diktat mekanika kekuatan materiak iii - unud
TRANSCRIPT
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: [email protected]
© 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: [email protected]
R. Younes
e-mail: [email protected]
A. Djebala
e-mail: [email protected]
N. Hamzaoui
Laboratory of Vibration-Acoustics, INSA of Lyon, Bâtiment A. St. Exupéry,
25 bis Avenue Jean Capelle, 69621 Villeurbanne Cedex, France
e-mail: [email protected]
© 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: [email protected]
M.A.Yallese
e-mail: [email protected]
S.Belhadi
e-mail: [email protected]
L.Bouzid
e-mail: [email protected]
© 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: [email protected]
I. Amara
e-mail: [email protected]
© 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: [email protected]
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)