구름(rolling)요소 베어링의 외륜, 내륜, 구름요소 혹은 케이지에 결함이 발생하면, 구름요소가 결함부를 지나면서 베어링 고장 주파수의 충격 가진이 생선된다. 이로 인해서 베어링의 고유 진동수에서 진동이 발생하게 되고, 베어링 고장 주파수가 고유 진동수에 의해서 진폭 변조된다. 진폭 변조된 신호의 단순한 스펙트럼은 베어링 결함에 대한 정보를 확인하기 어렵기 때문에 포락선 분석을 통해 진폭 복조를 이용하여 베어링 고장 정보를 확인해야 한다.
고장 모드에 따라 아래 식과 같은 결함주파수에서의 크기를 통해 결함크기를 추정할 수 있다.
BPFO(Ball Pass Frequency Outer race, 외륜결함)
BPFI(Ball Pass Frequency Inner race, 내륜결함)
BSF(Ball Spin Frequency, 구름 요소 결함)
FTF(Fundamental Train Frequency, 케이지 결함)
BPFI + BPFO를 하면 축의 RPM과 구름요소의 개수를 곱한 값만 남는다는 뜻이다.
아니어도 일직선값만 남는다는 사실은 변함없는 사실.
Check)
BPFI와 BPFO가 값이 같다.
더불어 BSF, FTF 도 값이 같다.
왜그럴까?
BPFI, BPFO를 추출하는 과정
-
Taeger-Kaiser Energy Operator를 사용한다. 이것은 쉽게 말해 포락선 미분연산자다.
-
Wavelet Packet Decomposition으로 신호를 대역별로 분해한다. 즉 LPF를 사용했다.
-
FFT 변환을 통해서 포락선의 주파수 스펙트럼을 구한다.
-
Blackman-Harris 가중 윈도우 함수를 사용했다.
-
구해진 가중 에너지가 시간에 따라 단조 증가하는 지의 정도를 나타내는 스피어만 상관계수를 계산한다.
-
4개의 고장주파수에 대해 각각 계산되었고 마지막으로 Feature Extraction에서는 특징 신호를 구하기 위해 4개의 주파수에 대해 가중에너지와 상관계수의 곱을 구한 후 모두 합한 것으로 다음과 같이 정의한다.
