dalam

pandangan untuk mendapatkan resolusi yang baik terkait dengan pendekatan fisik.

Dinilai secara subjektif Suara diperoleh dari sampel suara yang direkam dan kemudian

didengarkan headphone dengan tujuan untuk mendapatkan reproduksi yang tepat dari

kebisingan yang sebenarnya. Ini telah menjadi aspek penting dari penelitian saat ini.

Keuntungan dari Sintesis suara numerik jelas: suara yang terekam dari beberapa produk

berbeda Bisa dibandingkan satu sama lain dengan lebih mudah dan modifikasi fisiknya

dilakukan Untuk pemrosesan sinyal bisa disimulasikan. Klasifikasi preferensi suara skor

dapat misalnya diekstraksi dari analisis perbandingan berpasangan [8] dari kumpulan

sampel suara Hasil subjektif ini dapat dikaitkan dengan fenomena fisik di Indonesia

untuk mengkorelasikannya dengan satu atau beberapa indikator yang mewakili sinyal

yang diproses. Korelasi ini kemudian memungkinkan identifikasi karakteristik

parameter fisik gangguan kebisingan dipelajari, dan dengan demikian mengidentifikasi

frekuensi yang mengganggu dan sumber yang menyebalkan Dengan demikian hal

tersebut membuat penyelesaian masalah dirumuskan lebih banyak efisien.

Dalam tulisan ini, penerapan proses persepsi suara global ke sebuah Objek

industri disajikan untuk mencapai tujuan fisik. Penelitian ini merupakan bagian dari

penelitian yang dilakukan dalam rangka kerja sama dengan Volvo Compact Excavator,

produsen sekop mekanis. Tujuannya ditentukan dalam kolaborasi ini adalah:

suara dan

untuk mengidentifikasi unsur-unsur mesin yang berkontribusi baik sehingga bisa

membangun pendekatan hirarkis terhadap pengurangan kebisingan di dalam kabin.

sikan berguna, yang ikut campur persepsi suara dan

dengan demikian memungkinkan pemilihan metode pemodelan fisik disesuaikan untuk

masalah.

Makalah ini merangkum proses yang digunakan dan hasil yang diperoleh

untuk mencapai dua tujuan.

215

2 Analisis Sekop Mekanik Lengkap

Proses yang diterapkan pada sekop mekanis lengkap disajikan dalam dua langkah

bagian ini:

1. Langkah pertama adalah perumusan model preferensi berdasarkan ketidaksamaan dan

tes preferensi;

2. Langkah kedua mencakup validasi dan penggunaan model preferensi untuk

mengidentifikasi elemen mesin yang berpartisipasi dalam persepsi suara.

2.1 Perumusan Model Preferensi

Beberapa konfigurasi yang akan dipelajari dari 2 mesin berbeda (Gambar 1) dipilih

dengan kolaborasi insinyur Volvo Compact, dengan tujuan membangun model prediksi

preferensi suara.

Parameter analisis yang digunakan adalah:

2. Beban hidrolik: 1 dan 2 gerakan,

3. Konfigurasi kabin: benar-benar tertutup, dan benar-benar terbuka (windows

dan pintu).

Rekaman suara dibuat dengan 2 jenis tippe cache untuk model EC20: yang

lama dan yang baru diasumsikan mengurangi tingkat suara. Kombinasi dari Semua

parameter ini menghasilkan satu set dari 42 rekaman suara untuk kedua model tersebut.

Dulu memutuskan untuk menggunakan uji disimilaritas untuk membangun ruang

perseptif dan preferensi uji dengan menggunakan metode perbandingan berpasangan

untuk menentukan preferensi model. Jumlah sampel suara harus dikurangi menjadi 10

file suara untuk dipastikan bahwa durasi maksimum tes ini tidak melebihi 1 jam.

Memang, 45 pasang untuk Dengan perbandingan dapat dibentuk dengan menambahkan

kedua pasang berulang dan ekuivalen.

216

pasang untuk menilai kedua kesalahan yang dilakukan oleh pendengar dan sulitnya

ujian dilakukan dengan sepuluh file ini. Proses dua langkah digunakan untuk

mengurangi jumlah file dari 42 ke 10:

1. Perbandingan antara tingkat suara (dalam dBA) yang dibuat antara semua

pengukuran yang dilakukan pada kedua model yang diizinkan menyebabkan pemilihan

model EC20, karena tingkat suaranya lebih tinggi daripada model EC45.

2. Pilihan antara 28 file yang tersisa dimungkinkan oleh awal uji disimilaritas

(berkurangnya jumlah pendengar), untuk menilai pengaruh beberapa Parameter: kabin

terbuka atau tertutup, 1 atau 2 gerakan beban hidrolik, maksimal putaran mesin atau

2000 rpm, dan cache tipper lama atau baru. Perbedaannya persepsi antara file cache

lengan mantan / baru rocker dan 1/2 gerakan tidak signifikan, sedangkan efek dari

kedua rotasi rating dan opening Dari jendela dan pintu kabin terlihat jelas.

Jadi sepuluh suara diperoleh untuk analisis (Tabel 1), dimana 9 adalah

konfigurasi Dibawa dengan cache lengan rocker baru dan suara yang dipancarkan bekas

rocker arm cache.

Tiga pasang berulang (tiga pasang yang digunakan pada awal prosesnya

adalah diperkenalkan kembali pada akhir tes) dan tiga pasang setara (2 suara serupa)

ditambahkan ke 45 pasang dari 10 suara yang dipilih, dibentuk bersama Ross seri.

Sekitar tiga puluh pendengar berpartisipasi dalam kedua tes tersebut (ketidaksamaan

Gambar 1 Dua model sekop mekanis yang digunakan: (EC20) sekop mekanis 2 ton

dengan mesin tiga silinder; (EC45) sekop mekanis 4,5 ton dengan mesin empat silinder

Tabel 1 Suara yang dipilih untuk perbedaan dan tes preferensi

217

dan preferensi). Perhatian diberikan pada kepercayaan diri yang bisa diberikan kepada

mereka sebelum mempresentasikan hasil global diperoleh. Kesalahan rata-rata dapat

dihitung untuk setiap pendengar, untuk kedua pasangan berulang dan setara mengenai

perbedaan dan preferensi skor. Kesalahan global cukup kecil untuk pasangan yang

setara, kecuali ketidaksamaan dimana tingkat kesalahan tiga pendengar adalah 50%,

nampaknya karena kebingungan di posisi kursor antara perbedaan (kursor ditempatkan

sepenuhnya di sebelah kiri) dan preferensi (kursor diletakkan di tengah) setelah

pemeriksaan jawaban individu. Untuk pasangan berulang dalam tes preferensi,

mayoritas pendengar (90%) tetap setia dengan pilihan yang mereka buat di.

awal. Penilaian dapat dilakukan terhadap jumlah kesalahan melingkar dibuat oleh

pendengar mengenai nilai preferensi; sebuah kesalahan melingkar dibuat saat A lebih

disukai daripada B, diikuti oleh B lebih disukai daripada C dan terakhir C lebih disukai

daripada A. Rata-rata jumlah kesalahan melingkar adalah 5,1, yang agak rendah, karena

maksimal jumlah kesalahan melingkar bisa mencapai 120.

Hasilnya tampak benar dan tidak ada pendengar yang menjamin

pengecualian dari tes, yang sepertinya tidak melibatkan banyak kesulitan. Itu diamati

dari rata-rata skor preferensi diperoleh (Gambar 2) yang menutup penumpang sekop

mekanis kompartemen meningkatkan gangguan suara dan bahwa meningkatkan

kecepatan rotasi menurunkannya Perbedaan penilaian antara suara berjalan lambat

dengan Terhadap dua penilaian lainnya cukup signifikan, namun menjadi sangat kecil

suara pada 2000 rpm dan rating maksimal. Sudah jelas bahwa rocker baru Cache lengan

tidak terlalu efisien bila terdengar tidak baik.

Hanya satu dari semua pendengar lainnya yang menilai baik suara lambat

Dengan cara yang berlawanan, sehingga tampaknya tidak perlu membangun dua

kategori pendengar. Sekitar dua puluh metrik dihitung secara paralel, dengan

menggunakan MTS Sound Quality perangkat lunak, dan kemungkinan korelasi mereka

dengan skor preferensi yang dicari langsung di langkah pertama.

Korelasi skor preferensi dengan hubungan linier salah satu Parameter yang

dihitung tidak memberikan hasil yang memuaskan (R2 maxi = 0,53). Secara intuitif,

Tingkat suara (kenyaringan atau tingkat dBA) terasa lebih besar. Namun, ini yang

Gambar 2 Preferensi skor Menurut Konfigurasi yang dipelajari

218

pertama Hasil penelitian menunjukkan bahwa gangguan suara tidak dipengaruhi oleh

parameter yang terkait tingkat suara. Sebuah korelasi dari gangguan ini kemudian dicari

dengan kombinasi linear dua metrik. Korelasi terbaik yang diperoleh berhubungan

dengan linier korelasi dengan tingkat dBB dan kejelasan; Parameter yang terakhir

dimainkan peran penting seperti yang ditemukan beberapa kali dalam 5 kombinasi

terbaik.

Harus diingat bahwa kejelasan awalnya diciptakan untuk mengukur pemahaman pesan

lisan antara dua orang. Sebenarnya, parameter ini ternyata sangat berguna untuk menilai

estimasi preferensi terdengar tidak ada hubungannya dengan percakapan antara dua

orang. Suara

Kualitas perangkat lunak yang dapat dihitung berdasarkan standar ANSI S3.5: Tingkat

tekanan di dBlin pada sepertiga oktaf antara 160 dan 6300 Hz dihitung terlebih dahulu.

Mereka berada dalam bagan yang menentukan persentase kejelasan masing-masing

sepertiga oktaf. Persentase ini, dikurangi menjadi nilai antara 0 dan 1, dikalikan dengan

koefisien pembobotan untuk mendapatkan indeks artikulasi hingga sepertiga oktaf.

Jumlah dari indeks ini dari sepertiga oktaf antara 160 dan 6300 Hz memberikan

kejelasan dalam%.

Seperti yang direncanakan, hasil uji disimilaritas juga digunakan untuk

mendefinisikan perseptif ruang yang dimensi diwakili oleh parameter yang dihitung

sebelumnya, dan maka untuk mencari korelasi antara dimensi tersebut dan skor

preferensi dibandingkan dengan model sebelumnya. Analisis komponen utama (PCA),

yang Dengan memberikan koordinat setiap suara di ruang ini, digunakan untuk

membangun ruang perseptif ini. Pencarian korelasi antara masing-masing dimensi dan

Gambar 3 Skor preferensi terkomputasi sesuai dengan nilai preferensi yang

diukur

219

salah satu parameter yang dihitung tidak memberikan hasil yang memuaskan (R2 <0,6).

Dimensi pertama berkorelasi dengan baik (R2 = 0,96) dengan tingkat dBB dan

kejelasan dan dimensi kedua berkorelasi (R2 = 0,9) menggunakan kombinasi dua

parameter dengan kombinasi linier tingkat dBB dan dBA. Baik perbedaan dan tes

preferensi memungkinkan membangun model preferensi yang diperintah oleh dBB dan

kejelasan (Gambar 3).

Kedua parameter ini (tingkat dBB dan kejelasan) memiliki kepentingan yang

sama di tingkat model preferensi. Namun, nampaknya paradoks bahwa kenaikan

tersebut di tingkat dBB meningkatkan gangguan suara. Sebenarnya, kedua parameter ini

saling terkait (dengan cara yang tidak linier), dan nilai batas diperlukan pada tingkat

dBB di luar yang modelnya sudah tidak berlaku lagi. Ini adalah tujuan paragraf berikut

yang didedikasikan untuk validasi dan penggunaan model ini untuk mengidentifikasi

elemen sekop mekanis yang ikut mengalami gangguan suara.

2.2 Validasi dan Penggunaan Model Preferensi

Mencirikan Sumber Suara yang Berbeda Hadir

di Mechanical Shovel

Tiga sumber suara yang turut berpartisipasi dalam kontribusi kebisingan di dalam kabin

itu diidentifikasi:

1. mesin panas,

2. pompa hidrolik,

3. dan distribusi hidrolik.

Lima konfigurasi pengukuran akustik digunakan saat melanjutkan kopling

hidrolik antara dua mesin: mesin saja, mesin ditambah dengan pompa (tanpa distribusi),

mesin dengan distribusinya (tanpa pompa), dan distribusi saja dan, terakhir, operasi

normal (mesin + pompa + distribusi). Parameter penelitiannya adalah: putaran putaran

mesin (slow atau max running) kecepatan), kabin dibuka atau ditutup, dan dengan atau

tanpa beban hidrolik. Semua ini konfigurasi dan variasi parameter menghasilkan sekitar

tiga puluh file suara yang dua belas diekstraksi dan digunakan untuk menilai keabsahan

model preferensi (1). File-file ini disajikan pada Tabel 2, distribusi beroperasi tanpa ada

beban hidrolik saat di stand by.

220

Tes preferensi yang dilakukan dengan sekitar tiga puluh pendengar

memberikan pilihan pengukuran skor dari 12 suara ini. Tes ini sedikit berbeda dari itu

digunakan untuk menetapkan model preferensi. Dalam tes ini semua suara

dipresentasikan ke pendengar yang menilai mereka sesuai dengan kekuranganya. Studi

lain [9] menunjukkan bahwa jenis tes ini jauh lebih cepat dan secara global memberikan

preferensi yang sama skor sebagai tes perbandingan pasangan-bijaksana. Tingkat dBB,

kejelasan dan skor preferensi (1) dihitung untuk setiap suara. Perbandingan antara

Tabel 2 Konfigurasi digunakan untuk menilai keabsahan model preferensi

Gambar 4 Perbandingan (1) antara nilai preferensi yang dihitung dan

yang diukur

221

dihitung dan diukur preferensi nilai ditunjukkan pada Gambar 4. Korelasi yang sangat

baik antara prediksi dan model dapat diamati, kecuali untuk suara 1 yang tampaknya

kurang dinilai oleh model preferensi (1).

Analisis skor preferensi yang diukur menunjukkan pentingnya kejelasan parameter

yang terkait dengan tingkat dBB, karena n ° 11 dan 8 dengan suara masing level 81,2

dan 78,7 dBB dan masing-masing memiliki kelonggaran 45,3 dan 45,7%, diprediksi

dengan model preferensi 1, sedangkan suara n ° .1 (75,1 dBB dan 42,7%) tidak

diprediksi dengan benar. 11 file suara diperoleh dengan cara penyaringan suara n ° 12

dibentuk untuk menentukan batas validasi model ini. Ini penyaringan berdasarkan

domain definisi bobot B pada telinga dan kejelasan dapat bervariasi tingkat di dBB

tanpa terlalu mempengaruhi kejelasan, tapi sebaliknya bisa terjadi. Kedua belas suara

ini disampaikan kepada sekitar dua puluh pendengar melalui tes preferensi: suara n ° .1

adalah yang asli, dan suara dari 2 sampai 12 disaring.

Perbandingan antara kedua nilai preferensi yang diukur dan dihitung (Gambar 5)

menunjukkan bahwa modelnya berbeda dengan pengukuran subjektif untuk keduanya

terdengar n ° .11 dan 12.

Model ini berlaku untuk suara yang tingkat dBBnya lebih tinggi dari 75,5 dBB;

Mereka secara sistematis lebih disukai bila tingkat nilai ini lebih rendah, berlawanan

dengan apa prediksi model Dengan demikian dapat disimpulkan bahwa model ini

berlaku untuk dBB terdengar antara 75,5 dan 86,4 dBB. Salah satu tujuan dari model ini

adalah untuk belajar kontribusi elemen sekop mekanik (mesin, pompa, distribusi). Nilai

skor preferensi setiap suara dapat diperoleh dan korelasi antara parameter model dan

konfigurasi yang berbeda diukur dapat dinilai dengan menghitung tingkat dBB dan

kejelasan dari tiga puluh suara atau yang diamati pada awal percobaan. Hasil utama

yang diperoleh dirangkum di bawah ini:

Gambar 5 Perbandingan antara kedua nilai preferensi yang dihitung dan yang diukur

222

dalah yang paling dihargai dari parameter: kecepatan

putaran mesin lambat, kabin tertutup dan adanya Gerakan merupakan preferensi dasar

pendengar.

i hampir tidak berpengaruh pada kejelasan struktur

keseluruhan, namun meningkatkan tingkat dBB, sedangkan kehadiran pompa

menentukan kejelasan dan hampir tidak berpengaruh pada tingkat dBB.

File suara dari tiga sumber terpisah diperoleh saat menggunakan penyaringan,

sehingga memungkinkan untuk mengekstrak suara pompa dari pompa + mesin struktur.

Manipulasi yang sangat sulit ini telah divalidasi saat menilai Suara yang dilarutkan

dengan mengelompokkan tiga sumber dengan noise terukur sesungguhnya dalam acara

perseptif Beberapa manipulasi dapat disimulasikan dari sumber yang akan diestimasi

Efeknya pada gangguan suara. Misalnya, menarik untuk disimulasikan a casing untuk

pompa (-3 dBlin), yang memungkinkan peningkatan kejelasan perakitan sebesar 5%,

tanpa mempengaruhi tingkat dBB, dan meningkatkan kualitas suara.

Sistem 3 (Mesin + Rangka + kabin) di Laboratorium

Struktur sekop mekanis yang dipelajari terdiri dari kabin yang dihubungkan oleh empat

gunung ke sasis terangsang oleh mesin (Gambar 6a). Studi fisik Dilakukan pada mesin

ini menekankan pentingnya transmisi vibroakustik antara chassis dan kabin melalui

tunggangan. Pemodelan kabin gembira dengan tunggangan disarankan untuk menilai

kontribusi akustik dari modifikasi tertentu Model dibangun dengan menggunakan

elemen finite dan frontier pendekatan (Gambar 6b), untuk mendapatkan suara interior

dari perhitungan getaran dari kabin mengalami eksitasi mekanis yang ditularkan melalui

tunggangan gunung.

223

Pendekatan semacam ini membatasi studi terhadap frekuensi rendah, karena

memerlukannya juga banyak memori dan waktu komputasi. Dalam hal ini, kontribusi

subjektif Pendekatan analisis fisik menyangkut definisi frekuensi yang berguna band, di

mana semua modifikasi itu sensitif pada tingkat persepsi suara. Dengan demikian minat

pemodelan semacam itu bisa dinilai.

Efek dari konfigurasi eksperimental yang berbeda mengenai (kaku / halus) Sifat

gunung, keikutsertaan lantai, jendela dan pintunya juga dianalisis secara subyektif.

Tekanan akustik yang dikembangkan dari putaran putaran mesin yang berbeda itu

diukur melalui kepala dummy untuk mencari definisi pita frekuensi yang berguna. Itu

Pengukuran dasar ditentukan oleh file sintetis, frekuensi sampling yang berhubungan

dengan medan frekuensi yang mencapai hingga. File sintetis ini kemudian disaring

melalui filter frekuensi rendah dan tinggi dan menghasilkan beberapa suara file yang

dicirikan dalam dBA (lihat Gambar 7 dan 8).

Tingkat dBA menjadi tidak berubah dari 3200 Hz, yang menunjukkan pentingnya

dari frekuensi yang lebih rendah dari atau sama dengan 3200 Hz dalam partisipasi

tingkat dBA. Partisipasi frekuensi menjadi signifikan dengan frekuensi tinggi filter.

Band frekuensi yang paling berpengaruh dapat diidentifikasi dari tingkat suara di dBA

saat kedua bidang frekuensi yang ditentukan dari kedua filter dikelompokkan. Ini

menyangkut interval (-). Sebuah perbedaan (lihat Gambar 9 dan 10) dan tes preferensi

dilakukan antara semua suara yang disaring dibandingkan dengan suara asli. Bentuk

dari

Gambar 6 a Kabin mempelajari, b Model analisis fisik

Gambar 7 tingkat tekanan di dBA untuk file suara yang berbeda

dari frekuensi rendah disaring suara asli (0 22,05 kHz)

224

Gambar 8 tingkat tekanan di dBA untuk file suara yang

berbeda dari frekuensi tinggi disaring suara asli (0 22,05 kHz)

Gambar 9 kesamaan antara file suara yang berbeda dari frekuensi rendah

disaring dari suara asli

Gambar 10 ketidaksamaan antara file suara yang berbeda dari frekuensi

tinggi disaring suara asli dan suara asli

225

ketidaksamaan tes ini mirip dengan yang digunakan untuk memetik perangkat; skala

linier, mirip dengan tes ketidaksamaan, digunakan untuk preferensi.

Frekuensi secara keseluruhan lebih rendah daripada 3200 Hz harus

diperhitungkan sehingga kesamaan suara dari disaring sintetis file yang benar terhadap

suara asli; frekuensi rendah penting dalam hal ini. Analisis yang serupa dengan yang

sebelumnya menunjukkan bahwa partisipasi frekuensi rendah (< 400 Hz) sangat penting

dalam penilaian, menggunakan hasil tes preferensi. Dengan demikian dapat

menyimpulkan bahwa analisis ketidaksamaan dan preferensi hasil antara yang disaring

sampel suara (frekuensi rendah dan frekuensi tinggi) dan suara asli untuk konfigurasi

yang berbeda yang mengintegrasikan kecepatan rotasi mesin menekankan:

idak adanya untuk membuat kebisingan tidak

dikenali, bahkan tanpa menunjukkan penurunan dBA;

rentang frekuensi (0-3200 Hz), termasuk keseluruhan fisik dan informasi suara

perseptif;

kontribusi frekuensi rendah dalam penilaian gangguan suara. Pemodelan fisik

BEM demikian sangat berguna pada tingkat persepsi suara saat didedikasikan untuk

frekuensi rendah, meskipun tingkat global di dBA tidak tetap sangat sensitif File suara

sintetis dari konfigurasi dengan dua putaran mesin kecepatan dan tiga hubungan yang

berbeda antara chassis dan kabin dicatat via kepala dummy dan pengaruh link mount

antara kabin dan casis:

Konfigurasi 1: kabin yang tersuspensi, tanpa kaitan mekanis dengan sasis sambil

mempertahankan kedap udara akustik antara interior dan eksteriornya kabin.

Konfigurasi 2: hubungan yang kaku antara kabin dan sasis.

Konfigurasi 3: mount asal antara kabin dan chassis.

Tes preferensi (30 pendengar) menekankan pentingnya mekaniklink antara

chassis dan kabin melalui perbandingan berpasangan antaraKetiga konfigurasi ini.

peredam asal hampir dianggap samaSebagai cara yang kaku untuk gangguan suara.

Beberapa fleksibilitas akan meningkatkan suara persepsi di dalam kabin Ini juga harus

tetap kompatibel dengan penggunaansekop mekanis di medan yang tidak rata.

Pemodelan FEM / BEM dapat digunakan untuk optimalkan link ini.

4. Kesimpulan

Alat persepsi suara digunakan dalam contoh ini untuk mengidentifikasi pita frekuensi

berpartisipasi dalam kontribusi perseptif dan kuantitatif kebisingan di dalam Kabin

sekop mekanis di satu sisi, dan untuk membangun model preferensi mensimulasikan

modifikasi teknologi untuk memprediksi gangguan suara di sisi lain. Mungkin untuk

melakukan studi mendalam sehubungan dengan contoh pertama saat itu menilai

kesulitan dari kedua perbedaan dan tes preferensi dengan benar berkat beberapa

perhitungan ketidakpastian yang dilakukan oleh pendengar, dan dengan melakukan

pertunjukan lainnya jenis penilaian preferensi suara.

226

Identifikasi pita frekuensi yang berguna mengkonfirmasi minat FEM /

BEMpemodelan pada frekuensi rendah untuk mensimulasikan pengaruhnya terhadap

suara extra isolasiTunggangan terletak, misalnya, antara kabin dan sasis. Kualitas bagus

dari model preferensi diperoleh dari kedua perbedaan dan hasil preferensi divalidasi

oleh kondisi aplikasi (nilai batas tingkat dBB).Terakhir, adalah mungkin untuk

menunjukkan bahwa jenis pendekatan ini memungkinkan identifikasi sumber suara

berkontribusi terhadap gangguan kebisingan, dan bahwa penggunaan prediktifModel

preferensi dapat mensimulasikan efek beberapa modifikasi teknologi.

Daftar pustaka

1. Susini, P., Mcadams, S., Winsberg, S.: A multidimensional technique for sound

quality assessment. ACUSTICA Acta Acustica 85, 650 6561 (1999)

2. Hamzaoui, N., Guyader, J.L., Parizet, E.: Mixing of perception and physical analyses

for themstudy of acoustic radiation issues. Euronoise 2001, Patra 14 17 Janvier 2001

3. Daval, J.: Définition des critères de confort acoustique au sein

Rapport de DEA, LVA (2001)

ment lié au bruit à

lle mécanique. Rapport de DEA, LVA (2002)

5. Parizet, E., Hamzaoui, N.: Contribution des études perceptives au développement

First Europian Forum Cetim, Senlis Juillet (2001)

6. Hamzaoui, N., Sandier, C., Parizet, E., Wetta, P., Besseyrias C.: Subjective

assessments of the acoustic radiation from steel structures: some effects of a few

parametric variations. Forum Acusticum, Séville 16 20 Septembre 2002 Study of Noise

7. Charasse, B.: Maîtrise de la qualité so un épileur. Rapport de D.E.A au

Laboratoire

8. David H.A.: The method of paired comparison. Oxford University Press (1988)

9. Parizet, E, Hamzaoui, N, Sabatie, G.: Comparison of some listening test methods: a

case study. Acustica United Acta Acustica 91, 356 364 (2005)

227

Studi Perseptual tentang Cacat Roda Gigi Sederhana dan Kompatibel

Ramdane Younes, Nouredine Ouelaa, Nacer Hamzaoui and Abderrazek Djebala

Abstraksi Karya ini dikhususkan untuk analisis vibro-akustik dari cacat suara gerigi

roda gigi. Tes tersebut telah direalisasikan di laboratorium getaran akustik (LVA),

INSA of Lyon, Prancis. Dari hasil yang didapat, korelasi persepsi suara dengan

indikator getaran telah ditetapkan. Kesimpulannya, hasilnya memungkinkan definisi

indikator vibrasi yang paling representatif dari persepsi suara, seperti Pusat Spektral

Gravitasi SCG, Tingkat Keseluruhan OL dan Kurtosis. Di sisi lain sesuai dengan hasil

metode MDS yang terkoordinasi, suaranya sesuai dengan tingkat kerusakan gigi, yaitu

tanpa cacat, cacat tunggal, ganda dan banyak.

1. Pendahuluan

Roda gigi adalah sarana transmisi dan perubahan laju putaran poros mesin.

Mereka juga bisa mengubah arah sumbu rotasi dan bisa mengubah gerak rotasi menjadi

gerak linier; mereka telah ada sejak penemuan mesin putar. Karena sifat mengalikan

kekuatan mereka, insinyur awal menggunakannya untuk mengangkat beban berat

seperti bahan bangunan. Namun, yang dipersembahkan untuk mesin berkecepatan tinggi

seperti transmisi mobil, roda gigi adalah solusi teknologi optimal untuk mengurangi

pemakaian energi, akurasi tinggi dan mudah duigunakan. Roda gigi memiliki beberapa

kategori, dan dapat digabungkan dalam banyak cara. Karena getaran dan akustik

memiliki mekanisme pembangkitan yang sama, suara akustik juga dapat digunakan

untuk memantau kondisi mesin yang dikombinasikan dengan metode pemrosesan sinyal

yang efektif, seperti metode persepsi suara. Uji perseptual dapat digunakan untuk

menganalisis berbagai karakteristik suara, dan menemukan dimensi perseptif yang

digunakan oleh pendengar untuk membedakan rangsangan audio ini. Pendekatan

perseptif terhadap suara telah digunakan di beberapa domain; misalnya di mobil untuk

mempelajari suara yang dihasilkan oleh sistem pengkondisian udara, dan di kereta api

untuk persepsi kebisingan interior di kereta berkecepatan tinggi, untuk meningkatkan

kenyamanan untuk memenuhi harapan konsumen [1,2]. Banyak peneliti menyelidiki

perbandingan tes mendengarkan dan menjelaskan manfaat dari metode perbandingan

berpasangan [3]. Peneliti lain mempelajari masalah serius dalam metode perbandingan

berpasangan; Ini adalah durasi tes mendengarkan yang penting ketika jumlah

rangsangan agak besar yang menyebabkan kelelahan auditif.

Penelitian untuk tes yang memungkinkan evaluasi sejumlah rangsangan kuat

mengarah pada mengadaptasi metode baru yang terinspirasi dari persepsi visual yang

disebut perbandingan dengan metode referensi, tugas tersebut terdiri untuk menilai

kemiripan kelompok rangsangan [4]. Kanzari [5] melakukan analisis suara vibro-akustik

suara yang dihasilkan dari gerigi roda gigi anomali. Dari hasil yang didapat, ia

berhubungan dengan indikator skalar. Hasil ini menunjukkan bahwa indikator skalar

seperti kecepatan getaran, pusat gravitasi spektral, dan puncak ke nilai puncak dengan

baik akan menjelaskan penilaian preferensi untuk suara roda gigi pada mesin yang

berputar.

2. Metode Menghitung Skala Multidimensi

228

Fig. 1 Pengaturan Eksperimen

Metode menghitung skala multidimensi memungkinkan perwakilan objek dalam

ruang yang dimulai dari hubungan kedekatan yang ada di antara masing-masing benda

pasangan. Setiap objek kemudian dapat diwakili dalam ruang ini. Ada banyak

algoritma, mulai dari jarak antar objek yang memungkinkan penentuan koordinat yang

terakhir ini dalam sebuah ruang. Beberapa algoritma ini memungkinkan untuk

mempertimbangkan kekhususan dari berbagai subyek atau kelompok subjek dari

berbagai dorongan, bahkan keduanya pada saat bersamaan. Dalam kasus kami, benda

adalah suara, dan kedekatan antara suara dievaluasi menggunakan penilaian berbeda.

Prinsip analisis ini adalah untuk menyesuaikan perbedaan yang diukur antara jarak

rangsangan antara titik-titik yang mewakili rangsangan ini di ruang Euclidean. Dimensi

ruang ini kontinyu, yaitu semua rangsangan dapat diklasifikasikan menurut dimensi ini.

3. Pengaturan Eksperimen

3.1. Tes Pemasangan

Agar lebih dekat dengan cacat gigi asli, setup eksperimental telah dirancang di

laboratorium akustik getaran INSA Lyon-Prancis. Uji Pemasangan berisi dua transmisi

gigi yang biasanya dilumasi. Transmisi pertama terdiri

dari pinion 42 gigi yang terpasang di poros input dan roda 50 gigi . Transmisi kedua

terdiri dari roda 65 gigi dan pinion dari 45 gigi yang terpasang di poros output. Rig uji

juga berisi rem untuk mensimulasikan beban variabe (Fig. 1).

3.2. Mengadakan Percobaan

Cacat tunggal dan banyak, dengan tingkat kekerasan yang berbeda,

disimulasikan pada gerigi roda gigi dengan menggunakan penggiling kecil. Suara yang

sesuai kemudian diperoleh untuk melakukan penggambaran dasar suara dari keragaman

cacat roda gigi. Untuk pengukuran suara, yang dihasilkan dari perangkat pengujian

kami, basis rekaman akan dibentuk oleh sinyal getaran dari accelerometer dengan

229

menggunakan perangkat lunak analisis akuisisi dan getaran "DynamX V.7", akan

disimpan sebagai format "wav". Hal ini memungkinkan, karena ketika transmisi tertutup

dalam casing, seperti pada kotak roda gigi, suara yang dipancarkan terutama disebabkan

oleh getaran yang satu ini [6].

4. Uji Persepsi Suara

4.1. Ransangan

Pada bagian ini, tujuannya adalah untuk mempelajari kemampuan pendengar

untuk mengidentifikasi jenis cacat yang berbeda, mulai dari cacat tunggal kecil sampai

cacat kombinasi. Untuk melakukan ini, kita mensimulasikan beberapa kesalahan dengan

tingkat degradasi yang berbeda sebagai berikut:

Roda Gigi Sehat (Healthy Gears-HG)

Cacat Kecil pada Pinion 1(Small Defect on Pinion 1-SDP1)

Cacat rata-rata pada Pinion 1 (Average Defect on Pinion 1-ADP1)

Cacat Besar pada Pinion 1(Great Defect on Pinion 1-GDP1)

Cacat Besar pada Pinion 1 & CAcat Kecil pada Pinion 2 (Great Defect on Pinion

1 & Small Defect on Pinion 2-GDP1SDP2)

Cacat Besar pada Pinion 1 & Cacat Rata-rata pada Pinion 2 (Great Defect on

Pinion 1 & Average Defect on Pinion 2-GDP1ADP2)

Cacat Besar pada pinion 1 & Cacat Besar pada Pinion 2 (Great Defect on pinion

1 & Great Defect on Pinion 2-GDP1GDP2)

Cacat Besar pada pinion 1, Cacat Besar pada Pinion 2 & Cacat Besar pada

Pinion 3 (Great Defect on pinion 1, Great Defect on Pinion 2 & Great Defect on

Pinion 3-GDP1GDP2GDP3)

Setelah setiap kombinasi dari cacat simulasi, ditunjukkan sinyal yang sesuai.

Pada akhirnya, kita akan memiliki database yang memungkinkan untuk dilakukannya

beberapa analisis. Database rekaman terdiri dari 22 suara untuk kecepatan putaran

tertentu. Pendengaran pendahuluan digunakan untuk memilih suara yang paling berbeda

di antara keduanya, pemilihan kedua dilakukan untuk mendapatkan 8 suara yang

digunakan metode perbandingan berpasangan.

4.2. Suara Restitusi

Uji kesesuaian evaluasi ini dilakukan di ruangan biasa laboratorium mekanik

dan struktur (LMS) Universitas Guelma, Aljazair. Reproduksi suara dilakukan melalui

headphone stereo. Rantai reproduksi terdiri dari PC dengan prosesor Dell I5, tes

antarmuka di bawah lingkungan Matlab, dan headphone Sennheiser HD201.

4.3. Pengujian Antarmuka dan Subjek

Tes antarmuka diprogram dalam bahasa MATLAB, ini berisi dua fase: fase

pertama disebut fase pelatihan dimana suara didengarkan ke pendengar. Pendengar bisa

menjadi terbiasa dengan suara uji coba. Yang kedua adalah fase perbandingan pasangan

230

Table 1 Koordinat suara dalam dua dimensi ruang perseptual

yang berbeda. 30 pendengar (07 wanita dan 23 pria), yang berusia antara 22 sampai 50

tahun, diambil untuk menyadari kedua tes ini.

4.4. Hasil Analisis

Kami menyusun Tabel 1 koordinat suara simulasi di ruang dua dimensi (DIM1

dan DIM2). Dimana DIM1 mewakili evolusi cacat degradasi , dan DIM2 mewakili

perbedaan tingkat keparahan setiap suara dibandingkan dengan suara lainnya, sesuai

dengan uji perbandingan pasangan (lihat Gambar 2).

Satu catatan bahwa hasil koordinatnya

sesuai dengan tingkat kemunduran Roda gigi, yaitu tanpa cacat (S1), tunggal (S2, S3),

ganda (S5, S6, S7) dan tiga cacat (S8). Namun demikian, dicatat bahwa cacat besar (S4)

dirasakan mendekati cacat ganda padahal (S4) cacat tunggal.

4.5. Korelasi Antara Indikator Skalar dan Dimensi

Gambar 2 Ruang Perseptual

231

Korelasi diperoleh untuk DIM1 dengan dua parameter fisik. Menunjukkan

adanya OL dan K dalam model matematis (1) menegaskan analisis DIM1 sebelumnya,

karena kedua indikator ini terkait langsung dengan tingkat cacat degradasi. Faktor

korelasinya adalah .

Persamaan 2 menyajikan korelasi yang diperoleh untuk DIM2 dengan dua

parameter fisik. Model dimensi ini dicirikan oleh OL dan SCG yang terkait dengan

keseimbangan spektral. Faktor korelasinya adalah .

4.6. Penerapan Model Korelasi Matematika

Gambar 3 menyajikan, sekeliling ruang suara, klasifikasi mengkoordinasikan

nilai dari 8 suara yang didapat oleh uji persepsi Si dan kedua model yang Mi dapatkan

sebelumnya dari Persamaan. 1 dan 2. Angka ini menunjukkan kesepakatan yang baik,

oleh karena itu model yang diperoleh dapat diandalkan dengan koefisien korelasi

untuk DIM1 dan untuk DIM2.

5. Kesimpulan

Tujuan dari penelitian ini adalah untuk mempelajari evolusi cacat roda gigi

dengan menggunakan pendekatan persepsi suara. Untuk itu, beberapa cacat

disimulasikan pada roda gigi yang dipasang di perlengkapan uji laboratorium. Studi

perseptual berdasarkan perbandingan berpasangan dan metode MDS dilakukan untuk

mempelajari suara gigi untuk tingkat degradasi yang berbeda. Studi ini memungkinkan

Gambar 3 Suara digolongkan oleh pendengar (Si), dan yang dihitung dengan model matematis (Mi)

232

identifikasi parameter getaran untuk membangun hubungan vibro-akustik pada mesin

putar yaitu transmisi roda gigi.

Dalam pekerjaan ini, kami mempelajari kapasitas pendengar untuk

mengidentifikasi jenis cacat yang berbeda, mulai dari cacat sederhana kecil sampai

kombinasi beberapa cacat. Untuk itu, kami mensimulasikan beberapa cacat dengan

berbagai tingkat degradasi.

Menurut hasil yang diperoleh dalam karya ini satu menunjukkan bahwa:

Suara koordinat di sekeliling ruang sesuai dengan tingkat degradasi roda gigi.

Indikator skalar; Pusat Spektral Gravitasi, Tingkat Keseluruhan, Kurtosis dan

faktor-K dengan baik menjelaskan penilaian perbedaan untuk roda gigi yang

terdengar dalam kasus cacat yang disimulasikan.

Korelasi antara aspek objektif dan subyektif membantu menekankan hubungan

penting antara indikator getaran dan jarak antara suara gigi di sekeliling ruang.

Model korelasi matematis yang diperoleh untuk dimensi 1 dan 2 dapat

digunakan sebagai alat tindak lanjut dari evolusi degradasi roda gigi tanpa

mengulangi tes persepsi.

Daftar Pustaka

de climatisation.

M.Sc thesis,Pierre & Marie Curie University, Paris (2005)

2. Parizet, E., Hamzaoui, N., Jacquemoud, J.: Noise assessment in a high-speed train.

Appl. Acoust. 63, 1109 1124 (2002)

3. Parizet, E., Hamzaoui, N., Sabatie, G.: Comparison of some listening test methods: a

case study.Acta Acust. United Acust. 91, 356 364 (2005)

4. Michaud, P.Y., Meunier, S., Herzog, P., Aubigny, G.D., Lavandier, M.: Méthode de

testa audio Application

aux enceintes acoustiques. In: 10th French congress of Acoustics, CFA2010. Lyon,

France (2010)

5. Kenzari, M.: Vibroacoustic diagnosis of gears defects: sound perception approach

analysis. M.Sc thesis, INSA of Lyon, France (2009)

6. Reboul, E.: Vibroacoustique of high frequencies mechanisms: application to gears

transmissions. Ph.D., thesis, Central School of Lyon, France (2005)

233

Frekuensi Asal dari Pegas Spiral Silinder Komposit

Sami Ayadi dan Ezzeddine Haj Taïeb

Abstraksi Studi ini menyajikan tentang sebuah metode untuk menghitung frekuensi

asal pegas spiral Karbon-Epoksi. Perumusan matematis yang disajikan menggambarkan

sifat dari dinamik linier dari pegas spiral. Model matematika yang mengatur

karakteristik tersebut dibentuk oleh sebuah sistem dari empat persamaan diferensial

parsial urutan pertama tipe hiperbolik. Sistem ini menggambarkan propagasi gelombang

aksial dan rotasi regangan dan kecepatan, yang merupakan variabel dependen utama.

Mereka bergantung pada waktu dan koordinat ruang sepanjang sumbu pegas.

Gelombang ini menyebar pada pegas dengan dua kecepatan; kecepatan gelombang

aksial yang lambat dan kecepatan gelombang rotasi yang cepat. Untuk

menyederhanakan model matematis, pegas diasumsikan homogen. Karakteristik

mekanis dan geometris pegas diperoleh dengan rata-rata tertimbang dari dua

komponennya. Fraksi area digunakan sebagai bobot. Metode impedansi kemudian

diterapkan untuk menentukan frekuensi asal pegas. Hasilnya menunjukkan adanya dua

rangkaian frekuensi resonansi, frekuensi gelombang aksial yang lambat dan gelombang

cepat rotasi. Mereka sesuai dengan harmonik fundamental dan ganjil dari sistem. Setiap

frekuensi resonansi dipisahkan dalam diagram impedansi dengan frekuensi anti-

resonansi, impedansi di mana modulnya nol. Hasilnya jelas menunjukkan pengaruh

fraksi daerah terhadap evolusi frekuensi asal komposit pegas silinder.

Katakunci Pegas Spiral Komposit Metode Impedansi Frekuensi Asal

1. Pendahuluan

Pegas Spiral adalah komponen mekanik yang penting dalam banyak aplikasi

industry [14,15]. Mereka dapat mempertahankan tegangan atau gaya dalam sistem

mekanis menyerap guncangan, mengendalikan pengeluaran dan pembentukkan,

mengurangi getaran. Namun, getaran resonansi pegas spiral diamati dari beberapa

frekuensi dan beberapa permasalahann telah dijelaskan dari berbagai bentuk osilasi

resonansi (kendaraan yang berjalan di lereng yang bergelombang). Evaluasi frekuensi

asal pegas elastis dilakukan dengan menggunakan berbagai metode. Dalam metode ini,

persamaan gerakan pegas spiral dikembangkan berdasarkan teori balok Timoshenko.

Diantaranya, seseorang dapat menyebutkan metode matriks transfer untuk menentukan

matriks kekakuan [11,16,19] dan metode spektral pseudo untuk menghitung akar

determinan matriks ini [10]. Becker dan peneliti lainnya [6], menentukan frekuensi

resonansi pegas spiral yang dikenakan beban aksial kompresi statis. Untuk ini, mereka

melakukan solusi numerik dari persamaan gerak linier dengan menggunakan metode

matriks transfer.

Namun, menggunakan komposit bukan bahan logam menciptakan masalah baru

dalam perancangan dan pembuatan pegas spiral. Karena pegas ini memiliki beberapa

kelebihan dibanding logam tersebut (isolasi getaran, penyimpanan energi dan transmisi

daya saat berat dan ketahanan terhadap kimia, kekentalan). Beberapa penelitian telah

dikembangkan untuk menganalisis spektrum frekuensi mereka. Ini termasuk, misalnya,

karya Yildirim [17] berdasarkan metode matriks transfer, Temel dan peneliti lainnya

234

[13]. dengan menerapkan transformasi Laplace terbalik, Chiu dan peneliti lainnya [7],

mempelajari efek inti karet dan lapisan eksterior yang disatukan pada sifat mekanik

pegas komposit. Pegas terbentuk dari lapisan pegas yang terdiri dari lipatan laminasi

komposit melintang. Beadmore dan peneliti lainnya [4,5], menilai potensi penggunaan

suku cadang komposit dan kemampuan untuk mengurangi bobot mobil untuk

menghemat energi. Moris[12] telah mengabdikan komitmennya untuk mengintegrasikan

komposit dalam sistem suspensi belakang mobil dan, Daugherty [8] mengembangkan

lapisan pegas komposit untuk truk heavy-duty. Faktanya, Audi adalah produsen mobil

pertama yang mengintegrasikan pegas komposit untuk sistem suspensi kendaraannya.

Oleh karena itu, untuk meningkatkan kualitas pegas spiral komposit ini, permasalahan

mengenai pembuatan dan perancangan harus ditinjau secara hati-hati.

Dalam makalah ini, kita mempelajari secara numerik spiral komposit frekuensi

berikut eksitasi sinusoidal dari kecepatan aksial. Pegas terdiri dari karbon-epoksi. Serat

dalam epoksi, dari bilangan n, memiliki bagian s. Material komposit diasumsikan elastis

homogen dari bagian S. Dapat diasumsikan bahwa fraksi daerah = ns/ S dari serat

dipertahankan selama deformasi pegas. Kerja dinamis menghasilkan gelombang

deformasi rotasi dan aksial yang menyebar sepanjang pegas. Tujuan dari penelitian ini

adalah untuk menyajikan metode untuk menentukan frekuensi resonansi dari pegas

spiral komposit. Sebuah formulasi matematika disajikan untuk menggambarkan respon

dinamik linier dari pegas spiral komposit. Persamaan yang mengatur untuk gerakan

semacam itu membentuk sistem dari empat persamaan diferensial parsial tipe

hiperbolik. Regangan aksial dan rotasi dan kecepatan adalah variabel dependen utama.

Impedansi mekanis dinyatakan pada setiap titik pegas dan terutama titik ekstrim yang

merupakan titik paling tegang. Spektrum frekuensi ditunjukkan pada diagram

impedansi.

2. Formula Matematis

2.1. Persamaan Gerak

Model matematis mewakili persamaan perambatan gelombang regangan aksial

dan rotasi dan kecepatan di pegas spiral. Hal ini diperoleh dengan menerapkan teori

analisis dimensi, teori umum tentang lentur dan putaran batang tipis dan kekuatan dasar

rumus bahan terhadap elemen pegas antara dua bagian x dan x+dx yang disampaikan ke

gaya aksial F dan torsi T (Gambar 1). Model ini dapat ditulis dalam bentuk matriks

berikut ini [2]:

235

Dimana: G(Y) adalah fungsi vektor dari vektor Y yang tidak diketahui :

Model ini merupakan sistem dari empat persamaan diferensial parsial urutan

pertama jenis hiperbolik. Ini memperhitungkan empat variabel yang tidak diketahui:

regangan aksial, regangan rotasi, kecepatan aksial dan kecepatan rotasi .Ini

mencakup gabungan dinamis antara gelombang aksial dan rotasi dengan menggunakan

rasio Poisson yang terkandung dalam konstanta a, b dan c yang didefinisikan oleh

Gambar 1. Defleksi statis pegas Spiral

236

Di mana h adalah panjang pegas pada posisi yang tidak tertahan, E adalah

modulus Yo adalah rasio Poisson dari bahan pegas, M adalah

adalah sudut pegas spiral di Posisi yang tidak tertahan, r adalah

jari-jari pegas spiral pada posisi yang tidak tertembus dan saya

adalah momen inersia dari penampang kawat.

Penerapan teori karakteristik menunjukkan adanya gelombang aksial lamban

(ux, ut) dan rotasi cepat ( yang berkembang di pegas dengan dua kecepatan:

Dengan kondisi ini, Pers.1 dan 2, menggambarkan perilaku dinamis pegas linier.

Untuk persamaan ini, kita memaparkan kondisi awal yang didefinisikan oleh:

2.2. Karakteristik Pegas Komposit

Gambar 2 menunjukkan bagian pegas Spiral komposit searah [18]. Penelitian ini

menguji pengaruh sifat material komposit pada frekuensi asal pegas. Pegas diasumsikan

, di mana s adalah bagian dari n

serat dan S adalah bagian total dari pegas kawat, diasumsikan konstan. Menurut teori

mekanika struktur, karakteristik pegas komposit (modulus Young, rasio Poisson dan

densitas q) dapat dinyatakan, dengan konstituennya, oleh hubungan berikut:

2.3. Karakteristik Pegas Komposit

Metode ini mengevaluasi karakteristik dinamik pegas: respons frekuensi, fungsi

transfer, dll. Variabel sesaat dalam Pers. (1) ditulis dengan dua istilah: variable rata-rata

dan variabel osilasi Y . Persamaan gerak bersifat linier, syarat

mematuhi sistem persamaan yang sama. (1) di mana 0:

Penyelesaian persamaan ini dilakukan dengan metode pemisahan variabel Y(x;

t)= X(x).T(t) yang = (Ux Vx Ut Vt) adalah vektor dari satu variabel x dan T

adalah fungsi hanya dari variabel t.

Dengan hanya mempelajari studi terhadap kasus tertentu dari getaran harmonic

yang teratur T(t) = Ce t adalah frekuensi sudut dan setelah substitusi dan

penataan ulang:

Gambar 2 Bagian pegas dalam komposit uniaksial

237

Menerapkan teori Cayley Hamilton [18], solusi dari Persamaan (7) tertulis [9]:

Nilai eigen dari matriks B adalah {-cf -cs cs cf ) B-1 adalah

1= - cs, 2 = - cf , cf, s }. Dengan menggunakan perangkat

lunak Mathemeti ca 4, koefisien matriks berikut [A(x)], bergantung pada , cf, cs, dan x

[3], diperoleh:

238

Dan regangan dan kecepatan yang kompleks, sebagai fungsi posisi x pada pegas

spiral, ditunjukkan dalam relasi (8), hasilnya:

Impedansi mekanis pada pegas spiral didefinisikan sebagai rasio regangan aksial

dan rotasi kompleks terhadap kecepatan aksial dan rotasi kompleks sebagai berikut:

Dalam kasus di mana pegas dijepit pada ekstremitas R(x=0) dan secara aksial

dimuat pada ekstremitas S(x=h) pada pegas seperti ditunjukkan pada Gambar 3, kondisi

batas dapat dinyatakan:

Dalam kondisi ini, syarat impedansi, pada x = h disederhanakan:

Gambar 3 Spring dipasang pada R (x = 0) dan dimuat pada (x = h)

239

Sebaliknya, dalam kasus di mana pegas sangat efisien melalui S (x = h), kondisi

batas dinyatakan oleh:.

Dan impedansinya pada x = h, ditulis:

Impedansi bervariasi dengan frekuensi dan maksimum untuk jumlah frekuensi

tak terbatas tertentu yang disebut frekuensi asal pegas. Mereka dapat disamakan dengan

angka nol dari persamaan berikut:

Itu adalah angka nol dari fungsinya:

Jadi, resonansi getaran (k ganjil) dan anti-resonansi (k genap) dinyatakan oleh:

3. Hasil dan Penerapan

Perhatikan pegas spiral yang memiliki karakteristik: tinggi pegas h = 1.1938 m,

sudut spiral 198281 rd, jari-jari kumparan r = 0.157607 m, jumlah belitan n = 6,

jari-jari kawat rf = 0.007 m. Dalam penelitian ini, pegas dianggap sebagai Komposit

Carbon-Epoxy (AS4 / 3501-6) m = f = 0.3 dan

m = f = 1389 Kg/m3. Modulus Carbon Young adalah Em = 144.8

GPa. Itu dari Epoxy adalah Ef = 9.65 GPa. Sifat-sifat material komposit diberikan pada

Tabel 1 untuk dua nilai dan fraksi area = 0.25 dan = 0.75.

Perangkat lunak yang ditulis dalam bahasa FORTRAN dikembangkan untuk

menghitung impedansi mekanis untuk rentang frekuensi f [0.500]. Secara umum,

impedansi pada ujung pegas komposit adalah bilangan kompleks yang dapat

dinyatakan.

Tabel 1 Sifat Mekanis dari Pegas

240

Dengan demikian, frekuensi asal resonan (k ganjil) dan anti-resonansi (k genap)

dinyatakan oleh:

Frekuensi ini ditunjukkan pada Gambar 4 untuk dua nilai fraksi area. Fungsi

ekspansi D (f) ditunjukkan pada Gambar 5 untuk = 0.25. Angka ini menunjukkan

frekuensi aksial dan rotasi.

Amplitudo dari dua impedansi ditunjukkan dalam diagram impedansi pada

Gambar 6 sebagai fungsi frekuensi rotasi x untuk dua nilai fraksi area = 0,25 dan =

0,75.

Gambar 4 Frekuensi gelombang asal untuk dua nilai fraksi area

Gambar 5 Frekuensi aksial dan

241

Nilai spektrum tertinggi berhubungan dengan frekuensi resonansi, sedangkan

nilai minimum sesuai dengan antiresonansi satu.

Gambar 6 Diagram impedansi IZ1I dan IZ2I

242

Ketika gangguan getaran pada pegas komposit bertepatan dengan getaran

resonansi, perubahan pada regangan dan kecepatan diperkuat dan dapat menyebabkan

pecahnya pegas.

4. Kesimpulan

Dalam penelitian ini, frekuensi asal dari pegas spiral silinder komposit yang

dikenakan pada akhir eksitasi sinusoidal dari kecepatan aksial, disimulasikan secara

numerik. Formulasi matematis disajikan dengan mengadopsi fraksi daerah serat. Oleh

karena itu, kami telah memperoleh formulasi sederhana dan dapat dipercaya yang

menggabungkan perilaku matriks dengan serat. Menggunakan pendekatan impedansi,

membatasi solusi untuk kasus osilasi stasioner dengan mengasumsikan osilasi harmonis.

Dalam kasus ini, perilaku regangan aksial dan rotasi dan kecepatan diatur oleh sistem

dari empat persamaan diferensial parsial linier. Pemisahan teknik variabel digunakan

untuk mengembangkan impedansi mekanis pegas komposit. Impedansi ini bervariasi

dengan frekuensi dan maksimum untuk jumlah frekuensi resonansi tak terbatas yang

sesuai dengan harmonisa fundamental dan ganjil(odd). Hasilnya digunakan untuk

menganalisis evolusi impedansi pada akhir pegas komposit yang dimuat. Mereka

menunjukkan bahwa frekuensi asal sebanding dengan kecepatan propagasi gelombang

aksial yang lamban dan kecepatan propagasi gelombang rotasi yang cepat.

Daftar Pustaka

1. Ayadi, S., Hadj-Taïeb, E.: Influence des caractéristiques mécaniques sur la

propagation desondes de déformations linéaires dans les ressorts hélicoïdaux.

Mécanique et Industrie 7, 551 563 (2006)

2. Ayadi, S., Hadj-Taïeb, E.: Finite element solution of dynamic response of helical

springs. Int.J. Simul. Model. 7(1), 17 28 (2008)

3. Ayadi, S., Hadj-Taïeb, E.: Evaluation of the natural frequencies of cylindrical

helical springs by the impedance method, ICSAAM, September 7 10. Tarbes,

France (2009)

4. Beadmore, P.: Composite structures of automobiles. Comput. Struct. 163 176

(1986)

5. Beadmore, P., Johnson, C.F.: The potential for composites structural automotive

applications. Compos. Sci. Technol. 26, 251 281 (1986)

6. Becker, L.E., Chassie, G.G., Cleghorn, W.L.: On the natural frequencies of helical

compression springs. Int. J. Mech. Sci. 44, 825 841 (2002)

7. Chiu, H.C., Hwan, C.L., Tsai, H.S., Lee, W.P.: An experimental investigation into

the mechanical behaviors of helical composite springs. Compos. Struct. (2005)

8. Daugherty, R.L.: Composite leaf springs in heavy truck applications. In:

Proceedings of Japon-US Conference Composite Materials, Tokyo, pp. 529 538

(1986)

9. Fröberg, C.E.: Introduction to Numerical Analysis. Adison-Wesley Publishing

Company, USA (1979)

10. Lee, J.: Free, vibration analysis of cylindrical helical springs by the pseudospectral

method. J. Sound Vib. 302, 187 196 (2007)

11. Lee, J., Thompson, D.J.: Dynamic stiffness formulation, free vibration and wave

motion of helical springs. J. Sound Vib. 239(2), 297 320 (2001)

12. Moris, C.J.: Composite integrated rear suspension. Comput. Struct. 233 242 (1986)

243

13. Temel, B., Çalim, F.F., Tütüncü, N.: Forced vibration of composite cylindrical

helical rods.Int. J. Mech. Sci. 47, 998 1022 (2005)

14. Wahl, A.M.: Mechanical Springs Penton Publishing Co. Cleveland, Ohio (1963)

244

Peningkatan Sensitivitas dari Indikator Skalar Menggunakan Metode

Denoising dengan Transformasi Wavelet

Mustapha Merzoug, Khalid Ait Shgir, Abdelhamid Miloudi

dan Jean Paul Dron

Abstrak, roda gigi adalah komponen utama pada mesin industri dan dipertimbangkan di antara

elemen yang paling penting. Oleh karena itu diagnosis mereka sangat penting untuk menghindari

kegagalan dan mencegah kegagalan mesin. Analisis getaran paling banyak pendekatan yang

digunakan untuk diagnosis gigi. Namun sinyal getaran tertangkap gigi mesh dengan roda gigi

yang salah pada umumnya bersifat non-stasioner dan berisik. Di kerangka ini, pekerjaan ini

membahas diagnosis gigi dengan kombinasi indikator klasik dengan metode denoising. Untuk

model dinamis roda gigi ini, termasuk evolusi kerusakan roda gigi lokal yang dikembangkan.

Modelnya terdiri dari sepasang gigi memacu dua inertias yang menggabungkan efek waktu mesh

bervariasi kekakuan dan redaman, eksitasi karena kesalahan gigi. Integrasi skema digunakan

untuk menghitung model dinamis. Kemudian, diperoleh sinyal simulasi digambar dengan suara

acak yang mensimulasikan kebisingan latar belakang getaran. Untuk sinyal simulasi, indikator

temporal dan frekuensi yang diajukan deteksi dini evolusi retak. Dengan menggunakan teknik

wavelet indikator membaik dan perbandingan kinerjanya yang dibuat. Beberapa jenis fungsi

wavelet digunakan untuk tujuan yang paling banyak terlihat tepatnya adalah fungsi wavelet

adaptif. Hasil simulasi divalidasi dengan sinyal eksperimental yang terdiri dari bongkar pasang

dengan transmisi gigi.

245

1. Pendahuluan

Transmisi gigi merupakan bagian penting pada kebanyakan mesin untuk mengubah poros

kecepatan, torsi dan tenaga. Karena itu, diagnosis mereka sangat penting untuk mencegah

kegagalan mesin yang besar. Ada beberapa teknik yang tersedia untuk deteksi dini kegagalan

salah satu yang paling berguna adalah analisis getaran. Yang populer teknik analisis vibrasi telah

dilakukan analisis spektral. Analisis spektral adalah teknik yang sangat ampuh karena berbagai

elemen mekanik sistem pada umumnya menghasilkan getaran pada frekuensi yang berbeda.

Dampak yang dihasilkan oleh roda gigi yang salah dapat menghasilkan sinyal non-stasioner

yang berisi banyak informasi tentang kesalahan. Oleh karena itu, sangat diperlukan untuk

menganalisis sinyal non-stasioner dengan menggunakan teknik frekuensi waktu yang

memungkinkan melihat evolusi temporal dari isi frekuensi sinyal [1, 2]. Sifat sinyal non-

stasioner dapat dianalisis dengan Transformasi Wavelet (TW), yang memberikan analisis multi

resolusi kuat di kedua domain waktu dan frekuensi. Analisis sinyal waktu dan frekuensi

menjadikan WT sebagai pilihan alat untuk mengekstrak karakteristik transien dari sinyal getaran

non-stasioner spektrum FFT [3, 4]. Untuk beberapa waktu, transformasi wavelet digunakan

karena mampu memberikan informasi domain-domain dan frekuensi-domain secara simultan

telah berhasil digunakan dalam pemrosesan sinyal getaran non-stasioner dan diagnosa kesalahan.

Djebala [5] mengusulkan sebuah pendekatan yang menguntungkan wavelet lokal analisis dan

kemampuannya untuk mendeteksi transien. Mereka pertama menghitung transformasi Hillbert

dari sinyal maka hasil penutup sinyal akan diproses oleh analisis wavelet Kemudian ekstrak

detail yang meliputi frekuensi rotasi roda rusak Pemeriksaan teknik envelope untuk identifikasi

cacat ditemukan tidak memuaskan dalam mengukur sudut antara dua gigi mesh yang salah [6]

mengusulkan teknik lain yang terdiri dari transformasi wavelet tak berimigrasi (UWT), yang

digunakan untuk menandai sinyal. Transformasi wavelet analitik (AWT) telah

diimplementasikan pada sinyal aproksimasi diikuti oleh integrasi yang berada di tepi waktu

(TMI) dari skalogram AWT.

Merainani [7] menggunakan Transformasi Empiris Wavelet (EWT) yang mendesain sebuah

penyimpanan filter wavelet yang sesuai sepenuhnya bergantung pada sinyal yang diproses

dengan Transformasi Hilbert dalam pendeteksian dini dan kondisi pemantauan gangguan retakan

gigi. Hasil analisis perpindahan getaran sayap menunjukkan bahwa yang diusulkan Pendekatan

yang dilansir (HEWT) berhasil mendeteksi retakan gigi jauh lebih awal dari tahap perkembangan

kerusakan meski di lingkungan yang bising.

Langkah paling vital dalam analisis wavelet adalah pemilihan wavelet induk fungsi serta

tingkat dekomposisi sinyal. Dalam konteks penggunaan transformasi wavelet diskrit, wavelet

ortogonal telah diterapkan dalam penelitian ini. Di antara mereka Daubechies dan Symlets

wavelet telah banyak diimplementasikan seperti itu cocok dengan komponen transien dalam

sinyal getaran.

Tujuan bab ini adalah untuk menunjukkan minat transformasi wavelet meningkatkan

sensitivitas indikator skalar (kurtosis dan faktor puncak) di konteks pemeliharaan kondisional

dengan analisis getaran transmisi gigi. Saat gigi rusak, tampilan retak pada gigi-gigi mengganggu

sinyal. Perubahan ini disebabkan adanya periodik bunyi yang teratur. Namun dengan demikian,

Kehadiran suara yang diinduksi oleh eksitasi acak dapat mempengaruhi nilai indikator waktu ini.

246

Sinyal denoising ini dengan transformasi wavelet memungkinkan meningkatkan sensitivitas

indikator ini dan untuk meningkatkan keandalan diagnosa. Untuk mensimulasikan sinyal yang

akan dianalisis, kami secara sukarela mengenalkan sebuah retakan roda gigi standar. Kami

memilih wavelet tipe Symlets yang sesuai untuk jenis masalah ini.

Tujuannya adalah untuk mencoba menguasai berbagai parameter yang berhubungan dengan

wavelet analisis deteksi handal dan murah, yaitu urutan wavelet dan tingkat dekomposisi.

Pendekatannya adalah mengamati kurtosis dan puncak faktor untuk beberapa perintah wavelet

tergantung pada beratnya kesalahan.

2. Model Analitik

Model analisis yang digunakan dalam makalah ini tersedia dalam literatur dan representasi grafis

yang sesuai ditunjukkan pada Gambar 1.

Dimana variabel x adalah derajat kebebasan dianalisis, dinamai transmisi dinamik kesalahan, dan

didefinisikan sebagai:

Dimana, Rp dan Rg adalah jari-jari dasar, dan rotasi, masing-masing masukan dan output

gigi. Selanjutnya, M adalah massa ekuivalen yang akan dijelaskan dalam Pers. 4; Istilah

kekakuan K(t) diolah secara matematis dengan menggunakan pengembangan Fourier. F adalah

gaya kontak antara gigi dan istilah terakhir adalah turunan kedua dari statis kesalahan transmisi,

diperlakukan sebagai input eksternal yang bekerja pada sistem. Kekuatannya dihitung sebagai

hubungan antara torsi T dan jari-jari dasar yang sesuai R:

Gbr. 1 Model untuk perilaku gigi dinamis

247

M, ini adalah fungsi dari dua momen gigi inersia, Ip dan Ig, dan dari radius dasar yang sesuai, Rp

dan Rg.

2.1 Pengaruh Model Perhitungan Kekakuan Gear Mesh pada Simulasi Sinyal

Kekakuan variasi waktu mesh K(t) diperoleh sebagai [8]:

Nilai Kr dan diperoleh dengan menggunakan rumusan berikut:

dimana, : Rata-rata kekakuan mesh, ICR: Rasio Kontak Mutlak, ks: kekakuanGear mesh

selama kontak gigi tunggal, dan koefisien Fourier dan fase sudut K(t). Keretakan roda gigi

adalah kerusakan yang berdampak parah pada fungsi mesin yang sehat. Mendeteksi kerusakan

ini sesegera mungkin sangat penting. Diawal pemodelan gigi, sebagian besar penelitian

mempertimbangkan beberapa modifikasi pada profil kekakuan meshing [9]. Misalnya, kekakuan

gigi yang salah menurun dan memang diulang sekali setiap siklus kontak gigi ini. Oleh karena

itu, penulis mengajukan usulan model membatasi celah pada gigi dengan mempertimbangkan

posisi sudut di lingkaran dasar. Pada posisi ini, penurunan kekakuan meshing dianggap

fenomena diulang setiap kali gigi retak masuk dalam kontak dengan gigi gigi yang berlawanan.

Dalam hal ini, kondisi yang mengatur kekakuan dengan adanya kesalahan dasar pada gigi adalah

sebagai berikut:

K(t).

ka kontak antara gigi retak dan gigi gigi berlawanan, kekakuan diberikan oleh K(t).[1-D(t)],

dengan 0 < D(t)< 1. dimana D(t) adalah fungsi periodik yang mewakili jumlah penurunan

kekakuan dituliskan sebagai:

248

dimana: i . fi dan fi mewakili frekuensi rotasi gigi yang terkena retakan. adalah

amplitudo fungsi D(t), mewakili jumlah penurunan kekakuan atau evolusi retak mewakili

rasio siklik.

2.2 Analisis Simulasi

Sinyal getaran dari gearbox berisi modulasi amplitudo dan fasa yang periodik dengan

frekuensi rotasi gigi. Modulasi dari frekuensi menghubungkan gigi yang salah menghasilkan pita

frekuensi sisi. Pita frekuensi sisi adalah kecepatan putaran poros atau salah satu kelipatannya.

Analisis dari spektrogram (Gambar 2) menunjukkan garis di sekitar frekuensi meshing. Kami

juga mencatat pita frekuensi berenergi tinggi yang mewakili frekuensi alami sistem.

Gbr. 2 simulasi sinyal spektogram

3. Optimalisasi Analisis Wavelet Multi-resolusi

Untuk waktu yang lama FFT adalah alat pilihan untuk mengatasi masalah ini, pengecualian

bahwa Selalu sulit untuk menghindari perubahan sinyal dengan mengurangi sejumlah besar

kebisingan.Metode yang didasarkan pada transformasi ambang wavelet telah muncul untuk

mengisi kekosongan [10-13]. Kekuatan mereka berada dalam kemudahan implementasi dan

249

efektivitasnya. Oleh karena itu ide utamanya adalah menghilangkan koefisien kecil yang menjadi

tanggungan Suara di sinyal. sinyal bising Denoising menggunakan transformasi wavelet

diperoleh dalam tiga langkah dasar [14]:

j tingkat transformasi wavelet dan koefisien

dihitung.

Ambang: Kemudian ambang batas dipilih dan bagian detailnya melalui wavelet Transform

dibandingkan dengan ambang dan bagian detail diatur ke nol jika mereka kurang dari ambang

batas

aproksimasi tingkat j dan koefisien detail termodifikasi.

Ambang lemah dan Ambang keras Dalam literatur ada dua jenis ambang teknik yang berlaku

untuk pemrosesan sinyal yang ambang keras dan ambang lemah dapat digambarkan sebagai

proses pengaturan yang biasa nol elemen yang nilai absolutnya lebih rendah dari ambang batas.

ambang adalah perpanjangan dari ambang keras, pengaturan pertama ke nol elemen yang nilai

absolutnya lebih rendah dari ambang batas, dan kemudian menyusutkan benda koefisien

terhadap nol Kelemahan dari ambang keras dan lemah. Ambang keras tidak berlanjut di ambang

batas dimana ambang lemah tidak terdiferensialkan pada nilai ini; prasyarat untuk masalah

optimasi [15]. ambang batas yang diberikan, ambang lemah dapat

didefinisikan oleh [11]:

dan ambang keras dapat ditulis sebagai:

Dengan metode thresholding di atas, pertanyaan yang jelas adalah bagaimana mengaturnya nilai

menggunakan ambang universal. Untuk rangkaian panjang dan ambang universal diberikan oleh:

dimana adalah nilai ambang batas? N adalah panjang sinyal berisik. Di ambang Seleksi, kita

seharusnya tidak mengabaikan detail koefisien di setiap level yang mungkin mempengaruhi

ketahanan perkiraan ambang batas. Jadi kita harus mengulang skala ambang yang dipilih di

beberapa tingkat. Dalam tulisan ini, ambang batas tergantung pada detail koefisien di setiap

250

3.1 Metodologi untuk Evaluasi Kinerja

Untuk mengevaluasi kinerja pendekatan kita. beberapa tes penilaian seperti SNR dan RMSE

diuji.

3.1.1 Rasio Sinyal terhadap Bunyi

Sinyal untuk rasio kebisingan (disingkat SNR) adalah ukuran yang digunakan dalam sains dan

teknik yang membandingkan tingkat sinyal yang diinginkan dengan tingkat kebisingan.

Didefinisikan sebagai rasio kekuatan sinyal terhadap kekuatan bunyi yang sering ditunjukkan

desibel. Nilai SNR global ditentukan oleh persamaan berikut:

3.1.2 Sumber Akar Kuadrat Kesalahan Digunakan sebagai ukuran kinerja. RMSE adalah didefinisikan sebagai

Dimana, x(n) adalah sinyal asli, adalah sinyal derau dan n adalah jumlah sampelnya

3.2 Pilihan Menganalisis Wavelet

Studi tentang pilihan analisis wavelet akan dilakukan berdasarkan uji dari beberapa wavelet.

SNR di pelajari antara sinyal aslinya dan sinyal setelah rekonstruksi. Wavelet analisis yang

dipilih menjadi satu yang akan mempresentasikan nilai SNR tertinggi. Kami menerapkan

algoritma multiresolusi Mallat analisis menggunakan wavelet analisis untuk berbagai perintah.

Yang paling analisis wavelet yang digunakan adalah Daubechies (db) dan Symelet (sym). White

Gaussian kebisingan ditambahkan ke sinyal simulasi. Sinyal bising ditunjukkan pada Gambar 3,

untuk nilai SNR.

Pertama, sinyal ini dihentikan menggunakan transformasi wavelet dengan metode ambang

lemah dan ambang keras. Untuk perbandingan dengan kondisi yang sama, parameter

transformasi wavelet ditetapkan untuk kedua kasus. kumpulan dekomposisi wavelet adalah db3

dan level 8.

251

Gbr. 3 Tabel SNR terhadap wavelet orders

Gbr. 4 SNR dan RSME terhadap Perbedaan sinyal suara

Untuk menggambarkan kinerja seleksi ambang yang diusulkan, syarat rusak oleh bunyi pada

tingkat sinyal yang berbeda terhadap rasio bunyi (SNR). Suara Sinyal dikosongkan

menggunakan transformasi wavelet dengan ambang universal. Sumber Akar Kuadrat Kesalahan

(RSME) dan SNR keluar digunakan sebagai ukuran kinerja untuk denoising. Metode ambang

keras jelas memiliki performa terbaik untuk warna putih ini kondisi kebisingan Output SNR dari

metode ambang keras menunjukkan linier SNR dibandingkan dengan ambang lemah (Gambar

4).

3.3 Parameter Statistik

Untuk mendapatkan informasi yang berguna dari sinyal akustik dan getaran domain-waktu

berbagai teknik statistik telah berkembang selama ini. Salah satu parameter yaitu faktor puncak

yang didefinisikan sebagai rasio maksimal nilai absolut pada nilai RSB dari sinyal getaran

memberi gambaran tentang terjadinya impuls dalam domain waktu. Dalam pemantauan kondisi

waktu sebenarnya, peningkatan nilai faktor puncak selama periode waktu menunjukkan adanya

hitung dan tak terhitung Parameter kuat lainnya yang disebut kurtosis mengukur tingkat puncak

252

distribusi dibanding distribusi normal [16]. Secara matematis, faktor puncak dan kurtosis untuk

sinyal x(n) dengan jumlah N Sampel dalam domain waktu dapat dinyatakan sebagai Sumber

menandakan akar (RMS) dari percepatan. Hal ini didefinisikan oleh:

dengan rata-rata deret waktu x(n). Kurtosis adalah parameter statistik yang memungkinkan

analisis distribusi besaran getaran yang terkandung dalam satu waktu sinyal domain Ini sesuai

dengan urutan keempat membagi kuadratnya standar deviasi:

Faktor puncak adalah kriteria domain waktu lain yang terdiri dari rasio antara

besaran maksimum sinyal waktu dan ARMS

4. Aplikasi Deteksi Dini terhadap Kerusakan Roda Gigi

Dari Gambar 5 bahwa dalam kasus sinyal asli, indikator statistik meningkat secara signifikan,

menyiratkan penurunan dramatis pada kekakuan jepitan gigi. Kurtosis dan faktor puncak yang

berkembang selalu meningkatkan fungsi panjang retak dari tingkat penurunan 6%, kurtosis dan

faktor puncaknya mulai menjadi lebih tinggi dan perkembangannya secara praktis sebanding

dengan panjang celah.

Perbaikan kurtosis dan sensibilitas faktor puncak bisa diperhatikan. Bisa juga diperhatikan

bahwa kedua indikator tersebut (faktor puncak dan kurtosis) tidak bervariasi secara linier bila

ukuran kerusakan sangat penting [17]. Bila ukuran kerusakan sangat penting, ruang waktu

antara dua guncangan menjadi lebih rendah dari waktu relaksasi dan hipotesis di mana validitas

aplikasi terletak pada tidak dikonfirmasi[18]. Faktor puncak

253

Gbr. 5 Kurtosis dan Faktor puncak evolusi terhadap persen penurunan

Gbr. 6 Komparasi Kurtosis sinyal asli dan sinyal direkonstruksi

Gbr. 7 Perbandingan faktor puncak dari sinyal asli dan yang direkonstruksi

254

Dan nilai kurtosis menjadi inferior atau sama dengan tiga dan tidak lagi karakteristik sinyal

impulsif [19]. Perbandingan antara nilai faktor kurtosis dan puncak sebelum dan sesudah

penguraian sinyal (Gambar 6 dan 7) menunjukkan kontribusi transformasi wavelet dalam

meningkatkan sensitivitasnya indikator berkenaan dengan kasus biasanya.

5. Kesimpulan

Transformasi wavelet banyak digunakan untuk menganalisis sinyal getaran non-stasioner dari

mesin berputar. Pendekatan yang baru saja dijelaskan bisa melacak asal beberapa kerusakan

setelah dekomposisi detil dan perkiraan sinyal asli. Memungkinkan menghilangkan suara

invarian waktu sinyal. Metode ini memperbaiki sensibilitas indikator temporal seperti kurtosis

dan faktor puncaknya sering digunakan dalam perawatan kondisional dengan analisis getaran.

Studi ini juga menunjukkan bahwa kurtosis adalah indikator yang lebih baik daripada faktor

puncak untuk mendeteksi kerusakan impulsif dalam kasus ambang keras.

Referensi

1. Dalpiaz, G., Rivola, A., Rubini, R.: Gear fault monitoring: comparison of vibration analysis

techniques. In: Proceedings of the 3rd International Conference on Acoustical and Vibratory

Surveillance Methods and Diagnostic Techniques, vol. 13, pp. 623 637 (1998)

2. Randall, R.B.: A new method of modeling gear faults. J. Mech. Des. 104, 259 267 (1982)

3. Peng, Z.K., Chu, F.L.: Application of the wavelet transform in machine condition monitoring

and fault diagnostics: a review with bibliography. Mech. Syst. Signal Process. 18(2), 199 221

(2004)

4. Shi, D.F., Wang, W.J., Qu, L.S.: Defect detection for bearing using envelope spectra of

wavelet transform. ASME J. Vib. Acoust. 120, 567 574 (2004)

5. Djebala, A., Ouleaa, A., Kebbabsa, T., Ramdane, Y.: Détection des d´défauts non stationnaires

Congrès Algérien de Mécanique, 27 29 November, Mascara (2013)

6. Jena, D.P., Panigrahi, S.N., Kumar, R.: Gear fault identification and localization using analytic

wavelet transform of vibration signal. Measurement 46, 1115 1124 (2013)

7. Merainani, B., Benazzouz, D., Rahmoune, C.: Early detection of tooth crack damage in

gearbox using empirical wavelet transform combined by Hilbert transform. J. Vib. Control

(1077546315597820, first published on August 25) (2015)

8. Kahraman, A., Blankenship, G.W.: Effect of involute contact ratio on spur gear dynamics.

ASME J. Mech. Des. 121, 112 118 (1999)

9. Abbes, M.S., Trigui, M., Chaari, F., Fakhfakh, T., Haddar, M.: Dynamic behaviour modelling

of a flexible gear system by the elastic foundation theory in presence of defects. Eur. J. Mech.

A. Solids 29, 887 896 (2010)

10. Donoho, D.L.: De-noising by soft thresholding. IEEE Trans. Inf. Theory 41, 613 627 (1995)

11. Donoho, D.L., Johnstone, L.M.: Ideal spatial adaptation by wavelet shrinkage. Biometrika 81

(3), 425 455 (1994)

12. Johnstone, I.M., Silverman, B.W.: Wavelet threshold estimators for data with correlated noise.

J. Roy. Statist. Soc. B 59, 319 351 (1997)

13. Chang, S., Kwon, Y., Yang, S., Kim, I.-J.: Speech enhancement for non-stationary noise

environment by adaptive wavelet packet. In: Proceedings of IEEE International Conference on

255

Acoustics, Speech, and Signal Processing (ICASSP 02), vol. 1, pp. 561 564 (2002)

14. Kulkarni, P.G., Sahasrabudhe, A.D.: Application of wavelet transform for fault diagnosis of

rolling element bearings. Int. J. Sci. Technol. Res. 2(4) (2013)

15. Kumar, R., Pate, P.: Signal denoising with interval dependent thresholding using DWT and

SWT. Int. J. Innovative Technol. Explor. Eng. (IJITEE) 1(6) (2012). ISSN: 2278-3075

16. Jena, P.D., Panigrahi, S.N.: Gear fault diagnosis using bispectrum analysis of active noise

cancellation-based filtered sound and vibration signals. Int. J. Acoust. Vib. 18(2), 59 70

(2013)

17. Tandon, N.: A comparison of some vibration parameters for the condition monitoring of

rolling element bearings. Measurement 12, 285 289 (1994)

18. Pachaud, C.: Crest factor and kurtosis contributions to identify defects inducing periodical

impulsive forces. Mech. Syst. Signal Process. 11(6), 903 916 (1997)

19. Dron, J.P., Bolaers, F., Rasolofondraibe, I.: Improvement of the sensitivity of the scalar

indicators (crest factor, kurtosis) using a de-noising method by spectral subtraction:

application to the detection of defects in ball bearings. J. Sound Vib. 270, 61 73 (2004)

256

Diagnosa Kesalahan Melalui Aplikasi

Cyclostationarity ke Sinyal Terukur

Tarek Kebabsa, Nouredine Ouelaa, Jerome Antoni,

Mohamed Cherif Djamaa, Raid Khettabi dan Abderrazek Djebala

Dalam tulisan ini kami telah menggunakan metode modulasi frekuensi untuk pendeteksian

kesalahan pada bantalan polos dan kerusakan gigi-gigi. Metode ini terutama berbasis pada

analisis beberapa sinyal siklikationarity non-stasioner. Memang, sebuah sinyal cyclostationary

memiliki periodisitas tersembunyi; Artinya tidak periodik dalam ketat indera tetapi beberapa

sifat statistik dari sinyal bersifat periodik. Frekuensi ini Digunakan untuk mengidentifikasi

korelasi spektral yang memiliki keuntungan menjadi fungsi dari satu variabel frekuensi bukan

dua. Validasi eksperimental dilakukan berdasarkan sinyal yang diukur dalam lingkungan industri

(turbogenerator). Penerapan metode ini pada sinyal yang tidak ditempatkan telah membantu

Sorot sangat jelas adanya cacat pada bantalan gearbox, yang mana telah sulit ditunjukkan dengan

analisis spektral.

257

Kata kunci Analisis spektral: Cyclostationarity . Intensitas distribusi modulasi .Kerapatan

korelasi spektral . kerapatan koherensi spektral . Turbo-Alternator

1. Perkenalan

Abstrak pemantauan mesin analisis getaran, telah berkembang secara signifikan karena evolusi

konsep pemeliharaan sistem untuk meminimalkan Waktu revisi, metode perawatan yang

diadopsi adalah pencegahan kondisional pemeliharaan [1, 2]. Mengurangi biaya produksi dan

meningkatkan ketersediaan alat produksi memang menjadi isu yang perlu dideteksi dan

diidentifikasi kerusakan pada tahap awal. tantangannya adalah untuk menunjukkan nilainya

menggunakan analisis getaran di bidang pemeliharaan mesin berputar namun untuk asimilasi

dasar-dasar dan batasan masing-masing teknik pilihan. Jelas bahwa kegagalan tidak bisa ditolerir

karena kompleksitasnya mesin dan kekritisannya dalam proses [3, 4]. Untuk pencegahan

kondisional yang efektif, pemeliharaan, pengukuran yang andal dan akurat mengenai keadaan

mesin harus dilakukan. "Revolusi" di bidang diagnosa getaran mesin mugkin adalah metode

periodik yang memungkinkan pengembangan lebih dapat diandalkan metode yang didasarkan

pada Cyclostationary [5, 6] dan pada pemisahan komponen siklis dari sinyal [7, 8]. Formulasi

Cyclostationary memiliki beberapa keunggulan analisis sinyal semacam itu melalui pendekatan

konvensional. Pertama-tama memungkinkan dengan alat yang sama berbagai macam perilaku,

258

mulai dari deterministik sederhana frekuensi (fenomena ketidakseimbangan, kesalahan deretan,

eksentrisitas, kekuatan inversi, kegagalan meshing, dll ...) non-stasioner (gerakan fluida,

gesekan kekuatan, ambil, ...) [9, 10]. Lalu dia secara eksplisit memasukkan dimensi waktu itu

melacak evolusi non-stationarity dari sistem yang dipelajari. Analisis ini memungkinkan

menemukan modulasimunculnya amplitudo dalam sinyal getaran [11, 12]. Modulasi ini

bervariasi sebagai fungsi dari komponen sinyal.Terjadi kesalahan saat waktu pengukuran tidak

mencukupi [13]. Beberapa penelitian telah menunjukkan bahwa kehadiran modulasi menegaskan

keberadaannya kerusakan pada bantalan dan roda gigi [14-16]

2 Prinsip Metode

Secara statistik dalam pemrosesan sinyal, biasanya untuk membedakan dua kumpulan utama

sinyal. sinyal stasioner yang statistik momennya adalah kepadatan probabilitasnya tidak

tergantung waktu dan sinyal non-stasioner, momen statistik tergantung pada waktu. Dalam

kummpulan yang terakhir ada urutan sinyal tertentu yang bersifat siklosis sinyal. Sebuah proses

dikatakan siklopasi untuk mengatur n, jika semua statistik sesaat sampai dengan urutan n

tergantung waktu secara periodik dengan periode T. Sinyal stasioner memiliki keharusan yang

hanya mengandung komponen frekuensi Tidak berkorelasi, fakta bahwa korelasi dirinya tidak

bergantung pada waktu. Penerapan pertama dari teori siklostationarity untuk mendiagnosis gigi

adalah diusulkan oleh C. Capdessus pada tahun 1992 dan diikuti oleh Sidahmed dan Lacoume di

Jakarta 1995 [17]. Penulis lain seperti Rubini, Marcomick pada tahun 1997 dan pada tahun 1998

[18] miliki dibahas proses aplikasi cyclostationarity dalam mendiagnosis [19, 20] pada

perputaran mesin.

3 Cyclostationarity Menentukan sebuah "Synchronous Average"

Urutan siklis suatu proses statistik n = 1, dapat diwakili oleh urutan pertama waktu dinyatakan

sebagai:

Dengan: E[m(t)] yang diharapkan, dalam inggris the mathematical expectation atau the

statistical expectation operator .

Dari cyclostationary mengatur dalam kondisi aplikasi monitor melalui penggunaan

Synchronous Average[18]. Dengan menerapkan metode ini sinyal getaran S(t) dirata-ratakan

untuk satu periode rotasi dengan menghitung rata-rata sampel yang diukur ke ssejumlah putaran

Nr yang dipisahkan oeh interval waktu T sesuai dengan periode rotasi, persamaan 1, ditulis:

4. Memesan Dua Cyclostationarity "Autocorrelation"

259

Seperti yang telah kami katakan sebelumnya, stasioner atau cyclostationer sebuah sinyal dapat

diidentifikasi dari keadaan autokorelasinya. Dari sudut pandang matematis, hal itu dinyatakan

sebagai berikut [17]:

: Kesenjangan antara dua observasi

Sinyal S(t) adalah urutan kedua stasioner jika Rs s independen dari t

Sinyal S(t) adalah urutan kedua cyclostationary, dimana: t : Rs s

dimana T adalah periode siklis, dan frekuensi dasar siklik atau frekuensi

pemisahan

Sebuah sinyal S(t) adalah cyclostationary, jika hadir beberapa interval dengan t.

Fungsi autokorelasi bersifat periodik bisa dinyatakan sebagai deret Fourier:

Koefisien Fourier menentukan fungsi autokorelasi siklik

: Koefisien Fourier menentukan fungsi = 0

Transformasi Fourier, sehubungan dengan t, dan memberi fungsi spectral kerapatan korelasi

(Spectral Correlation Density Function "CSFE") atau spectral korelasi.

Perhatikan bahwa untuk mendapatkan kerapatan daya spektral "Power Spectral Density",

ditulis PSD dari sinyal S(t). Korelasi spektral dapat dinyatakan dengan:

Bila SCDF nol di mana-mana kecuali sinyal S(t) tidak bergerak, jika tidak nol untuk sejumlah

nilai yang terbatas dikatakan bahwa sinyal bersifat siklopori. Hal ini memungkinkan untuk

menggabungkan fungsi lain yang membantu memperkirakan tingkat sinyal cyclostationarity.

Yang pertama adalah fungsi koherensi spektral (Spectral Fungsi Koherensi "CAF") yang

diberikan oleh:

260

dengan sinyal dari spektrum daya

Yang kedua disebut tingkat siklisasi yang diusulkan oleh Zivanovic dan Gardner (1991)

secara matematis diberikan oleh ungkapan:

Ini adalah rasio antara energi dan sinyal stasioner, dengan DCS = 1.

Persamaan (8) dapat ditulis dengan menggunakan korelasi spektral:

Fungsi modulasi spektral koherence distribution density diperoleh dengan cara:

Penyebut dari "Pers. (10) "merupakan normalisasi dengan kekuatan sinyal yang digunakan

untuk pengukuran korelasi spektral. Properti ini mungkin sangat khusus penting dalam

melindungi keadaan rotor mesin berputar.

Integrasi distribusi MID mewakili kerapatan korelasi spektral, dinyatakan oleh sumber yang

berbeda disebut IMID. Integrasi ini akan dipilih frekuensi pembawa seluruh pita yang

didefinisikan oleh:

dimana: adalah vektor yang dihitung pada pita frekuensi pembawa dari f1 sampai f2.

261

Berikut ini kami akan mengaplikasikan IMID pada diagnosis generator turbo.

5 Studi Eksperimental

5.1 Deskripsi Fasilitas

Prinsip operasi turbo-alternator GZ1164 terdiri dari pengenalan uap super panas pada tekanan

tinggi biasa disebut uap masuk melalui pipa masuk turbin. Yang terdiri dari 16 roda gigi,

masing-masing terdiri dari jumlah bilah NB (lihat Tabel 1). Setiap roda disusun oleh pluralitas

delapan baling-baling tetap Penyiapan terdiri dari turbin yang mengubah energi kinetik menjadi

energi mekanis yang memutar rotor turbin, peredam kecepatan dalam satu tahap dengan gigi

herringbone, alternator yang berputar pada kecepatan peredam output yang sama (apapun muatan

yang menghasilkan listrik) [21], dan aksesoris lainnya Gambar 1.

5.2 Karakteristik Frekuensi Pembaca

Tabel 2 menunnjukkkan data teknis pembaca dan frekuensi karakteristiknya. Menurut standar

ISO 2372 (ISO 2372, 1974), mekanisme yang dipelajari adalah

Gbr. 1 Diagram

kinematik turbo-

alternator GZ1164

(Enterprise FERTIAL)

Tabel 1 Karakteristik frekuensi kerusakan bilah

262

Tabel 2 Spesifikasi Pembaca dan frekuensi karakteristiknya

diklasifikasikan dalam 3 kelompok, yaitu mesin daya tinggi (> 300 kW) dan dipasang pada

posisi yang kaku.

5.3 Akuisisi dan Pengolahan Peralatan Pengukuran

Pengukuran vibrasi dikumpulkan pada delapan bantalan sampai dari turbo-alternator di tiga

arah. Dua akselerometer digunakan, sebuah aksial mono akselerometer tipe B & K 4511-001 dan

satu triaksial lainnya B & K 4524B-001 (Gambar 2a). Untuk pengumpulan dan pengolahan alat

ukur, penganalisis B & K PULSE 16.1 yang telah digunakan (Gambar 2b).

5.4 Data dari Berbagai Ukuran Pengukuran

Karena pentingnya turbo-alternator GZ1164 dalam proses produksi dari energi listrik dibutuhkan

pemantauan terus menerus. Dalam penelitian ini, memang menemukan bahwa mekanisme ini

263

hanya dipantau dengan uji berkala berdasarkan nilai keseluruhan RMS kecepatan dari waktu ke

waktu analisis kecepatan spektral dan perpindahan pada frekuensi rendah dan sedang masing -

masing (0-200Hz) dan (0-1000Hz). Tujuan pengukuran spektral adalah pendeteksiannya

Guncangan ke dalam mekanisme, seperti shock pada gigi, gesekan poros, bearing wear, dll.

Sayangnya, pita frekuensi ini digunakan oleh departemen pemeliharaan perusahaan tidak

mengijinkan mengidentifikasi cacat yang disebutkan di atas sejak fenomena yang banyak terjadi

pada frekuensi tinggi.

Berdasarkan tingkat getaran RMS secara keseluruhan diukur kecepatannya oleh perusahaan

dan yang menunjukkan tingkat getaran yang sangat tinggi hingga 14 mm / s, kami diminta untuk

melakukan

Gbr. 2 sebuah akselerometer industri (1) ackselometer triaksial (2), Penganalisa getaran 16.1

sebuah diagnosis global turbo-alternator. Atas dasar ini, perlu diluncurkan serangkaian tes pada

pita frekuensi berbeda untuk mencoba menegakkan diagnosis potensi kerusakan yang

menyebabkan kenaikan tingkat getaran ini.

6 Analisis Frekuensi Rendah untuk Reducer

6.1 Masukan Bearing Reducer

264

Gbr. 3 menunjukkan spektrum sinyal percepatan yang diukur pada bearing 3 pada arah miring

dengan sensor mono-aksial pada pita frekuensi (0-200 Hz).

Selain puncak yang sesuai dengan frekuensi input dan output dari peredam kira-kira ( =

150 Hz dan = 25 Hz) masing-masing, spektrumnya analisis menyoroti puncak lainnya yang

sesuai dengan frekuensi 54.88 dan 104.9 Hz. Menurut dokumen Brüel dan Kjær [22], frekuensi

oli pusaran dalam bantalan jurnal berkaitan dengan frekuensi poros input peredam

Gbr. 3 Spektrum sinyal akselerasi terukur pada bantalan 4 pada pita frekuensi

(0-200 Hz)

= dengan k = 0.3 ÷ 0.5. untuk kasus umum dan 0.7 untuk instalasi industri. Memang,

rasio = 54.88/150 = 0.36 dan = 104.9/150 = 0.7 berarti dua Frekuensi dan yang

muncul pada spektrum menunjukkan adanya putaran kerusakan minyak pada bantalan jurnal dari

batang masukan peredam.

265

6.2 Bearing Output dari Reducer

Gambar 4 menunjukkan spektrum sinyal percepatan yang diukur pada bearing 4

di arah miring dengan sensor mono-aksial di pita frekuensi (0-200 Hz). Analisis ini menunjukkan

puncak yang sesuai dengan masukan peredam frekuensi 149: 4Hz dan frekuensi output 25 Hz

dan harmoniknya. Analisis spektral tidak menonjolkan adanya kerusakan pada bearing jurnal.

Gbr. 4 Sinyal akselerasi terukur dari satu bantalan 3 pada pita frekuensi (0-25.600 Hz)

6.3 Analisis Frekuensi Tinggi untuk Pembaca

Gambar 5a, b mewakili sinyal akselerasi yang diukur pada bantalan 3 pada arah miring dengan

266

sensor mono-aksial dan spektrumnya masing-masing pada pita frekuensi (0-25.600 Hz).

Spektrum tersebut menunjukkan kemunculan frekuensi meshing = 6125 Hz dan harmoniknya

= 12.250 Hz, 18.375 Hz dan = 24.500 Hz. Kekurangan amplitudo frekuensi

meshing dan harmoniknya menegaskan adanya generelasi umum roda gigi peredam

Gbr. 5 Sinyal akselerasi diukur pada bantalan 3 pada pita (0-25.600 Hz) (a), dan spektrum (b)

7 Penerapan Cyclostationarity pada Sinyal Diukur pada Pembaca

Bearing

267

7.1 Analisis Reducer dalam Frekuensi Rendah

Pada bagian sebelumnya, telah ditunjukkan bahwa analisis spektral digunakan untuk

menyoroti kerusakan aus pada gigi roda input dan output. Namun, Metode terakhir tidak

memungkinkan pelokalan, dengan cara yang jelas, adanya cacat pada bantalan jurnal peredam.

Oleh karena itu, metode Cyclostationarity digunakan untuk memungkinkan pencarian dengan

cara yang sangat efisien modulasi yang mungkin ada dalam sinyal terukur.

7.2 Masukan Bearing dari Pembaca

Penerapan analisis distribusi intensitas modulasi koherensi daya spektral (dengan = 4096 Hz)

untuk setiap variasi frekuensi dari sinyal akselerasi diukur pada bantalan 3 Gambar 6

menunjukkan dua kemunculan

Gbr. 6 (a) Korelasi spektral (MID) dengan yang sesuai (IMID) (b) dari sinyal pada Gambar 3

frekuensi siklik yang pertama = 3 x 12.5 Hz, sesuai dengan ½ kali frekuensi rotasi

poros output peredam dan yang kedua dengan amplitudo sangat penting pada = 18.22 x

268

frekuensi rotasi poros input peredam (lihat Gambar 6a).

Fenomena ini dijelaskan dengan adanya kekurangan minyak pada titik bantalan jurnal Kita bisa

perhatikan juga di (Gambar 6b) bahwa penggunaan integrasi modulasi intensitas distribusi

(IMID) memungkinkan identifikasi dengan cara yang sangat jelas dengandua frekuensi siklik

dan modulasi.

7.3 Output Bearing dari Pembaca

Penerapan metode MID pada sinyal yang diukur pada bearing output 4 lihat Gambar 19,

memberikan spektrum yang mirip dengan spektrum tipologis yang sesuai kerusakan gesekan

pada rotor [22] Gambar 8. Menunjukkan kemunculan yang

2.4 x = 512 Hz), dan harmonisnya sesuai dengan ½ kali frekuensi

rotasi poros output pereduksi 25 Hz ditunjukkan pada (Gambar 7a).

Gbr. 7 a Spectral Correlation (MID) dengan sinyal (IMID) (b) yang sesuai dari Gambar 4

269

Penerapan IMID (Gambar 7b) memungkinkan identifikasi lebih jelas frekuensi fundamental

siklis = 12.5Hz dan harmonisnya. Menurut tipologisnya kerusakan spektrum (Gambar 8),

fenomena yang disajikan pada (Gambar 7b) sesuai untuk kerusakan gesekan dalam bantalan

jurnal (Foto 1).

7.4 Analisis Reducer pada Frekuensi Tinggi

Perlakuan terhadap sinyal yang diukur pada bantalan peredam pada kisar frekuensi tinggi

dengan analisis spektral memungkinkan penyorotan adanya keausan yang besar pada jumlah gigi

roda. Kami ingin mengkonfirmasi hasil ini dengan menerapkan cyclostationarity. Penerapan

MID pada sinyal yang diukur dalam kisaran frekuensi (0-25.600 Hz) pada bearing 3 dari

pembaca, lihat Gambar 5, menunjukkan penampilan dua frekuensi siklik yang pertama untuk

= 3.81 x 25 Hz sesuai dengan frekuensi rotasi poros output dan yang kedua untuk =

2.28 x 150 Hz (dengan 536 Hz) dengan amplitudo sangat tinggi sesuai dengan

frekuensi rotasi poros input.

Gbr. 8 Spektrum tipologis kelelawar minyak (Brüel dan Kjær Vibro)

Foto 1 (a) Wear in the bearing 3.( b) Pakai bantalan 4

Modulasi kedua frekuensi siklis ini menjelaskan adanya Keausan gigi umum pada kedua roda

gigi, (lihat Gambar 10a). Penerapan IMID diijinkan untuk menyoroti dengan cara yang sangat

270

jelas dan terlihat, kedua frekuensi siklik tersebut dan modulasi, (lihat Gambar 10b). Ada juga

tampilan frekuensi pembawa pada 1196 Hz yang sesuai ke bagian frekuensi pada set bilah tetap

dan harmonisa kelima dan keenam masing masing 5980 dan 7176 Hz. Kedua frekuensi terakhir

ini sesuai dengan frekuensi bagian dari roda bilah 1 dan 2 turbin, (lihat Gambar 10a).

Gbr. 10 (a) Korelasi spektral (MID) dengan yang sesuai (IMID) (b) dari sinyal pada Gambar 5

271

8 Kesimpulan

Dalam pekerjaan ini, kami telah menunjukkan bahwa diagnosis generator turbo dengan sinyal

metode konvensiona pengolahan menunjukkan keterbatasan dalam mengidentifikasi kerusakan

yang muncul pada frekuensi dasar. Untuk mengatasi masalah ini, kami menggunakan metode

cyclostationarity memiliki modulasi lokasi yang bagus yang ada pada sinyal non-stasioner.

Setiap kali analisis spektral digunakan untuk mengidentifikasi kerusakan pada aus Gigi dari

dua roda bergigi roda gigi dengan penampilan besar puncak yang sesuai dengan dua frekuensi

rotasi poros input dan output perlengkapan selain frekuensi meshing dan harmoniknya. Hal ini

juga menunjukkan tampilan yang jelas dari frekuensi lulus dari majelis ABEFA dimana

amplitudo mereka sangat dipengaruhi oleh penurunan beban listrik. Sayangnya, analisis spektral

gagal menemukan kerusakan pada bantalan biasa.

Referensi

1. Boulenger, A., Pachaud, C., et al.: Vibratory diagnosis in maintenance préventive, pp. 239 295. Dunod, Paris (1998) ISBN 2100041053

2. Heng, J.: Practical of the preventive maintenance, 1st edn. Mechanics-Tire-Hydraulics-

Electricity-cold. Dunod, Paris (2002)

3. Heng, J.: Practical of the preventive maintenance, 3rd edn. Mechanics-Tire-Hydraulics-

Electricity-Cold. Dunod, Paris (2005)

4. Muller, A.: Contribution to the proactive maintenance of manufacturing system: formalisation

of the prognosis process. Ph.D. Thesis, IAEM & Lorraine University. Henri Poincare (2005)

5. Heng, J.: Practical of the preventive maintenance, 3rd edn. Mechanics Tire-Hydraulics-

Electricity-cold. Dunod, Paris (2011)

6. Estoque, P.: A methodological approach numerical and experimental support for the detection

and monitoring of vibration fault chipping ball bearing. Ph.D. Thesis, University of Lille

(2004)

7. Antoni, J.: Cyclostationarity by examples. Mech. Syst. Sig. Process. 23, 987 1036 (2009)

8. Boustany, R., Antoni, J.: A subspace method for the blind extraction of a cyclostationarity

source: application to rolling element bearing diagnostics. Mech. Syst. Sig. Process. 19, 1245 1259 (2005)

9. Urbanek, J., Barszcz, T., Zimroz, R., Antoni, J.: Application of averaged instantaneous power

spectrum for diagnostics of machinery operating under non-stationary operational conditions.

Measurement 45, 1782 1791 (2012)

10. Urbanek, J., Barszcz, T., Sawalhi, N., Randall, R.B.: Comparison of amplitude based and

phase based methods for speed tracking in application to wind turbines. Metrol. Measur. Syst.

XVIII(2) (2011)

11. Gellermann, T.: Requirements for condition monitoring systems for wind turbines. AZT

Expertentage, 10-11.11.2003, Allianz (2003)

12. Antoni, J.: Cyclic spectral analysis of rolling-element bearing signals: facts and fictions.

Sound Vib 304, 497 529 (2007)

272

13. Gardner, W.A., Spooner, C.M.: Cyclic spectral analysis for signal detection and modulation

recognition. In: Proceedings IEEE Military Communications Conference, vol. 2, pp. 419 424 (1988)

14. Makowski, R., Zimroz, R.: Adaptive bearings vibration modeling for diagnosis. Lect. Notes

Artif. Intell. 943, 248 259 (2011)

15. Randall, R.B., Antoni, J.: Rolling element bearing diagnostics a tutorial. Mech. Syst. Sig.

Process. 25(2), 485 520 (2011)

16. Antoni, J., Bonnardot, F., Raad, A., El Badaoui, M.: Cyclostationary modelling of rotating

machine vibration signals. Mech. Syst. Sig. Process. 18(6), 1285 1314 (2004)

17. Taher, F., Fakher, C., Mohamed, H.: Numerical and experimental analysis of a gear system

with teeth defects. Int. J. Adv. Manuf. Technol. 71, 809 816 (2005)

18. D Elia, G., Delvecchio, S., Cocconcelli, M., Dalpiaz, G.L: Combining blind separation and

cyclostationarity techniques for monitoring distributed wear in gearbox rolling bearings. In:

Proc. of surveillance, Compiegne, France (2011)

19. Urbanek, J., Barszcz, T., Antoni, J.: Time frequency approach to extraction of selected

second-order cyclostationary vibration components for varying operational conditions.

Measurement 46, 1454 1463 (2013)

20. Bonnardot, F., Randall, R.B., Guillet, F.: Extraction of second-order cyclostationary sources

application to vibration analysis. Mech. Syst. Sig. Process. 19(6), 1230 1244 (2005)

21. Technical document, group turbo-alternator GZ1164, Department maintenance FERTIAL

22. Brüel & Kjær vibro: Analyse des vibrations maintenance conditionnelle des machines

tournantes. Brüel & Kjær vibro copyright 0906 v.1-B site www.bkvibro.com (2005)

23. Roger, B., Antoni, J.: A subspace methode for the blind extraction of a cyclostationary

source:Application to rolling element bearing diagnostics. Mech. Syst. Sig. Process. 19, 1245

1259(2005)

24. Urbanek, J., Barszcz, T., Zimroz, R., Antoni, J.: Integrated modulation intensity distribution

as a practical tool for condition monitoring. Appl. Acoust. 77, 184 194 (2014)

25. Presentation of the standard ISO 2372, (1974) International standard ISO 10816 (1995)

replaces the standard ISO 2372

273

Studi Experimen tentang kecacatan transmisi gigi nyata dengan

persepsi suara

Nouredine Ouelaa, Ramdane Younes, Nacer 12Hamzaoui dan Abderrazek Djebala

Abstrak Tujuan penulisan ini adalah untuk mempelajari cacat pada gerigi yang dapat

muncul pada mesin berputar dengan menggunakan persepsi suara. Untuk mengasimilasi

cacat gerigi nyata, setup eksperimentalnya dibiarkan beroperasi di bawah beban yang

diberikan selama beberapa hari. Pengukuran dilakukan setiap 2 jam pada poros input

dan output. Suara akustik dilakukan dengan menggunakan perangkat lunak pemrosesan

«DynamX V.7».Suara ini dianalisis dengan metode perbandingan berpasangan untuk

menemukan korelasi antara persepsi suara dan indikator skalar. Hasilnya menunjukkan

bahwa uji persepsi memungkinkan penggolongan gerigi cacat pada urutan degradasi.

Korelasi antara aspek obyektif dan subjektif menyoroti hubungan penting antara

indikator skalar (kurtosis, Faktor Tabrakan , pusat spektral gravitasi SCG dan akar rata-

rata RMS persegi) dan perbedaan antara suara pada gerigi yang ditandai dengan jarak

suara di ruang kedekatan. Analisis getaran juga dilakukan untuk menindaklanjuti

keadaan degradasi gerigi dan untuk mengkonfirmasi hasil persepsi suara yang

diperoleh dari pendekatan yang diusulkan.

Kata kunci : Persepsi suara - Cacat gerigi yang nyata - Mengelompokkan cacat gerigi -

Indikator skalar

N. Ouelaa (&) _ R. Younes _ A. Djebala

Mechanics and Structures Laboratory, University of Guelma, B.P. 401, Guelma, Algeria

e-mail: n_ouelaa@yahoo.fr

R. Younes

e-mail: ramdane_ys@yahoo.com

A. Djebala

e-mail: djebala_abderrazek@yahoo.com

N. Hamzaoui

Laboratory of Vibration-Acoustics, INSA of Lyon, Bâtiment A. St. Exupéry,

25 bis Avenue Jean Capelle, 69621 Villeurbanne Cedex, France

e-mail: nacer.hamzaoui@insa-lyon.fr

© Springer International Publishing Switzerland 2017

T. Boukharouba et al. (eds.), Applied Mechanics, Behavior of Materials,

and Engineering Systems, Lecture Notes in Mechanical Engineering,

274

DOI 10.1007/978-3-319-41468-3_21

1 Pendahuluan

Pemantauan dan diagnosis cacat mesin berputar termasuk dalam program perawatan

bersyarat, dan 75% berdasarkan analisis getaran. Mengenai prosedur perawatan,

seseorang dapat mengklasifikasikan tahap intervensi dalam dua tingkat:

Tingkat pertama yang dikhususkan untuk pemantauan, menggunakan indikator

skalar (tingkat total, faktor puncak, Kurtosis, faktor K, dll.) untuk mengumumkan

adanya cacat,

Tingkat kedua yang ditandai dengan diagnosis, diintervensi setelah tahap

pemantauan dan menggunakan indikator yang jauh lebih rinci (Spectrum, Zoom,

Envelope, Cepstrum, dll.), agar lebih tepat menemukan sifat dan posisi cacatnya.

Penggunaan indikator ini masih menemui beberapa kesulitan interpretasi dalam kasus

mesin industri yang kompleks yang memiliki beberapa cacat. Banyak peneliti masih

mengerjakan perbaikan atau pengembangan indikator akibat sinyal getaran atau akustik.

Umpan balik pengalaman didasarkan terutama pada kompetensi petugas pemeliharaan

dan terutama terhadap persepsi akustik dan getaran yang berkaitan dengan cacat

mekanis. Kami menggunakan pendekatan persepsi akustik untuk mengusulkan

optimalisasi indikator pemantauan untuk memperbaiki deteksi cacat.

Pendekatan perseptif terhadap suara telah digunakan di beberapa domain; misalnya di

mobil untuk mempelajari suara yang dihasilkan oleh sistem pengkondisian udara, dan di

kereta api untuk persepsi kebisingan interior di kereta berkecepatan tinggi, untuk

meningkatkan kenyamanan untuk memenuhi harapan konsumen [1, 2]. Banyak peneliti

menyelidiki perbandingan tes mendengarkan dan menjelaskan manfaat dari metode

perbandingan berpasangan [3]. Peneliti lain mempelajari masalah serius dalam metode

perbandingan berpasangan; Ini adalah durasi tes mendengarkan yang penting ketika

jumlah rangsangan agak besar yang menyebabkan kelelahan auditif. Pencarian untuk

sebuah tes yang memungkinkan evaluasi sejumlah rangsangan hebat mengarah pada

mengadaptasi metode baru yang terinspirasi dari persepsi visual yang disebut

perbandingan dengan metode referensi, tugas tersebut terdiri untuk menilai kemiripan

kelompok rangsangan dibandingkan dengan referensi [4].

2 Metode Penyeskalaan Multidimensi

Analisis penskalaan multidimensional adalah teknik yang digunakan untuk mewakili

penggambungan kesamaan antara objek sebagai titik dalam ruang Euclidean. Dalam

kasus kami, objek adalah suara, dan kedekatan antara suara dievaluasi menggunakan

penilaian berbeda. Prinsip analisis ini adalah untuk menyesuaikan perbedaan yang

diukur antara jarak rangsangan antara titik-titik yang mewakili rangsangan ini dalam

ruang Euclidean. Dimensi ruang ini kontinyu, yaitu semua rangsangan dapat

diklasifikasikan menurut dimensi ini.

Ada banyak algoritma, mulai dari jarak antar objek yang memungkinkan menentukan

koordinat yang terakhir ini dalam sebuah ruang. Beberapa algoritma ini memungkinkan

untuk mempertimbangkan kelebihan dari berbagai subyek atau kelompok subyek dari

berbagai rangsangan, bahkan keduanya pada saat bersamaan.

275

3 Algoritma INDSCAL

Algoritma Penyeskalaan Multidimensi yang digunakan dalam literatur adalah: Winsberg

et al. [5], Winsberg dkk. [6], Koehl [7], Torgerson [8], dan INDSCAL. Pada artikel ini

algoritma INDSCAL dipertimbangkan untuk pengolahan hasil. Algoritma INDSCAL

(INdividual Difference SCALing) diusulkan oleh Caroll dan Chang (Carroll et al. [9]

dan memungkinkan, tidak seperti MDSCAL, untuk membagi setiap topik dengan skala

yang berbeda. Seperti MDSCAL, ini mengasumsikan bahwa semua pendengar

menggunakan dimensi yang sama namun tidak dengan bobot yang sama. Bobot ini

muncul dalam Persamaan (1) dalam bentuk faktor Wkr yang merepresentasikan bobot

dimana pendengar k allots terhadap dimensi persepsi R dari ruang perseptif.

Dimana dij, k adalah jarak antara objek i dan j menurut subjek k. Xjr dan Xir adalah

koordinat benda-benda ini pada dimensi R dari ruang perseptual.

4 Pengaturan Experimen

4.1 Alat percobaan

Agar lebih dekat dengan kecacatan gerigi asli, pengaturan eksperimen telah dirancang di

laboratorium getaran akustik INSA Lyon-Prancis. Alat uji berisi dua transmisi gear

yang biasanya dilumasi. Transmisi pertama terdiri dari 42 gerigi pinion yang terpasang

di poros input dan roda gerigi 50. Transmisi kedua terdiri dari roda 65 gerigi dan pinion

dari 45 gerigi yang terpasang di poros output. alat uji juga berisi rem untuk

mensimulasikan beban variabel.

Gambar 1 Foto Gears: a dengan cacat, b tanpa cacat

276

4.2 Perlakuan Experimen

Untuk mensimulasikan cacat gerigi sebenarnya, pengaturan dibiarkan beroperasi di

bawah beban selama beberapa hari. Sinyal percepatan getaran telah diukur pada poros

input dan output masing-masing 2 h. Ketika transmisi disertakan dalam casing, seperti

pada tempat gir, maka suara yang dipancarkan terutama disebabkan oleh getaran yang

satu ini [10], mengapa kita menggunakan akselerometer Dynae IEPE (Integral

Electronic PiezoElectric) dengan sensitivitas 100 mV / g untuk akuisisi sinyal. Sinyal

getar kemudian langsung dikonversi menjadi suara akustik menggunakan perangkat

lunak Dynam X. Suara ini dianalisis dengan tes persepsi suara. Gambar berikut

menampilkan gambar gir bagus (Gambar 1a), dan roda gigi yang rusak (Gambar 1b).

5 Tes Persepsi Suara

5.1 Stimuli

Pada akhir pengalaman, kami secara visual mencatat kemunculan keausan umum pada

semua roda gigi yang terpasang pada poros input dan poros perantara. Pengamatan ini

mengonfirmasikan hasil analisis getaran yang dilaporkan sebelumnya.

Di antara 46 suara yang diukur, pilihan pertama berdasarkan pendengaran awal

memungkinkan pemilihan 8 suara paling berbeda di antara keduanya. Mereka akan

menjadi subyek tes pendengaran. Perhatikan bahwa perangkat lunak DynamX

memungkinkan perhitungan beberapa indikator skalar, sebagai tambahan kurtosis,

seperti Crest Factor (CF), Spectral Center of Gravity (SCG), Puncak ke puncak, dll.

Uji evaluasi perbedaan dilakukan di ruang laboratorium mekanik dan struktur (LMS)

Universitas Guelma, Aljazair. Pembahasan suara dilakukan melalui headphone stereo.

Rantai restitusi terdiri dari PC dengan prosesor Dell I5, tes antarmuka di bawah

lingkungan Matlab, dan headphone Sennheiser HD201.

5.2 Tes interefasi dan subyek

Tes antarmuka diprogram dalam bahasa MATLAB, ini berisi dua fase: fase pertama

disebut fase pelatihan dimana suara dikenai pendengaran auditor. Pendengar bisa

menjadi terbiasa dengan suara uji coba. Yang kedua adalah fase perbandingan pasangan

yang berbeda. 26 pendengar (11 wanita dan 15 pria), yang berusia antara 22 sampai 50

tahun, dibawa untuk mewujudkan dua tes ini.

5.3 Hasil Analisis

Kami hadir dalam Tabel 1, koordinat suara di ruang dua dimensi (DIM1 dan DIM2), di

mana DIM1 mewakili evolusi degradasi cacat. Satu catatan bahwa hasil koordinat sesuai

dengan kronologi suara yang dikumpulkan, mulai dari suara 1 (S1) yang sesuai dengan

kasus tanpa cacat sampai suara 8 (S8) sesuai dengan gerigi yang lebih terdegradasi.

277

5.4 Ruang Proksimitas

Meskipun pemakaian rendah yang muncul pada gerigi gerigi yang diuji, tes persepsi

memungkinkan untuk mengklasifikasikan suara dalam urutan degradasi dari suara yang

paling tidak terdegradasi (S1) ke suara yang paling terdegradasi (S8) (lihat Gambar 2). S1

diukur pada tes awal

Tabel 1 koordinat suara dua dimensi ruang perceptual

Gambar 2 Ruang perceptual

278

(kasus roda gigi bagus), S2 diukur setelah sekitar 4 jam operasi, dan kemudian S3 diukur

pada akhir hari pertama. Pendengar mengklasifikasikan tiga suara di kuartal pertama

ruang pendekatan suara, sesuai dengan suara serupa (tingkat keparahan yang

mendekati). Suara S4, S5 dan S6 diukur pada hari kedua operasi pada interval waktu

yang berbeda. Pendengar telah mengklasifikasikan S4 di kuarter kedua ruang kedekatan.

Kejutan yang disebabkan oleh degradasi gear dirasakan oleh pendengar dan

dikonfirmasi oleh nilai kurtosis, yang melewati 6,6 untuk S3 sampai 9.6 untuk S4. Untuk

S5 dan S6 degradasi gear menjadi lebih penting (fenomena keausan sehingga kurtosis

rendah [11], pendengar mengklasifikasikan kedua bunyi ini pada kuartal ketiga dari

ruang kedekatan yang sesuai dengan suara yang berbeda dengan keadaan awal S1.

Akhirnya suara S7 dan S8, yang diukur pada hari ketiga, diklasifikasikan pada kuarter

keempat dari ruang pendekatan yang sesuai dengan suara yang sangat berbeda

dibanding S1.

5.5 Korelasi Antara Indikator Skalar dan Dimensi

Karena dimensi ini secara sempurna menggambarkan pemancaran suara di ruang

pedekatan, dan untuk menghubungkan indikator getaran dengan persepsi akustik, kami

mencari korelasi antara pancaran dan indikator skalar yang dihitung: Kurtosis K, Crest

Factor CF, Pusat Spektral Gravitasi SCG, RMS, Ujung-ke-Ujung, tingkat keseluruhan

OL, nilai puncak dan faktor-K. Jadi dimensi ruang ini akan menjadi fungsi linier dari

berbagai indikator.

Untuk tujuan ini, kami melakukan regresi linier naik, karena untuk memasukkan

indikator getaran. Dimensi yang dipilih adalah yang menyajikan nilai kesamaan yang

terbaik, sehingga keselarasan gumpalan titik yang lebih baik mengarah pada garis

regresi.

Hubungan antara dimensi ini dan indikator skalar metrik yang digunakan sebelumnya

memberi dimensi 2 berhubungan dengan:

kurtosis dan faktor puncak dengan koefisien korelasi R2 = 0:95,

pusat spektral gravitasi dan RMS dengan koefisien korelasi R2 = 0:96.

6 Kesimpulan

Tujuan dari artikel ini adalah penerapan pendekatan persepsi suara dalam penelitian dan

deteksi kerusakan gear. Pertama, analisis getaran dilakukan untuk menindaklanjuti

keadaan degradasi roda gigi yang diuji. Studi perseptual berdasarkan perbandingan

berpasangan dan metode MDS dilakukan untuk mempelajari suara gear untuk tingkat

degradasi yang berbeda. Studi ini memungkinkan identifikasi parameter getaran untuk

membangun hubungan vibro-akustik pada mesin berputar yaitu transmisi roda gigi.

Hasil yang diperoleh dalam penelitian ini menunjukkan bahwa:

Metode seleksi suara yang diusulkan, berdasarkan nilai kurtosis,

memberikan koefisien korelasi yang lebih penting daripada yang

diperoleh dengan metode mendengarkan yang disebutkan dalam literatur.

Uji persepsi memungkinkan pengklasifikasian suara dalam urutan

degradasi dari suara yang paling tidak terdegradasi Ra ke suara S8 yang

paling terdegradasi.

279

Korelasi antara aspek objektif dan subjektif membantu menyoroti

hubungan penting antara indikator getaran dan jarak antara suara gigi di

jarak kedekatan.

Indikator skalar: kurtosis, Faktor Crest, faktor SCG dan RMS paling baik

menjelaskan penilaian preferensi untuk suara gigi dalam kasus cacat

nyata.

References

M. Sc Thesis, Pierre & Marie Curie University, Paris (2005)

2. Parizet, E., Hamzaoui, N., Jacquemoud, J.: Noise assessment in a high-speed train.

Appl. Acoust. 63, 1109 1124 (2002)

3. Parizet, E., Hamzaoui, N., Sabatie, G.: Comparison of some listening test methods: a

case study. Acta Acust United Ac 91, 356 364 (2005)

4. Michaud, P.Y., Meunier, S., Herzog, P., Aubigny, GD, Lavandier, M.: Méthode de

test n grand nombre de stimuli audio

Application aux enceintes acoustiques. In: 10th French congress of Acoustics,

CFA2010. Lyon, France (2010)

5. Winsberg, S., Carroll, J.D.: A quasi-nonmetric method to multidimensional scaling

via an extended euclidean model. Psychometrika 54, 217 229 (1989)

6. Winsberg, S., De Soete, G.: A latent class approach to fitting the weighted euclidean

model. CLASCAL. Psychometrika 58(2), 315 330 (1993)

7. Koehl, V.: Influence of structure dispersions on sound perception. Ph.D. Thesis,

INSA of Lyon. France (2005)

8. Torgerson, W.S.: Multidimensional scaling: I. theory and method. Psychometrika

17(4), 401 419 (1952)

9. Carroll, J.D., Chang, J.J.: Analysis of individual differences in multidimensional

scaling via an n- -

35, 283 319 (1970)

10. Reboul, E.: Vibroacoustique of high frequencies mechanisms: application to gears

transmissions. Ph.D., Thesis Central School of Lyon. France (2005)

11. Djebala, A.: Application of the wavelet transform to the study and the vibratory

analysis of the mechanical systems. Ph.D. Thesis, Badji Mokhtar University,

Annaba, Algeria (2008)

280

Desain Eksperimen Percobaan untuk Optimalisasi dan Pemodelan

Permukaan Permukaan Saat pengeringn Baja X210Cr12

Oussama Zerti, Mohamed Athmane Yallese, Salim Belhadi dan Lakhdar Bouzid

Abstrak Kekasaran permukaan adalah indeks kualitas produk yang banyak digunakan

dalam hal kecocokan presisi antara permukaan menyatu , perbaikan umur kelelahan,

ketahanan terhadap korosi, estetika, dan lain-lain. Makalah ini menyajikan sebuah

pendekatan untuk menentukan parameter permesinan optimum yang menyebabkan

kekasaran permukaan minimal oleh Taguchi. metode. Operasi balik dilakukan berdasarkan

rancangan metode eksperimen Taguchi dengan menggunakan L18(21 34) susunan ortogonal

campuran. Rasio sinyal suara(S / N) berdasarkan pendekatan "lebih kecil-adalah-lebih baik"

dihitung untuk menentukan tingkat optimum parameter pemesinan. Hasil optimasi

menunjukkan bahwa kekasaran permukaan terbaik diperoleh dengan menggunakan laju

pemasukan kecil dan radius besar. Penerapan analisis varians (ANOVA) digunakan untuk

mempelajari pengaruh parameter permesinan pada kekasaran permukaan.Hasil penelitian

ini menunjukkan bahwa laju (f) dan radius (r) memiliki pengaruh paling signifikan diikuti

oleh interaksi (f X ap) pada kekasaran permukaan. Model matematis dalam fungsi

parameter permesinan dan interaksi ini dikembangkan dengan analisis regresi untuk

memprediksi kekasaran permukaan. Hasil yang diperoleh menunjukkan bahwa metode

Taguchi sangat handal dalam mengoptimalkan parameter permesinan untuk meningkatkan

kekasaran permukaan.

Kata Kunci Optimasi _ Pemodelan _ Metode Taguchi _ Permukaan kekasaran _ S / N

rasio _ ANOVA

O. Zerti (&) . M.A. Yallese . S. Belhadi . L. BouzidMechanics and Structures Research

Laboratory (LMS), May 8th 1945 University of Guelma,P.O. Box 401, Guelma 24000,

Algeria

e-mail: oussama_zerti@yahoo.fr

M.A.Yallese

e-mail: yallese.m@gmail.com

S.Belhadi

e-mail: belhadi23@yahoo.fr

L.Bouzid

e-mail: issam.bouzid@yahoo.fr

© Springer International Publishing Switzerland 2017 T. Boukharouba et al. (eds.), Applied

Mechanics, Behavior of Materials, and Engineering Systems, Lecture Notes in Mechanical

Engineering, DOI 10.1007/978-3-319-41468-3_22

281

1 Pendahuluan

Kualitas permukaan bagian mesin adalah salah satu indikator terpenting kualitas produk

dan salah satu persyaratan dari tamu yang paling sering. Ini adalah faktor kunci dalam

menilai kualitas suatu produk dan memiliki pengaruh besar pada perilaku fungsional

operasi mesin bagian dan biaya produksi. Kualitas permukaan yang diinginkan merupakan

kendala utama dalam pemilihan optimum kondisi pemotongan dan alat geometri dalam

proses produksi. Ini juga mempengaruhi karakteristik tribologi, ketahanan lelah, ketahanan

korosi dan tampilan estetika dari bagian mesin. Selama pemesinan terutama dipengaruhi

oleh laju pemasukan , kecepatan potong, geometri alat, karakteristik material, stabilitas dan

kekakuan alat mesin, alat pemotong, cairan pemotong dll. Di sisi lain, hitung hubungan

antara permukaan Kekasaran dan parameter permesinan merupakan tugas yang sangat

penting untuk estimasi tanggapan.

Sejumlah penelitian dilakukan untuk pemodelan dan optimalisasi kondisi pemotongan dan

geometri alat untuk mendapatkan kekasaran permukaan minimum. Nalbant dkk. [1]

menggunakan metode Taguchi dalam optimalisasi parameter pemotongan (f, ap,t) Saat baja

AISI1030 yang berputar dengan sisipan karbida dilapisi dengan TiN. Mereka ditemukan

dari analisis varians (ANOVA) sebagai alat radius dan laju memiliki pengaruh yang besar

terhadap kekasaran permukaan dengan kontribusi masing masing 48,54 dan 46,95%.

Penulis merekomendasikan agar penggunaan radius yang besar dan tingkat pemasukan dan

kedalaman potong yang kecil memberikan kekasaran yang lebih baik. Dalam karya

Süleyman Nesçeli dkk. [2], alat geometri (r, r, )dioptimalkan saat memutar baja AISI1040

dengan metodologi permukaan respons (RSM). Mereka mengembangkan model prediksi

matematis yang berhubungan dengan kekasaran permukaan (R ). Dari tabel ANOVA

penulis menemukan bahwa radius alat merupakan faktor terpenting yang mempengaruhi

kekasaran permukaan dengan kontribusi 51,45%. Selain itu, sudut pemotongan utama dan

sudut kemiringan adalah faktor signifikan pada kekasaran permukaan dengan kontribusi

masing masing 18,24 dan 17,74%. Selain kondisi pemotongan (Vc, , ), Emre Yucel

dkk.[3] dianggap sebagai pemotong material dalam studinya sebagai faktor variabel untuk

mengetahui pengaruhnya terhadap kekasaran permukaan( R )dan gaya pemotongan (F )

during menyalakan pemeran Ni-Hard. Mereka menerapkan metode Taguchi untuk

menentukan tingkat optimal dengan menghitung rasio (S/N) untuk (R ) dan (Fc) dengan

pendekatan 'yang lebih kecil, lebih baik'. Mereka menemukan setelah tabel ANOVA bahwa

kedalaman potong merupakan faktor signifikan pada kekuatan pemotongan dengan

kontribusi 74,5% dan tingkat pemasukan memiliki efek yang sangat penting pada kekasaran

permukaan dengan kontribusi 75,78%. Ashoc dan Swastik [4] memilih nilai optimal dari

kondisi pemotongan (Vc, , ap) oleh pendekatan Taguchi untuk meminimalkan kekasaran

permukaan ( R ) dan kehausan flank (VBC) selama putaran kering pada matriks logam

komposit (Al/SiCp). Teknik yang sama digunakan oleh Ilhan dan Harun [5] untuk

mengoptimalkan kondisi pemotongan saat belokan 4140 baja keras (51HRC) untuk

memperoleh kriteria kekasaran minimum( R )dan (R ) Mereka mengamati bahwa tingkat

pemasukan memiliki pengaruh paling signifikan terhadap Ra dan Rz. Demikian pula, Yang

dan Tarng [6] memilih parameter pemotongan yang optimal (Vc, f, ap) dengan metode

282

Taguchi untuk mengurangi kekasaran ( Ra ) dan umur alat , saat memutar batang baja S45C

menggunakan alat pemotong karbida tungsten. Yallese dkk. [7] memprediksikan efek laju

pemasukan pada kekasaran permukaan dengan model daya yang disimpulkan dari data

eksperimen dan membandingkannya dengan model teoritis dalam penggantian baja

X210Cr12. Horng dkk. [8] tertarik dengan efek radius alat dan parameter pemotongan pada

kekasaran permukaan baja Hadfield yang keras dibalik dengan sisipan keramik campuran.

ANOVA mengungkapkan bahwa kecepatan pemotongan dan alat radius sangat

mempengaruhi kekasaran permukaan.

2 Optimisasi dari Taguchi

Metode rekayasa mutu yang dikenal dengan metode Taguchi adalah strategi eksperimental

dimana Taguchi menciptakan sejumlah susunan ortogonal khusus; Ide utamanya adalah

hanya berfokus pada beberapa pengalaman yang penting untuk analisis. Dia

memperkenalkan penggunaan rasio sinyal dan suara (S / N) untuk mengukur kualitas hasil.

Rasio S / N didefinisikan sebagai sinyal yang diinginkan relatif terhadap nilai noise acak

yang tidak diinginkan dan memiliki karakteristik kualitas data eksperimen. Ada tiga

kategori analisis karakteristik kinerja dalam rasio S / N yaitu: Nominal adalah yang yang

terbesar dan terbaik , lebih kecil-adalah-lebih baik. Untuk masing-masing kategori ini,

tingkat optimal parameter proses adalah tingkat yang menghasilkan nilai S / N ratio

terbesar. Hasil yang diperoleh tidak bisa optimal, namun bila hasilnya diimplementasikan,

prosesnya ditingkatkan. Oleh karena itu, lebih sedikit uang dan waktu yang dihabiskan

ketika metode Taguchi digunakan.

Rasio S / N yang digunakan dalam penelitian ini dihitung berdasarkan '' (rumus 1)

karena tujuan dari percobaan ini adalah untuk menemukan parameter pemotongan yang

meminimalkan kekasaran permukaan.

dimana i adalah hasil yang diamati dalam percobaan dan n adalah jumlah percobaan.

Penggunaan metode Taguchi untuk mengoptimalkan proses pemotongan terdiri dari

langkah-langkah berikut:

er proses yang akan dievaluasi.

emungkinan interaksi antara parameter

proses.

pancaran ortogonal yang sesuai dan lengkapi parameter proses dalam tabel ini.

S / N.

283

S / N dan ANOVA.

3 Prosedur Experimen

Dalam penelitian ini mesin bubut konvensional perusahaan pengecoran "TOS

TRENCIN" model SN40, dengan kekuatan 6,6 KW pada poros digunakan untuk melakukan

operasi balik dalam kondisi kerja kering. Operasi ini dilakukan pada baja X210Cr12

putaran kerja, dengan diameter 70 mm dan panjang 400 mm. Karena ketahanan ausnya

yang tinggi, baja X210Cr12 (afnor X200Cr12) juga dikenal dengan nama baja AISI D3

dengan alat kromium tinggi dengan risiko minimal deformasi dan perubahan dimensi

perlakuan termal. Ini memiliki ketahanan aus yang sangat baik (ketahanan aus yang tinggi),

digunakan untuk pembuatan die dan pemotongan pukulan dan stamping, pengelompokan

singgel, roda, alat pertukangan, sisir gulung, jaring [9]. Komposisi kimia baja X210Cr12

adalah sebagai berikut 2% C, 0,30% Mn, 0,25% Si, 12% Cr, 0,70% W. Semua operasi balik

dibuat oleh tiga campuran keramik sisipan CC650 Sandvik Coromant dengan komposisi

kimia Al2O3 (70%) + TiC (30%). Setiap sisipan dicirikan oleh radius r = 0,80, 0,12, 0,16

mm, dengan penunjukan geometrik; SNGA120408T01020, SNGA120412T01020,

SNGA120416T01020 masing-masing. Ini adalah bentuk persegi yang dapat dilepas dengan

fiksasi mekanis oleh lubang tengah dan masing-masing memiliki delapan tepi pemotongan.

Mereka terutama direkomendasikan untuk menyelesaikan mesin dari baja yang mengeras

dan paduan super tahan api, yang memerlukan ketahanan aus yang baik dikombinasikan

dengan sifat termal yang baik. Gambar 1 menggambarkan sisipan pemotongan dengan

radius yang berbeda.

Dua alat pemegang yang digunakan, di mana sisipan yang tetap mekanis dengan

lubang pusat.

= -6, namun berbeda untuk sudut: xr = 45 ° dan 75 ° masing-masing. Mengukur kriteria

kekasaran (Ra, Rz, Rt) dilakukan dengan menggunakan uji kekasaran Surfing 2D SJ-201

(Mitutoyo). Pengukuran diulang pada tiga lokasi yang sama jaraknya dengan keliling

bagian pekerjaan dan hasilnya adalah rata-rata nilai ini untuk pemasukan mesin tertentu.

Gambar 2 menunjukkan metode pengukuran kriteria kekasaran. Untuk mempelajari

dampak berbagai parameter pemotongan (Vc, f, ap) dan geometri alat (xr, r) terhadap

kekasaran permukaan, kami memilih rancangan Taguchi campuran faktorial L18 sebagai

desain eksperimental dengan 5 faktor. Faktor (Vc, f, ap) bervariasi pada tiga tingkat (34) dan

faktor (xr) bervariasi pada dua tingkat (21).

284

Tingkat parameter dipilih dalam interval yang direkomendasikan oleh produsen alat

pemotong. Parameter yang akan dipelajari dan tingkat atribusi masing-masing ditunjukkan

pada Tabel 1.

4 Hasil dan Diskusi

Gambar 1 Campuran keramik campuran menyisipkan CC650.a r = 0,8 mm, b r = 1,2

mm dan c r = 1,6 mm

Gambar 2 Metode pengukuran kriteria kekasaran (Ra, Rz dan Rt)

Tabel 1 Faktor dan tingkatannya

285

Nilai kriteria kekasaran yang ditunjukkan pada Tabel 2 diperoleh mengikuti kombinasi

tingkat parameter pemotongan yang berbeda. Formula (1) digunakan untuk menghitung

rasio S / N untuk setiap kriteria yang bertujuan untuk meminimalkan kekasaran permukaan.

4.1 Analisis Varians (ANOVA)

Hasil analisis ANOVA rasio S / N sesuai dengan kriteria kekasaran (R , Rz, Rt) dilaporkan

pada Tabel 3, 4 dan 5 masing-masing. Analisis ini dilakukan pada tingkat signifikansi =

0,05 (yaitu untuk tingkat kepercayaan 95%). Analisis ini mengklasifikasikan parameter

permesinan agar mempengaruhi berbagai kriteria kekasaran. Dapat dilihat bahwa tingkat

pemasukan masuk pada posisi pertama pengaruh pada kekasaran permukaan; karena

kenaikannya menghasilkan alur yang dihasilkan dari kinetika permesinan yang sejajar

dengan arah kecepatan potong. Alur ini lebih dalam dan lebih luas karena laju pemasukan

meningkat; dengan kontribusi sebesar 50,22% pada R , 39,53% pada Rz dan 40,24% pada

Rt. Ini adalah kesepakatan yang baik dengan karya penelitian Ilhan dan Harun sebelumnya

[5]. Radius alat berada di posisi kedua dengan benturan 20,26% pada Ra, 36,52% pada Rz,

dan 31,46% pada

Tabel 2 Hasil kriteria kekasaran dalam fungsi parameter pemotongan

286

287

Tabel 3 Analisis varians untuk S / N Ra

Tabel 4 Analisis varians untuk S / N Rz

288

Rt. Demikian pula, Makadia dan Nanavati [10] menemukan bahwa tingkat masukan

merupakan faktor utama yang diikuti oleh radius alat yang mempengaruhi kekasaran

permukaan. Interaksi terjadi pada posisi ketiga dengan pengaruh 12,68% pada R , 7,64%

pada R , dan 5,58% pada Rt.

Tabel 5 Analisis varians untuk S / N Rt

289

4.2 Analisis regresi

Analisis regresi digunakan untuk pemodelan dan analisis multivariat dimana terdapat

hubungan antara variabel dependen dan satu atau lebih variabel bebas. Dalam penelitian ini,

variabel dependen adalah kriteria untuk kekasaran permukaan (Ra, Rz, Rt), sedangkan

variabel independennya adalah sudut tajam mutakhir (vr), radius alat (r), kecepatan potong

(Vc ), laju pemasukan ( f) dan kedalaman potongan (ap). Persamaan prediktif Ra, Rz dan

Rt dalam fungsi kondisi pemotongan, geometri alat dan interaksi ini diperoleh dengan

model regresi linier berganda dari kekasaran permukaan diberikan di bawah ini dengan

koefisien determinasi R2 masing-masing 99,72; 97,47 dan 95,63%. Gambar 3 menunjukkan

perbandingan antara nilai prediksi dan nilai yang diukur dari kriteria kekasaran permukaan,

R , Rz dan Rt. Nilai prediksi kriteria kekasaran permukaan lebih mendekati pembacaan

yang dicatat secara eksperimental; kami melihat adanya superposisi antara nilai pengukuran

dan perkiraan. Oleh karena itu, persamaan respon yang diperoleh dapat digunakan untuk

meramalkan nilai kekasaran permukaan untuk setiap kombinasi parameter pemotongan

dalam kisaran eksperimen yang dilakukan.

290

291

Gambar 3 Perbandingan antara nilai yang diprediksi dan yang diukur untuk tiga kriteria

kekasaran permukaan

292

4.3 Optimalisasi Parameter Pemotongan

Metode Taguchi digunakan untuk menentukan tingkat faktor optimal tergantung pada rasio

S / N yang merupakan kriteria terpenting dalam metode ini untuk analisis data eksperimen.

Nilai rerata rasio S / N untuk setiap tingkat faktor diberikan dalam Tabel 6, 7 dan 8 untuk

masing-masing kriteria kasar (R , Rz, Rt). Gambar 4, 5 dan 6 juga menunjukkan grafik

dari nilai yang diberikan pada tabel di atas.

Apapun kategori karakteristik kinerja nilai maksimum rasio S / N yang sesuai dengan

kinerja yang lebih baik dengan metode Taguchi. Akibatnya, tingkat optimal parameter

pemotongan yang memberikan kekasaran terbaik adalah tingkat yang sesuai dengan nilai

maksimum rasio S / N. Oleh karena itu, ditemukan setelah Tabel 6, 7, 8 dan Gambar. 4, 5, 6

bahwa parameter permesinan optimum untuk meminimalkan kriteria kekasaran (R , Rz,

Rt) adalah sebagai berikut: r = 75 ,r = 1,6 mm Vc = 220m = m/min f = 0, 08mm /rev, p

= 0,15mm. Hasil serupa dilaporkan oleh Makadia dan Nanavati [10], mereka

merekomendasikan agar penggunaan jari masuk sisipan yang lebih tinggi, tingkat masukan

rendah dan kedalaman potong yang rendah memberikan permukaan akhir yang lebih baik

dalam mengubah operasinya.

293

Plot efek utama untuk S / N (Ra) nData berarti

Rerata rasio S / N (Ra)

Tabel 6 Tabel tanggapan S / N untuk Ra

Tabel 7 Tabel tanggapan S / N untuk Rz

Tabel 8 Tabel tanggapan S / N untuk Rt

294

Plot efek utama untuk S / N (Rz) Data berarti

Rerata rasio S / N (Rz)

4.4 Tes Konfirmasi

Setelah tingkat optimal parameter proses dipilih. Langkah terakhir adalah tes konfirmasi

yang terdiri dari melakukan percobaan dengan tingkat optimal parameter pemotongan.

Kemudian penggunaan rumus (1) untuk menghitung S / N hasil yang diperoleh. Hasilnya

harus dibandingkan dengan yang diprediksi oleh Pers. (5) [1]:

Gambar 5 Grafik efek utama S / N untuk Rz

Gambar 4 Grafik efek utama S / N untuk Ra

295

Plot efek utama untuk S / N (Rt) Data berarti

Rerata rasio S / N (Rt)

Nilai yang diharapkan dari respon dalam kondisi optimum

Rasio S / N rata-rata pada tingkat optimum factor

Jumlah rata-rata dari uji semua tanggapan

Jumlah faktor signifikan

Nilai rasio S / N dari kriteria kekasaran permukaan (R , Rz, Rt) diperoleh dengan uji

konfirmasi dan diprediksi dengan Persamaan. (5) ditunjukkan pada Tabel 9, 10 dan 11.

Kesepakatan yang baik antara kinerja permesinan yang diprediksi dan kinerja pemesinan

Tabel 9 Validasi eksperimental untuk Ra

Gambar 6 Grafik efek utama S / N untuk Rt

296

aktual ditunjukkan. Peningkatan rasio S / N dari parameter pemotongan awal ke parameter

pemotongan optimal untuk kriteria kekasaran adalah sebagai

berikut: 2.15 untuk R , 1,57 untuk Rz, 2,39 untuk Rt, yang berarti juga bahwa kekasaran

permukaan berkurang sekitar 1.28 kali untuk R , 1.19 kali untuk Rz, dan 1.13 kali untuk

Rt.

5 Kesimpulan

Tabel 10 Validasi eksperimental untuk Rz

Tabel 11 Validasi eksperimental untuk Rt

297

Artikel ini menyajikan aplikasi metode Taguchi dalam optimalisasi kondisi pemotongan

dan alat geometri. Kesimpulan berikut dapat ditarik berdasarkan hasil eksperimen dari

penelitian ini:

Analisis statistik berdasarkan teknik ANOVA telah mengkonfirmasi bahwa tingkat

pemasukan (f) memiliki pengaruh paling tinggi terhadap kriteria kekasaran

permukaan. Pengaruhnya sekitar (50.22, 39.53, 40.24%) untuk kekasaran R , Rz

dan Rt masing-masing. Diikuti oleh radius alat r dan interaksi ( ) dengan

kontribusi (20.26, 12.68%), (36.52, 7.64%), (31.46, 5.58%) untuk kekasaran R , Rz

dan Rt.

Model matematika R , Rz dan Rt dengan koefisien korelasi R2 99.72; 97.47 dan

95.63%, mewakili kepentingan industri yang signifikan karena membantu prediksi

kekasaran permukaan.

Nilai optimal yang diperoleh dari optimasi Taguchi untuk meminimalkan kriteria

kekasaran adalah identik dan diberikan sebagai berikut: r =75, r = 1. 6 mm, Vc

/220 m/ min, = 0. 08mm / rev, =0. 15mm

Peningkatan rasio S / N dari tingkat parameter awal ke tingkat parameter optimal

ditemukan sebesar 2.15 untuk R , 1.57 untuk Rz, 2.39 untuk Rt. Berdasarkan hasil

uji konfirmasi, kriteria kekasaran (R , Rz dan Rt) mengalami penurunan sekitar

1.28 kali, 1.19 kali, dan 1.13 kali.

Metode Taguchi sangat cocok untuk mengoptimalkan proses pemotongan; Rasio S /

N adalah kriteria yang paling penting dalam metode Taguchi.

Referensi

1. Nalbant, M., Gökkaya, H., Sur, G.: Application of Taguchi method in the

optimization of cutting parameters for surface roughness in turning. Mater. Des.

28, 1379 1385 (2007)

2. Süleyman, N., Süleyman, Y., Erol, T.: Optimization of tool geometry parameters for

turning operations based on the response surface methodology. Measurement 44,

580 587 (2011)

3. Emre, Y., Mustafa, G.: Modelling and optimisation of the cutting conditions in hard

turning of high-alloy white cast iron (Ni-Hard). J. Mech. Eng. Sci. 0(0), 1 11

(2012)

4. Ashok, K.S., Swastik, P.: Modeling and optimization of Al/SiCp MMC machining

using Taguchi approach. Measurement 46, 3064 3072 (2013)

5. Ilhan, A., Harun, A.: Determining the effect of cutting parameters on surface

roughness in hard turning using the Taguchi method. Measurement 44, 1697 1704

(2011)

6. Yang, W.H., Tarng, Y.S.: Design optimization of cutting parameters for turning

operations based on the Taguchi method. J. Mater. Process. Technol. 84, 122 129

(1998)

298

7. Yallese, M.A., Rigal, J.F., Chaoui, K., et al.: The effects of cutting conditions on

mixed ceramic and cubic boron nitride tool wear and on surface roughness during

machining of X200Cr12 steel (60 HRC). Proc. IMechE. Part B J. Eng. Manuf. 219,

35 55 (2005)

8. Horng, J.T., Liu, N.M., Chiang, K.T.: Investigating the machinability evaluation of

Hadfield steel in the hard turning with Al2O3/TiC mixed ceramic tool based on the

response surface methodology. J. Mater. Process. Technol. (2008)

9. Dureja, J.S., Gupta, V.K., Sharma, V.S., Dogra, M.: Wear mechanisms of coated

mixed-ceramic tool during finish hard turning of hot tool die steel. J. Mech. Eng.

Sci. 223, 1 11 (2009)

10. Makadia, A.J., Nanavati, J.I.: Optimisation of machining parameters for turning

operations based on response surface methodology. Measurement 46, 1521 1529

(2013)

299

Studi Kontribusi Kualitas Bagian Permukaan oleh Mesin Bubut Menggunakan Bahan

Keras

Razika Aouad and Idriss Amara

Abstrak Alat pemotong keramik putih sampai zirkonia (Al2O3 dan ZrO2) dan titanium

karbit (Al2O3 + TiC) serta campuran keramik dan titanium karbonitrida banyak didambakan

untuk operasi pemesinan bahan yang relatif keras, yang digunakan dalam kondisi

pemotongan keras. Dalam tulisan ini, terpapar hasil studi eksperimental yang relatif

terhadap permesinan baja setelah proses anealing 42CrMo4 dengan kekerasan Brinell HB

174, dimotori oleh tiga alat secara terpisah, keramik putih untuk berbasis zirkonia (Al2O3

dan ZrO2), campuran keramik (CC650) serta lapisan karbida metalik (GC3015).Seri

pengujian dikhususkan untuk kriteria kekasaran utama dari kondisi pemotongan yang

mempengaruhi permukaan mesin.Untuk melakukan ini, kami telah melakukan uji coba

faktorial polos dan berdasarkan metode eksperimental multifaktorial, parameter variabel:

kecepatan potong, umpan per putaran dan kedalaman pemotongan.Hasilnya, yang kami

dapati, menunjukkan bahwa keramik putih sebanding dengan permukaan yang diperbaiki

setelah operasi mesin klasik. Hasil perbandingan menunjukkan bahwa baja mesin dengan

keramik campuran memberikan keadaan permukaan yang sangat baik dengan kecepatan

potong tinggi (180; 250 m / menit) dalam kaitannya dengan alat pemotong lainnya. Model

matematis yang mengekspresikan hubungan antara parameter yang dipelajari dan parameter

yang digunakan sementara eksperimen telah membuat objek perbandingan (tipe Gilbert,

model generalisasi Taylor) serta perbandingan hasil teoritis dan praktis yang telah

dilakukan terhadap nuansa C650.

Kata kunci Karbit_ Kekasaran _Keramik_Campuran keramik_Kekasaran permukaan

R. Aouad (&) _ I. Amara

Laboratory of Transportation Engineering and Environment, Faculty of Technology

Sciences,

University of Brothers Mentouri Constantine, Constantine, Algeria

e-mail: aouadrazika@yahoo.fr

I. Amara

e-mail: a.idriss.2011@gmail.com

© Springer International Publishing Switzerland 2017

T. Boukharouba et al. (eds.), Applied Mechanics, Behavior of Materials,

and Engineering Systems, Lecture Notes in Mechanical Engineering,

DOI 10.1007/978-3-319-41468-3_23

300

1 pendahuluan

Mesin baja keras mengetahui tahap awal dengan bahan pemotongan pengembangan baru

seperti sermet, keramik dan boron nitrida kubik. Yang terakhir ini dibedakan dengan

kekerasan yang tinggi dan kekuatan panas yang besar. Ini adalah untuk menekankan bahwa

belokan keras dapat diganti atau saling melengkapi dengan penggilingan. Kami telah

menyadari tes berdasarkan metode perencanaan eksperimen, dimana parameter variabelnya

adalah: kecepatan pemotongan, kedalaman umpan dan pemotongan. Dalam konteks ini

pekerjaan telah dilakukan dan mempresentasikan hasil eksperimen dari pengaruh kondisi

pemotongan studi pada produk kondisi permukaan pada baja mesin 42CrMo4 dengan alat

Al2O3 dan ZrO2, CC 650 dan GC 3015.

2 Prosedur Eksperimental

Peralatan yang digunakan dan kondisi pemotongannya adalah:

2.1 Alat Mesin

Mesin bubut paralel yang memiliki kekuatan 6,6 kW dengan kecepatan putaran poros

berkisar antara 80 sampai 200 rev / menit.

2.2 Platelets Holder dan Platelet

Untuk realisasi tes, kami menggunakan dua pemegang alat. Trombosit yang digunakan bisa

dilepas, berbentuk persegi, dengan dua jenis trombosit SPK dan corim corvik:

Murni keramik Al2O3 dan ZrO2: ENGN 13.04.08.: Keramik oksida berbasis

aluminium oksida (Al2O3), ditambah zirkonia (ZrO2) untuk penghambatan retak. Ini

menghasilkan bahan yang secara kimiawi sangat stabil, dimana memiliki

kekurangan tahan panas dan kejutan.

Dilapisi karbida GC 3015 (K10): SNGN 12.04.08.: GC3015 memiliki lapisan tebal,

-Al2O3-TiN yang dioptimalkan untuk ketahanan aus yang tinggi

pada mesin besi cor. Substrat keras tahan terhadap suhu tinggi tanpa mengalami

deformasi. GC3015 adalah nilai tujuan umum yang sangat baik untuk hidup

seadanya dengan finishing besi cor pada kecepatan potong sedang hingga tinggi.

Campuran keramik CC650: SNGN 12.04.08.: keramik campuran untuk finishing

dengan kecepatan tinggi dari besi cor abu-abu dan bahan yang dikeraskan.

301

Pelat platelet yang melayani pengujian:

CEGNR 3225 P13

PSBNR 2525 M12

2.2.1 Machined Matter

Potongan uji pada baja paduan rendah 42CrMo4 digunakan di industri otomotif untuk

pembuatan batang penghubung, yang berdimensi 48 mm dan panjang 120 mm (Tabel 1).

2.2.2 Pengaturan Pengaturan

Untuk kriteria pengukuran kekasaran yang berbeda (Ra, Rt dan R ) kami menggunakan

kekasaran (2D) MITUTOYO SURFTEST SJ 301. Terdiri dari ujung berlian, dengan radius

2.2.3 Kondisi Pemotongan

Pengujian terhadap efek pemotongan kondisi pada kekasaran permukaan mesin dilakukan

dengan operasi. Batasan, tanpa pelumasan pada kondisi pemotongan berikut: 0.

0. mm.

3 Hasil

3.1 Evolusi Kecepatan Memotong

Gambar 1a-c mewakili hasil efek kecepatan pemotongan pada kekasaran. Pada Gambar 1a,

kita amati kenaikan kecepatan potong hingga 220 m / menit, tapi untuk

Tabel 1 Karakteristik bahan bekas

302

Gambar (1b, c) kecepatan potong naik sampai 180 m / menit, di luar batas ini, mereka

sedikit menstabilkan. Namun kriteria kekasaran untuk keramik komposit ( Ra = 0.51µm,Rt

= 1.67 µm) tapi untuk campuran keramik ( Ra = 0.28 µm,Rt = 2.52 µm

= 2.00 µm ) dan untuk karbida )menurun.

3.2 Evolusi Lanjut

Gambar 2a-c mewakili hasil efek kemajuan pada kekasaran. Hal ini melihat bahwa kriteria

kekasaran (Ra, Rt dan Rz) meningkat seiring dengan meningkatnya kemajuan. Untuk nilai

f = 0.08mm / rev kita menemukan hasil untuk komposit keramik ( Ra=0.36 µm,Rt=1.21

, tapi untuk keramik campuran ( Ra=0.27 µm ,Rt=.19 µm,R )

dan untuk karbida . Untuk nilai f=0.18mm/rev kita

menemukan hasil untuk keramik komposi tapi

untuk

Gambar 1 Pengaruh kecepatan pemotongan pada kekasaran pada f = 0.08 mm/rev dan ap = 0.1 mm

dengan keramik komposit, b campuran keramik dan c karbida

303

keramik campuran ) dan untuk (Ra= 1.5 µm

,Rt=7.84 µm )

3.3 Evolusi Memotong Kedalaman

Gambar 3a-c mewakili hasil efek kedalaman pemotongan pada kekasaran. Hal ini

memperhatikan bahwa kriteria kekasaran (Ra, Rt dan Rz) meningkat dengan bertambahnya

kedalaman pemotongan. Dalam nilai ap=0.2mm kita temukan hasilnya untuk keramik

komposit (Ra=0.35 µm, Rt=2,6 µm, R =1.75 µm), tapi untuk campuran keramik ( Ra=0.26

µm,Rt=2.27 µm,Rz=1.62 µm) dan untuk karbida (Ra=0.56 µm, Rt=3.51 µm,Rz=2.12 µm).

Pada nilai ap=0.4mm kita temukan hasilnya untuk keramik komposit ( Ra=0.4 µm,Rt=2.65

µm, Rz=1.85 µm), tapi untuk campuran keramik (Ra=0.35 µm, Rt=2.42 µm,Rz=1.75 µm)

dan untuk karbida ( Ra=0.68 µm, Rt=3.53 µm, Rz=2.25 µm) di luar batas ini, mereka sedikit

Gambar 2 Pengaruh muka pada kekasaran pada Vc = 180 m / menit dan ap = 0,1 mm

dengan keramik komposit, b campuran keramik dan karbida c

304

stabil dalam kasus ini, kita dapat mengatakan bahwa kedalaman pemotongan tidak

memainkan peran penting pada kekasaran (Ra).

4 Pembahasan Hasil

Karakterisasi kualitas permukaan mesin terbatas pada kriteria kekasaran total Rt,

Arithmetic mean roughness Ra dan Mean depth of roughness Rz. Gambar. 1, 2 dan 3a-c

menggambarkan pengaruh elemen mode pemotongan (Vc,f dan ap) pada kekasaran

permukaan baja 42CrMo4, mesin oleh keramik murni, keramik campuran CC650 dan

karbida GC3015. Gambar (1a-c), mengungkapkan evolusi kriteria kekasaran sesuai dengan

kecepatan pemotongan. Analisis kurva ini menunjukkan bahwa selama permesinan,

kekasaran sedikit menurun dengan meningkatnya kecepatan pemotongan untuk tiga nuansa

pemotongan; kami melihat bahwa kualitas permukaan meningkat dengan meningkatkan

kecepatan potong sampai batas 180 m / menit. Kami mencatat peningkatan ringan dalam

kekasaran karena keausan akselerasi alat pada kecepatan potong tinggi. Di luar nilai ini,

Gambar 3 Pengaruh kedalaman pemotongan pada kekasaran pada Vc = 180 m / menit

dan f = 0,08 mm / rev dengan keramik komposit, b campuran keramik dan karbida c

305

kami mencatat stabilisasi kekasaran untuk nuansa karburator yang menutupi GC3015, dan

peningkatan untuk keramik murni Al2O3 dan ZrO2, keramik campuran CC650. Dengan

membandingkan nilai kekasaran yang diperoleh untuk tiga bahan potong yang digunakan,

kita perhatikan dengan jelas bahwa alat CC650 lebih bertenaga dibanding dua nuansa

lainnya.

Gambar 2a-c menunjukkan pengaruh yang jelas dari kemajuan pada kekasaran,

dengan kenaikan terakhir ini; kualitas permukaan yang diperoleh terdegradasi secara

signifikan. Akibatnya, kemajuan adalah salah satu parameter yang efeknya paling sensitif

terhadap kekasaran permukaan mesin. Sebuah perkalian dengan dua nilai kemajuan 0,08

sampai 0,16 mm / putaran, menyebabkan peningkatan Ra kasar 3,0 kali untuk CC650, 2,89

kali untuk GC3015 dan 1,75 kali untuk keramik murni. Terakhir, jika kita mendasarkan

hasil kita hanya pada kekasaran, kita melihat dengan jelas bahwa CC650 lebih berkinerja

daripada yang lain.

Gambar 3a-c menggambarkan evolusi kriteria kekasaran sesuai dengan kedalaman

pemotongan. Kekasaran bervariasi sangat sedikit terutama untuk nilai kedalaman

pemotongan rendah. Memang dengan bertambahnya kedalaman pemotongan dari 0,2

sampai 0,6 mm, kekasaran Ra meningkat 1,05 kali. Tapi, bila kedalaman pemotongan

bervariasi dari 0,2 sampai 1 mm, kekasaran Ra meningkat sebesar 1,10 kali.

Hasil analisis menunjukkan bahwa parameter ini kurang penting daripada kemajuan.

Kami mencatat stabilisasi kriteria kekasaran pelat. Gambar 4 menunjukkan perbandingan

hasil teoritis dan eksperimental antara kondisi pemotongan Vc, f dan ap untuk campuran

keramik CC650.

Gambar 4 Perbandingan nilai teoritis dan eksperimental untuk CC650 dalam fungsi parameter

pemotongan (Vc, f dan ap)

306

5 Model Kekasaran dalam Fungsi Kondisi Pemotongan

Menurut rencana percobaan, serangkaian pengujian dilakukan untuk berbagai

kombinasi kondisi pemotongan Vc, f dan ap.

Kriteria kekasaran dianggap, seperti yang didefinisikan lebih tinggi, adalah Ra, Rt

dan Rz. Tujuannya adalah untuk mengembangkan korelasi antara kriteria ini dan parameter

permesinan dalam bentuk yang sama dari persamaan berikut:

yang masing-masing menunjukkan pengaruh masing-masing

parameter (Vc,f dan ap)pada kekasaran. Model matematis yang diberikan menunjukkan

bahwa kemajuan merupakan faktor yang paling mempengaruhi berbagai kriteria kekasaran.

Pengolahan statistik dengan metode kuadrat terkecil dengan Koefisien

Determinasi R2, memungkinkan kita menentukan model berikut (Tabel 2):

6. Kesimpulan

Dari penelitian eksperimental ini dan hasil tindak lanjut dari evolusi kekasaran

Sesuai dengan kondisi pemotongan dan waktu pemesinan, kita dapat menyimpulkannya

kekasaran yang ditemukan oleh keramik campuran sebanding dengan yang diperoleh

penggilingan.

Ini memberi kesempatan untuk melakukan operasi (roughing, ½ finishing,

finishing) pada mesin yang sama, yang mempengaruhi secara menguntungkan siklus

produksi, biaya produksi dan presisi.

Tabel 2 Model matematika dari kekasaran diperoleh

307

Juga kondisi permesinan Vc; f dan ap memiliki pengaruh yang cukup besar terhadap

kualitas permukaan mesin. Memang, pengaruh yang paling relevan pada kekasaran tersebut

diatribusikan terlebih dahulu, diikuti oleh kecepatan pemotongan dan akhirnya kedalaman

pemotongan. Kekasaran yang ditemukan oleh keramik campuran juga sebanding dengan

yang diperoleh dengan penggilingan.

Analisis hasil pengujian menunjukkan bahwa kedalaman pemotongan tidak

berpengaruh signifikan terhadap kekasaran. Namun, jika kita ingin mendapatkan keadaan

permesinan yang bagus, kita harus selalu menurunkan harga, dan meningkatkan kecepatan

potong.

Selain itu, model yang ditemukan sangat berguna untuk prediksi studi optimasi

proses pemotongan.

References

1. Poulachon, G.: Phenomenological aspects, mechanical and metallurgical in turning CBN

hardened steels. Doctoral thesis from ENSAM of cluny, déc (1999)

2. Pastor, H.: The evolution of cutting tool materials. Bulletin from Circle studies of the

Metals,

N° = 13 (1996)

3. Luo, S.Y, Lia, Y.S., Tsai, Y.Y.: Wear Characteristics in Turning High Hardness Alloy

Steel by

Ceramic and CBN Tools, pp. 114 121, PII:S0924-0136(98)00376-8 (1999)

4. Kevin, Y., Evans, Chris J.: Cubic boron nitride tool wear in interrupted hard cutting.

Wear

225 229:234 245 (1999)

5. Hug, J.L.: Turning of the hard metal. Production machine, pp. 17 19 (1995)

6. Kaufeld, M., Torbaty, S.: Rationalization of machining very high speed. SOFETEC

(1999)

7. Yallese, M.A., Boulanouar, L., Belhadi, S.: Study the damage of cutting tools in black

ceramic

and in CBN during the filming of a hardened steel. J. Appl. Mech. Theor. 1(5) (2003)

8.

http://www.sandvik.coromant.com/sitecollectiondocuments/downloads/global/brochures/en

gb/

c-2929-61.pdf

9. http://www2.coromant.sandvik.com/coromant/pdf/smallparts/catalogue/P127-132.pdf

10. Ceram Tec. SPK tools catalogue for turning. IKS tools for turning. Innovation Ceramic

Engineering. Germany, pp. 10 48 (2000)

11. Directindustry. Turning tools catalogue from Sandvik Coromant general turning.

pp. 109/529 (2012)

308

309

Prediksi Alat Pemotongan Masa Optimal Berdasarkan Indikator Skalar dan Analisis

Multiresolusi Wavelet

Mohamed Khemissi Babouri, Nouredine Ouelaa, Abderrazek Djebala, Mohamed Cherif

Djamaa and Septi Boucherit

Abstract Tujuan dari artikel ini adalah untuk mengajukan Analisis Resolusi Multi-Resolusi

Wavelet sebagai alat efektif yang memungkinkan perbaikan sensitivitas indikator skalar

untuk identifikasi keadaan degradasi alat pemotong selama pengerjaan baja X200Cr12.

Memang, indikator ini sangat sensitif terhadap variasi sinyal temporal yang terkait langsung

dengan getaran yang diinduksi selama operasi balik. Meski begitu, kehandalan mereka

segera terbatas dengan adanya tingkat kebisingan acak dan komponen mesin lainnya. Selain

Wavelet Multi-Resolution Analysis (WMRA) yang membawa solusi untuk masalah ini,

seseorang mengusulkan sebuah indikator spektral baru, yang mana disebut tingkat

keseluruhan, untuk memisahkan fase yang menandai keausan alat. Hasil yang diperoleh

dari artikel ini memungkinkan untuk mempelajari fenomena getaran yang terkait dengan

permesinan, dan untuk menemukan titik transisi dari periode keausan normal ke periode

keausan yang dipercepat.

Kata kunci keausan flank_analisa wavelet multiresolusi_tingkat keseluruhan

1 pendahuluan

Peningkatan produktivitas dan kualitas suku cadang menyebabkan keuntungan signifikan

terakumulasi yang terkait erat dengan umur alat pemotong. Meskipun beberapa ilmuwan

mencoba untuk mengusulkan sistem pemantauan proses pemotongan untuk meningkatkan

produktivitas dan kualitas produk, perwujudan sistem industri tersebut menghadapi banyak

kesulitan. Sistem seperti itu dimanfaatkan yang hebat.

M.K. Babouri (&)

University of Sciences and Technology Houari Boumediene, USTHB, BP 32,

El-Alia, Bab-Ezzouar, 16111 Algiers, Algeria

e-mail: babouri_bmk@yahoo.fr

M.K. Babouri _ N. Ouelaa _ A. Djebala _ M.C. Djamaa _ S. Boucherit

Mechanics and Structures Laboratory (LMS), 8 May University of Guelma,

24000 Guelma, Algeria

© Springer International Publishing Switzerland 2017

T. Boukharouba et al. (eds.), Applied Mechanics, Behavior of Materials,

and Engineering Systems, Lecture Notes in Mechanical Engineering,

DOI 10.1007/978-3-319-41468-3_24

310

jumlah parameter, umumnya tergantung di antara mereka sesuai dengan jenis permesinan,

sifat bahan mesin, sifat operasi, dan banyak faktor lainnya seperti parameter pemotongan.

Baru-baru ini, banyak karya telah dikembangkan untuk alat ini memakai monitor secara

langsung dengan mengukur sinyal getaran, kekuatan pemotongan, dan kebisingan mesin

yang berkorelasi langsung dengan keausan alat.

Beberapa penulis mengkonsentrasikan usaha mereka untuk mendeteksi ruptur alat

pemotong yang biasanya ditunjukkan oleh perubahan mendadak dari tendensi parameter

terukur yang nilainya melebihi ambang batas yang telah ditetapkan. Ravindra dkk.

mengembangkan metode untuk mendeteksi keausan sayap melalui variasi akar rata-rata dan

spektrum sinyal akustik. Penelitian ini menunjukkan bahwa akar rata-rata dari sinyal

akustik menurun pada fase masa pelancaran, tetap stabil pada fase aus normal dan

meningkat secara signifikan pada fase akselerasi. Dimla dkk.kesimpulan beberapa karya

yang menyoroti hubungan antara getaran yang dipancarkan saat mesin dan tingkat keausan

alat. Mereka juga mengekspos beberapa hasil yang diperoleh dari analisis getaran selama

operasi balik. Dalam sebuah studi baru-baru ini kami mengusulkan sebuah metode

pemantauan berdasarkan analisis temporal dan frekuensi dari sinyal getaran untuk

mengidentifikasi keausan alat pemotong. Hasil yang diperoleh mengkonfirmasi keefektifan

teknik yang menjanjikan ini untuk pengendalian keausan flank dari alat pengubah.

Dalam karya saat ini, kami mengusulkan teknik tindak lanjut pakai alat

berdasarkan analisis sinyal getaran yang diukur selama proses pemotongan untuk

memprediksi umurnya sebelum degradasi akhir. Strategi yang diadopsi terdiri dari kocakan

Multi-Resolution Analysis untuk memperbaiki sensitivitas indikator skalar. Tujuan

akhirnya adalah untuk membedakan titik transisi antara fase masa pelancaran, fase

stabilisasi, dan terutama fase akselerasi akselerasi yang sama dengan ruptur tepi

pemotongan.

2 umur dari alat pemotong

Semua alat pemotong dipakai secara progresif dengan penggunaan sampai akhir masa

pakainya. Jangka hidup merupakan waktu produktif dimana ujung pemotongan

mempertahankan kapasitas pemotongannya untuk memberikan hasil yang dapat diterima

dengan mempertimbangkan parameter spesifik dari kekasaran dan akurasi dimensi.

Beberapa karya model matematis yang ada memungkinkan penghitungan umur alat

pemotong sesuai dengan parameter pemotongan. Taylor adalah peneliti pertama yang

mengusulkan pada tahun 1907 sebuah model matematis yang menghubungkan durasi

pemotongan efektif alat dengan parameter pemotongan. Model ini, yang dianggap cukup

representatif, biasanya digunakan untuk mengevaluasi alat pemotong kehidupan. Pada

tahun 1950, Gilbert mengusulkan generalisasi model Taylor dengan memperhatikan

geometri alat potong, laju umpan, dan kedalaman potongan. Koning-Deperieux, pada tahun

1969, mengajukan model tipe eksponensial yang memungkinkan representasi benar hukum

keausan sesuai dengan kurva eksperimental.

311

Dalam prakteknya, keausan flank VB adalah alat yang paling banyak digunakan untuk

mengevaluasi umur alat pemotong. Evolusi pemakaian sesuai waktu pemesinan melewati

tiga fase selama umur alat: fase istirahat, keausan normal dan keausan yang dipercepat

(Gambar 1).

3 Penyiapan Eksperimental

3.1 Kondisi Eksperimental dan Akuisisi

Tanggapan Getaran

Pengujian durasi panjang putaran lurus pada baja X200Cr12 dilakukan. Tujuan dari operasi

ini adalah untuk mengetahui kurva keausan sebagai fungsi dari waktu pemesinan dan oleh

karena itu alat hidup dari berbagai material pemotongan yang digunakan. Gambar 1

menunjukkan evolusi flank memakai VB versus waktu pemesinan pada f = 0.08mm / rev,

ap = 0.2mm dan Vc = 280 m / menit. Eksperimen mesin direalisasikan pada kondisi kering

menggunakan jenis bubut konvensional SN 40C dengan kekuatan gelendong 6,6 Kw.

Bahan yang digunakan dalam penelitian ini adalah baja AISI D3 yang digunakan untuk

pembuatan matriks, pukulan untuk memotong danpengecapan, membuat profil rol,

mollettes dan gulungan sisir jaring karena perilaku yang sangat baik untuk dipakai.

Komposisi kimianya diberikan sebagai berikut: 2% C, 11,50% Cr, 0,30% Mn, 0,25% Si

dan 0,70% W.

Benda kerja tersebut digunakan dalam bentuk balok bulat berdiameter 80 mm dan

panjang 400 mm. Semua pengujian dilakukan dengan kondisi sebagai berikut: Vc = 120 m /

menit, f = 0.12mm / rev, dan ap = 0,2 mm. Sisipan pemotong yang dipekerjakan memiliki

geometri SNMG 432-MF 2015 dan memiliki lapisan multilayer TiCN / Al2O3 / TiN yang

Gambar 1 keausan Alat

312

terbentuk pada substrat karbida yang disemen. Pemegang alat, referensi PSDNN 2525 M12,

Akuisisi sinyal getaran dilakukan pada saat pemesinan dengan menggunakan

accelerometers piezoelektrik tipe Brüel & Kjaer 4524B. Sinyal percepatan, dari 16384

sampel, diukur dalam tiga arah utama pada pita frekuensi (0-12,800 Hz). Hasilnya disimpan

langsung di hard drive PC dengan menggunakan sistem akuisisi dan analisis yang bekerja

di bawah perangkat lunak Lab Shop® Brüel & Kjaer (Gambar 2).

Setelah setiap tes, sisipan pemotong dilepaskan dari dudukan alat, dibersihkan

kemudian diletakkan di atas meja mikroskop untuk mengukur keausan flank menggunakan

mikroskop optik Tipe Gage Standar-Visual 250. Uji coba jenis keringat tipe 2D 301

Mitutoyo digunakan untuk ukur berbagai kriteria kekasaran permukaan mesin tanpa

membongkar bagian pekerjaan untuk mengurangi ketidakpastian akibat operasi

kembalinya. Pengukuran diulang

Gambar 2 Instalasi eksperimental dan peralatan ukur

313

tiga kali pada permukaan benda kerja pada tiga garis referensi yang diposisikan sama pada

120 °, dan rata-rata nilai ini diambil sebagai hasil akhir. Hasil percobaan diberikan pada

Tabel 1.

3.2 Sinyal getaran dan Karakterisasi kehausan

Eksploitasi sinyal getaran yang diperoleh selama pemesinan memungkinkan untuk

mengikuti evolusi alat pemotong. Sinyal ini dicatat pada akhir setiap tes. Mesin berhenti

saat lebar keausan flank (VB) melebihi nilai 0,3 mm, yang identik dengan alat hidup.

Prosedur eksperimental memungkinkan pelestarian kondisi pengukuran sinyal yang sama

sehingga mendeteksi variasi yang terkait erat dengan perubahan keadaan pemasukkan

pemotongan

Gambar 3 menunjukkan gabungan dari 16 sinyal akselerasi getaran yang diukur

selama umur alat pemotong. Dalam semua akuisisi, menarik untuk dicatat bahwa

percepatan radial adalah komponen yang paling signifikan daripada aksial dan tangensial,

yang sesuai dengan hasil yang diperoleh dalam kasus mesin baja yang diolah. Tiga tahap

utama di mana mengamati dan meringkas kehidupan alat itu. Tujuan dari analisis yang

diusulkan cenderung memungkinkan pendeteksian titik transisi dari fase stabilisasi ke fase

keausan yang dipercepat yang pada dasarnya terkait dengan awal penggunaan dahak dari

alat pemotong sebelum keruntuhan totalnya.

Tabel 1 Hasil Eksperimental

314

4 Hasil dan Diskusi

4.1 Analisis Statistik

Untuk analisis statistik penggunaan alat dua indikator skalar digunakan dalam

penelitian ini; energi E dan Root Mean Square RMS. Indikator ini dihitung dari sinyal

getaran yang diperoleh selama umur alat (Dari penggunaan pertama alat sampai

penggunaan terakhir) menurut tiga arah x, y, z menggunakan jendela tergelincir yang

ukurannya 1024 sampel. Gambar 4 menunjukkan evolusi energi dan RMS sesuai dengan

waktu pemesinan untuk tiga arah.

Analisis evolusi indikator skalar yang disajikan pada Gambar 4 menunjukkan

bahwa komponen radial dengan baik menunjukkan tiga fase kehidupan alat ini. Hasil

utamanya adalah deteksi titik transisi dari fase stabilisasi ke fase akselerasi keausan. Dari

titik transisi ini, indikator skalar mengalami perubahan mendadak yang ditandai dengan

kenaikan nilai yang signifikan dengan waktu pemesinan.

4.2 Analisis spectral

Analisis spektral tentu salah satu teknik paling penting yang digunakan dalam industri.

Sebelum analisis spektra diukur selama permesinan dan menutupi keseluruhan umur alat,

analisa modal terlebih dahulu dilakukan. Gambar 5

Gambar 3 Rangkaian sinyal yang diukur

315

menunjukkan frekuensi alami alat pemotong sesuai dengan arah aksial dan vertikal. Kita

membedakan alat frekuensi alami yang terwakili pita frekuensi 4000-5100 Hz. Juga dapat

diketahui mode bending pada arah aksial yang muncul di sekitar 4100 Hz, mode torsi

antara 4700 dan 4800 Hz di dua arah, dan akhirnya mode bending berada pada arah

tangensial sekitar 5032 Hz.

Gambar 6a mewakili spektrum akselerasi yang diperoleh sesuai dengan tiga arah selama

pengujian 12. Kami membedakan alat dengan frekuensi alami yang muncul pada pita

Gambar 4 Evolusi indikator skalar sesuai dengan waktu pemesinan untuk tiga

arah X, Y dan Z: energi, b RMS

Gambar 5 Frekuensi alami alat pemotong. arah aksial, b arah vertical

316

frekuensi 4000-5100 Hz yang identik dengan yang diidentifikasi dengan analisis modal

pada Gambar 5. amplitudo alat Frekuensi alami komponen radial sangat luar biasa

dibandingkan dengan aksial dan tangensial

arah. Temuan ini sama diperoleh pada kasus mesin keras. Selain itu, Gambar 6b

menunjukkan spektrum sinyal yang diukur dalam arah radial sesuai dengan keadaan alat

untuk beberapa pengujian. Satu catatan, setelah periode pembongkaran, sebuah stabilitas

amplitudo frekuensi alami alat itu. Bila pemakaian melebihi nilai yang diijinkan, amplitudo

frekuensi alami meningkat secara tiba-tiba. Dari hasil ini, disimpulkan bahwa evolusi

frekuensi alami alat dalam arah radial meringkas tiga fase utama dari alat ini dan kemudian

dapat dianggap sebagai indikator frequential yang baik yang dapat diintegrasikan dalam

sistem pemantauan on-line.

5 Alat Memungkinkan Prediksi Menggunakan Analisis Wavelet

5.1 Teori Analisis Multiresolusi Wavelet

Transformasi wavelet adalah transformasi matematis yang mewakili sinyal s(t) dalam

bentuk versi fungsi singular bergeser dan dilatasi yang disebut wavelet mother

Sebuah versi praktis dari transformasi ini, yang disebut Wavelet Multi-Resolution

Analysis (WMRA), diperkenalkan untuk pertama kalinya oleh Mallat pada tahun 1989, dan

yang terdiri dari mengenalkan sinyal s(t) pada dua low-pass (L) dan high- pass (H) filter

Pada level ini, dua vektor akan diperoleh, cA1 dan cD1. Unsur-unsur dari vektor cA1

disebut koefisien aproksimasi, keduanya sesuai dengan frekuensi sinyal yang rendah,

sedangkan elemen vektor cD1 disebut koefisien detail, dan semuanya sesuai dengan yang

tertinggi. Prosedur dapat diulang dengan elemen vektor cA1 dan berturut-turut dengan

setiap vektor cAj yang diperoleh. Proses dekomposisi dapat diulang n waktu, dengan n

jumlah maksimum level. Selama dekomposisi, sinyal s(t) dan vektor cAj mengalami

Gambar 6 Spektrum diperoleh dari: sebuah uji 12, b arah radial

317

downsampling dan inilah mengapa perkiraan dan koefisien cDj detail melewati dua filter

rekonstruksi (LR) dan (HR). Dua hasil vektor: Aj disebut perkiraan dan cDj disebut rincian.

5.2 Hasil yang Diperoleh

Analisis Wavelet Multi-Resolution diterapkan pada sinyal akselerasi yang diukur dengan

arah radial menggunakan wavelet Daubechies 5 (db5). Enam tingkat dekomposisi dihitung

memungkinkan rincian dan perkiraan yang berbeda. RMS dan energi dari berbagai rincian,

karena mewakili frekuensi tinggi, dihitung. Tampaknya jelas dari Gambar 7, bahwa detail 1

(D1)memiliki nilai tertinggi dan dapat dianggap sebagai sinyal yang direkonstruksi.

Untuk menunjukkan keabsahan temuan ini, analisis spektral dari sinyal yang

direkonstruksi yang diperoleh dari pengujian yang berbeda yang mencakup keseluruhan

umur alat telah dilakukan pada Gambar 8. Variasi frekuensi alami alat ini dengan baik

menjelaskan evolusi keausan alat. Pada fase Break-in, alat kontak-benda kerja sangat kecil

dari tempat amplitudo getaran signifikan setelah redaman lemah alat pemotong (uji 1). Pada

fase stabilisasi pakai, permukaan alat kontak - benda kerja menjadi lebih besar dan teratur

yang menghaluskan getaran alat pemotong dengan memprovokasi pengurangan amplitudo

frekuensi alami dan menjadi hampir konstan (tes 5 dan 9).

Tahap ketiga sesuai dengan keausan yang dipercepat, yang ditandai dengan

ketidakteraturan permukaan alat kontak-benda kerja dan perubahan geometri alat

pemotong. Modifikasi ini sangat mengurangi kapasitas penyilangan alat potong dan

gesekan pendukung, yang menghasilkan peningkatan amplitudo getaran dari frekuensi

alami alat pemotong (uji 16).

Gambar 7 Evolusi indikator skalar sesuai dengan tingkat rincian untuk pengujian 1: a

energi, b RMS

318

5.3 Indikator Frekuensi

Pada bagian ini kami mengusulkan sebuah indikator frekuensi, yang disebut tingkat

keseluruhan, dihitung mulai dari spektrum sinyal yang direkonstruksi pada pita frekuensi

yang mencakup frekuensi alami alat, dengan ungkapan berikut:

dengan Fmin dan Fmax batas pita frekuensi alami alat dan Ni jumlah garis spektrum di band

yang sama.

Gambar 8 Sinyal yang direkonstruksi (D1) dan spektrumnya untuk pengujian yang

berbeda

319

Gambar 9 mewakili evolusi dari indikator frekuensi yang diusulkan (tingkat

keseluruhan) selama keseluruhan umur alat. Variasi indikator ini ditandai dengan dua fase

utama. Alat normal memakai fasa sampai kira - kira 2800 s mesin, dan

fase keausan bencana ditandai dengan peningkatan mendadak dalam nilai tingkat

keseluruhan. Titik transisi dari dua fase ini dapat dideteksi dengan jelas sehingga

memungkinkan terjadinya ovoid akibat kerusakan peralatan dan penurunan mesin.

6. Kesimpulan

Dalam karya ini, kami mengusulkan penerapan indikator skalar dan Analisis Multi-

Resolusi Wavelet untuk memprediksi keausan alat dalam mengubah operasinya. Indikator

frequencial baru, yang diberi nama Overall Level, telah diusulkan untuk menindaklanjuti

evolusi keausan selama keseluruhan umur alat. Indikator ini akan sangat penting jika

mereka akan dieksploitasi untuk mengembangkan sistem pemantauan keausan alat secara

real time sehingga memungkinkan untuk meningkatkan profitabilitas permesinan.

Kesimpulan pertama yang dapat ditarik adalah sebagai berikut:

Abrasi dan chipping adalah mekanisme utama pemakaian flank yang diamati saat

pemesinan.

Evolusi amplitudo frekuensi alami alat ini meringkas tiga fase keausan dan

memungkinkan penempatan titik transisi dari keausan normal ke fase aus yang

dipercepat. Konsekuensinya dapat digunakan sebagai indikator terpercaya yang

terintegrasi dalam sistem pemantauan keausan on-line tool.

Gambar 9 Secara keseluruhan tingkat sinyal yang direkonstruksi sepanjang umur alat

320

Indikator baru yang diusulkan, Tingkat Keseluruhan, membuktikan kemampuannya

untuk memprediksi transisi dari keausan normal ke pakaian bencana.

Semua indikator yang diusulkan dalam penelitian ini sangat mudah diterapkan

dalam sistem pemantauan on-line, dan memerlukan waktu komputasi yang mirip

dengan spektrum FFT sederhana.

321

Referensi

1. Babouri, M.K., Ouelaa, N., Djebala, A.: Temporal and frequential analysis of the tools

wear

evolution. Mechanika 20(2), 205 2012 (2014)

2. Bouacha, K.: Comportement du couple outil-

durs.

Thesis University of Guelma, Algeria (2011)

3. Dimla, D.E., Lister, P.M.: On-line metal cutting tool condition monitoring. I: Force and

vibration analyses. Mach. Tools Manufact. 40, 739 768 (2000)

4. Dimla, D.E.: Multivariate tool condition monitoring in a metal cutting operation using

neural

networks. Ph.D. thesis, School of Engineering and Built Environment, The University of

Wolverhampton, UK (1998)

5. Djebala, A., Ouelaa, N., Benchaabane, C., Laefer, D.F.: Application of the wavelet

multiresolution analysis and Hilbert transform for the prediction of gear tooth defects.

Meccanica 47, 1601 1612 (2012)

6. Kious, M., Boudraa, M., Ouahabi, A., Serra, R.: Influence of machining cycle of

horizontal

milling on the quality of cutting force measurement for the cutting tool wear monitoring.

Prod.

Eng. Res. Dev. 2, 443 449 (2008)

7. Li, X.: Abrief review: acoustic emission method for tool wear monitoring during turning.

Mach. Tools Manufact. 42, 157 165 (2000)

8. Li, D., Mathew, J.: Tool wear and failure monitoring techniques for turning a review.

Int.

J. Mach. Tools Manufact. 30(4), 579 598 (1990)

9. Ravindra, H.V., Srinivasa, Y.G., Krishnamurthy, R.: Acoustic emission for tool

condition

monitoring in metal cutting. Wear 212, 78 84 (1997)

Thesis

University François Rabelais of Tours, France (2007)

11. SANDVIK Coromant: Catalogue Général, Outils de coupe Sandvik Coromant,

Tournage

Fraisage Perçage Alésage Attachements (2009)

12. Scheffer, C., Heyns, P.S.: Wear monitoring in turning operations using vibration and

strain

measurements. Mech. Syst. Signal Process. 15, 1185 1202 (2001)