ID-15
DETECÇÃO DE FALHAS EM MANCAIS DE ROLAMENTO ATRAVÉS DA TÉCNICA
DE ENVELOPE E TRANSFORMADA DE WAVELET
Pedro Bachir Asmar Filho - pedrobachir@gmail.com Étory Madrilles Arruda - etory@msn.com
Rômulo de Andrade Reis - romulo_reis@hotmail.com Paulo Cezar Monteiro Lamim Filho - plamim@yahoo.com Jorge Nei Brito - brito@ufsj.edu.br
Universidade Federal de São João del-Rei, Praça Frei Orlando 170, São João del-Rei-MG - CEP 36307-352
Resumo. Em um cenário de economia globalizada é cada vez maior a competitividade entre as indústrias. A busca pela diminuição dos custos dos produtos associada ao aumento da qualidade, levam as empresas a trabalharem de forma ininterrupta submetendo as máquinas a grandes velocidades. Neste contexto os Gestores de Ativos tem dado cada vez mais atenção às boas práticas de manutenção. Para as indústria que pretendem se manter competitivas no mercado globalizado é imperativo evitar paradas não programadas de uma máquina, especialmente se ela tiver particular importância no processo produtivo. A manutenção corretiva não programada, além de aumentar os custos de manutenção também promove interrupções da produção acarretando prejuízos significativos. Com o intuito de minimizar as quebras das máquinas foi introduzido, entre outros conceitos, o de Manutenção Preditiva, que pode ser definida como manutenção baseada na condição do equipamento. Neste trabalho apresenta-se a detecção de falhas em mancais de rolamento através da Técnica de Envelope e da Transformada de Wavelet. Essas técnicas permitem detectar o defeito na sua fase incipiente e acompanhar sua progressão gerando subsídios necessários para a tomada de decisão. A possibilidade de antecipar as falhas proporciona o planejamento adequado das intervenções de manutenção, a otimização dos recursos humanos e financeiros, a racionalização do consumo de materiais sobressalentes, além de reduzir os impactos ambientais.
Palavras-chave: Mancal de Rolamento, Técnicas Preditivas, Envelope, Transformada de Wavelet
1. INTRODUÇÃO
O processo de gerenciamento de ativos na indústria mundial tem passado por profundas modificações ao longo dos últimos 30 anos. Os fatores que norteiam este processo estão ligados às crescentes expectativas dos usuários com relação ao desempenho dos equipamentos em serviço. Máquinas cada vez mais complexas são projetadas para atender condições de serviço cada vez mais severas, e seu bom desempenho também estará atrelado à redução das consequências de eventuais falhas, seja no que diz respeito aos impactos ao meio ambiente, ou a segurança dos próprios usuários (Menna, 2007).
O processo de manutenção passa a constituir um fator crítico de sucesso para o ambiente industrial, e a combinação ideal de técnicas, procedimentos e novas tecnologias deve ser constantemente revisada. Passam a ganhar força as técnicas de manutenção preditiva, nas quais os técnicos de manutenção e usuários passam a observar variáveis operacionais do equipamento, e a analisar seus eventuais desvios.
Atualmente, com o elevado nível de produtividade, qualquer parada não programada causa um grande dano. Dentre as máquinas que compõem um parque industrial, pode-se dar destaque os equipamentos rotativos, que representam um bom percentual do maquinário instalado. Estes equipamentos devem suportar um trabalho contínuo sujeito a altas velocidades e esforços. Mesmo com esta importância, as falhas em rolamentos se apresentam como uma das principais causas de falhas em equipamentos rotativos.
Um método bastante usual e eficiente de se detectar e diagnosticar defeitos em rolamentos, além da simples inspeção do componente danificado, é a análise dos sinais vibratórios emitidos pela máquina. Segundo Menna (2007), os primeiros grandes desenvolvimentos da análise de vibrações aplicada à manutenção industrial datam do final da década de 30. A ampla aplicação destes princípios, entretanto, só foi possível a partir do desenvolvimento de ferramentas eletrônicas portáteis e robustas que possibilitassem maior facilidade na coleta e processamento de dados. Conhecer as técnicas de monitoramento já existentes, aprimorá-las e desenvolver novas tecnologias significam uma manutenção de melhor qualidade e, consequentemente, com menos tempo de horas paradas na planta industrial.
Com esta perspectiva, este trabalho tem por finalidade estudar e diagnosticar falhas em rolamentos montados em uma máquina rotativa.
2. FUNDAMENTAÇÃO TEÓRICA
2.1 Detecção de Falhas em Rolamentos
Segundo Ripper Neto (2000), a manutenção preditiva pode ser executada através do monitoramento de parâmetros que caracterizem o estado da máquina, tais como temperatura, descargas parciais e análise cromatográfica de óleo isolante (no caso de equipamentos elétricos). Dentre eles, o monitoramento mais usual é dos níveis vibratórios da máquina, que oferece a vantagem de prover uma maior riqueza de informações acerca do seu estado, possibilitando uma análise mais fiel das suas condições.
Em sua revisão sobre detecção de falhas em rolamentos, Tandon (1999) faz uma divisão das técnicas de acordo com a grandeza física usada para aquisição do sinal, quais sejam: medidas de vibração, de pressão acústica, de temperatura, e, análise de desgaste. Os métodos que envolvem medidas de vibração são os mais usuais. Esses métodos são subdivididos em: técnicas no domínio do tempo, no domínio da frequência e no domínio tempo-frequência, sendo estas últimas mais recentes (Macário, 2006). Tse et al. (2001) fazem um estudo comparativo entre a técnica de Wavelet (tempo-frequência) e a técnica de envelope (frequência). O autor conclui que a técnica de Wavelet é mais eficiente que a técnica de envelope, na detecção de falhas em rolamentos.
As falhas nos rolamentos ocasionadas pelo aparecimento das covas e dos descascamentos irão provocar choques toda vez que um elemento girante passar por eles, provocando impulsos que irão excitar ressonâncias no próprio rolamento e na máquina, pois estes impulsos, pelas suas características, excitam uma grande faixa de frequências, alcançando inclusive aquelas naturais do componente e do equipamento. Outra característica destes impulsos é que eles irão ocorrer periodicamente com uma frequência que é determinada, unicamente, pela localização do defeito, sendo ele na pista interna, na externa ou no elemento girante (Macfadden, 1984). A taxa de repetição do impacto, denominada “frequência característica de defeito”, está relacionada com a velocidade do eixo, a geometria do rolamento e a localização do defeito, e geralmente apresenta valores baixos de frequência (Almeida e Góz, 2000). É muito importante, para uma correta análise dos sinais, saber onde estão estas frequências no espectro da máquina, pois um importante indicador da presença do defeito é o aumento da amplitude dos picos nestas frequências.
Na Figura 1 tem-se os sinais típicos de vibrações geradas por defeitos localizados em vários componentes de um rolamento: pista externa, interna e esferas.
(a) Defeito Pista Externa (b) Defeito Pista Interna (c) Defeito Esfera
Figura 1 - Forma de onda e respectivo espectro de rolamento com defeito (Shi et al., 2004).
Segundo Reis et al. (2010), se houver um defeito na pista externa, a direção e a amplitude da vibração impulsiva captada pelo sensor ao longo de um ciclo completo se mantêm constante, Fig. 1 (a), por que a posição do defeito é mantida fixa em relação ao sensor durante a rotação.
A presença de um defeito na pista interna ou nos elementos rolantes está associada a comportamentos de vibração mais complexos, em comparação com o defeito localizado em uma pista externa. A intensidade da carga e um caminho de transmissão da vibração muda continuamente com a posição relativa entre o defeito e o sensor. Quando o defeito gira mais perto do sensor durante um ciclo, a amplitude de oscilação atinge o máximo. Com o aumento da distância entre o sensor e o defeito, a energia da vibração impulsiva captado pelo sensor é atenuada suavemente, Fig. 1 (b).
Especialmente, quando há um defeito em um elemento rolante, o comportamento de vibração torna-se bastante complexo. Em cada ciclo, o contato do defeito, tanto com a pista interna como com a pista externa
l/fi
gera dois impactos com diferentes níveis de energia, Fig. 1 (c). No entanto, cada tipo de falha em rolamento tem sua própria frequência característica de defeito, pois, como visto, esta frequência está relacionada com a velocidade do eixo, a geometria do rolamento e a localização do defeito.
De acordo com Reis et al. (2010), para um rolamento com pista externa estacionária, as frequências características de falha (Hz) da pista externa (BPFO - Ball Pass Frequency Outer Race), da pista interna (BPFI - Ball Pass Frequency Inner Race), do elemento rolante (BSF - Ball Spin Frequency) e da gaiola (FTF - Fundamental Train Frequency), são dadas, respectivamente, por Eq. (1), Eq. (2), Eq. (3) e Eq. (4), onde
“fr” é a frequência de rotação (Hz), “d” é o diâmetro da esfera ou do rolo (mm), “D” é o diâmetro primitivo
do rolamento (mm), “n” é o número de esferas ou rolos e “θ” é o ângulo de contato do rolamento, de acordo com a Fig. 2 (b).
(a) (b)
Figura 2. Elementos do rolamento (Mesquita, 2002).
(1)
(2)
(3)
(4)
2.2 Técnica de Envelope
A técnica de envelope é composta de um conjunto de procedimentos aplicados ao sinal (Fig. 3).
Figura 3. Procedimento adotados na técnica de Envelope (Bezerra, 2004).
A transformada de Fourier do sinal de aceleração é o primeiro passo a ser tomado quando vai se usar a técnica de envelope. Após aplicação, o sinal obtido é analisado com o objetivo de se definir a faixa de filtragem. O que se busca, nesta etapa, é localizar uma faixa de frequências onde houve elevação, em relação às medidas anteriores de picos de frequência. Esta elevação ocorre devido à excitação de frequências naturais características do rolamento ou estrutura, devido à falha no rolamento. Em muitos casos, quando não há
Anel externo Elemento rolante Anel interno Pista interna Gaiola Pista externa
Sinal FFT do sinal Sinal filtrado Envelope Freq. defeito
F F T F il t. p a ss a b a n d a H il b er t F F T
dados anteriores ou quando a quantidade de energia do sinal de falha é pequena, há uma certa dificuldade em localizar esta faixa. Uma alternativa é usar um filtro com uma banda de filtragem maior (Mitchell, 1993).
A segunda etapa é aplicação ao sinal de um filtro passa banda, cujo objetivo é eliminar baixas frequências de alta amplitude, que em geral, estão relacionadas ao desalinhamento e ao desbalanceamento. Nesta primeira etapa, um dos problemas encontrados é a definição do tamanho da banda do filtro, pois alguns especialistas aconselham que a banda de corte tem que estar em torno de uma região em que ocorreu excitação de frequências naturais características excitadas devido à falha. Muitas vezes, a definição desta faixa é difícil, principalmente, se a falha for incipiente que tem grau de energia baixo. Desta forma não haverá uma elevação, considerável, na região de excitação de frequências naturais. Por outro lado, outros especialistas aconselham que região de filtragem pode ter uma banda maior desde que a frequência inicial do filtro seja no mínimo dez vezes a frequência de rotação da pista girante (Mitchell, 1993).
Pode-se observar que, se não há um conhecimento prévio das frequências de ressonância do rolamento ou estruturas, que serão excitadas pelo defeito, a escolha das bandas de filtragem passa a ser um método de tentativa e erro (Bezerra, 2004).
A aplicação da transformada de Hilbert é um processo de demodulação. O seu objetivo é a obtenção do envelope do sinal de defeito, que é um sinal de baixa frequência. Portanto, para cada tipo de defeito, o envelope traz informações características deste defeito (Bezerra, 2004).
Aplicação da Transformada de Fourier ao Envelope é a última etapa do método de envelope. Após a aplicação da transformada de Fourier ao envelope do sinal, são obtidas as frequências dos defeitos. Se a
frequência obtida é f1 e tem como bandas laterais 2x f1, 3x f1, ... pode-se concluir que a falha ocorreu na pista
parada em relação à região de carregamento. Caso a frequência principal obtida seja f1 e as bandas laterais
estejam espaçadas com valores de frequências igual à frequência de rotação, pode-se concluir que a falha está na pista girante em relação à região de carregamento. Se por outro lado à frequência principal tem como bandas laterais frequências com valores iguais à frequência da gaiola, pode-se concluir que o defeito é na esfera (McFadden, 1984).
2.3 Transformada de Wavelet
Um dos objetivos da análise de sinais é extrair informação relevante de um sinal, seja ele estacionário ou não-estacionário. Isto é normalmente feito usando alguma transformação. Para sinais estacionários a análise espectral ou Transformada de Fourier (FT) é extremamente útil, pois a frequência do sinal é de grande importância (Reis et al., 2010).
A análise dos coeficientes X(f) define a frequência global do sinal f(x). Há muitos sinais não-estacionários e transientes, tais como o impacto, choque, início e fim de eventos, dentre outros. Estes sinais têm características que são muitas vezes a parte mais importante do sinal e a Transformada de Fourier não é adequada para detectá-los (Rioul e Vetterli, 1991) e (Lee et al., 1999).
Para resolver esse problema da Transformada de Fourier, surgiu a Transformada Wavelet (WT), como uma das técnicas que permite que um sinal seja analisado com boa resolução no domínio do tempo e da frequência. A análise de Fourier consiste em decompor um sinal como se ele fosse formado pelo somatório de ondas senoidais de diferentes frequências. De forma análoga, a análise por wavelets é a decomposição de um sinal em versões “deslocadas” e “escalonadas” da wavelet original (ou“wavelet mãe”) (Reis et al., 2010). Ao se analisar funções wavelets e ondas senoidais é possível deduzir intuitivamente que sinais com mudanças abruptas são potencialmente melhor analisados com uma típica e irregular wavelet do que com uma suave senóide, (Mallat, 1998).
O uso da Transformada Discreta de Wavelet (DWT) é importante, pois permite a discretização da wavelet numa escala baseada na potência de dois, ou seja, na escala, chamada de diádica. O uso dessa escala torna a implementação computacional mais rápida e a análise dos dados bastante eficiente.
Semelhante a Transformada Rápida de Fourier (FFT), existe um algoritmo para implementação da DWT baseado na decomposição Rápida da Transformada de Wavelet (FWT) que é conhecido como Análise de Multiresolução (MRA) ou Algoritmo Piramidal de Mallat, o qual foi desenvolvido por Mallat em 1988 e (Mallat, 1989).
Segundo Reis et al. (2010), esse algoritmo utiliza um processo especial de filtragem para decompor o sinal, onde, o conteúdo do sinal em baixa frequência é chamado de aproximação, e o de alta frequência é chamado de detalhe. Este processo de filtragem decompõe o sinal original S em dois componentes chamados de aproximações A e detalhes D, e podem ser interpretados como filtros passa-baixa e passa-alta, respectivamente, como ilustra a Fig. 4.
Segundo Reis et al. (2010), a teoria de multiresolução permite decompor um sinal conforme descrito a
seguir. Primeiramente, um sinal original discreto é decomposto no primeiro nível em duas componentes A1 e
D1 por um filtro passa-baixa e um passa-alta, respectivamente. O A1, é chamado de aproximação do sinal e
D1, é chamado de detalhe do sinal. Para o segundo nível, a aproximação A1, é agora decomposta em uma
nova aproximação A2, e um detalhe D2. Este procedimento pode ser repetido para o terceiro nível, quarto etc.
Por outro lado, a Transformada de Wavelet Packet (WPT) é uma generalização da transformada discreta de wavelet.
Figura 4 - Diagrama esquemático da análise de multiresolução, (Mesquita et al., 2002).
Enquanto a DWT mostrada na Fig. 4 decompõe o sinal somente em baixas frequências, a WPT decompõe o sinal em baixas e altas frequências. Uma vantagem da WPT durante a decomposição do sinal é que ela permite analisar as informações contidas no sinal, sejam elas estacionárias ou não-estacionárias, em diferentes resoluções tempo-frequência.
Cada packet da WPT retém informação do sinal original de forma compacta. Este fato é muito importante na análise e processamento de sinais, principalmente na área de diagnóstico de falhas, pois podemos reter informação do sinal somente naquela banda de frequência onde as frequências da falha aparecem. Na prática, normalmente escolhem-se os packets que retém mais informação do sinal original e se descarta os packets que contém ruídos e informações menos importantes (Reis et al., 2010).
2.5 METODOLOGIA
Na Figura 5 tem-se a bancada experimental que foi montada no Laboratório de Sistemas Dinâmicos (LASID) da Universidade Federal de São João del-Rei (UFSJ).
A bancada é constituída por um motor de indução trifásico Weg - 0596 EJ94209, 2 cv, 2 pólos, 1800 RPM, 60 Hz, 6,9 A [1] e por um freio mecânico Twiflex da Tec Tor [2]. Para aquisição e tratamento dos sinais foi utilizado um programa elaborado por Reis et al. (2010) no software Matlab 7.7.0 (R2008b). O acelerômetro piezoelétrico SKF CMSS2200, com sensibilidade de 100 mV [3] foi o instrumento utilizado para emitir os sinais de vibração gerados pelo rolamento de carreira simples de esferas SKF 6205 (Fig. 9).
Para o condicionamento dos sinais foi utilizado um filtro anti-ailising passa-baixa de 5ª ordem [4] trabalhando com uma faixa de corte de 4 kHz, posteriormente, os sinais foram convertidos em sinais digitais pela placa de aquisição da National Instruments modelo NI 6251 [5] e analisados com a suíte aplicativa de wavelet do software Matlab [6]. O comportamento do rolamento também foi analisado pelo método de envelope de aceleração.
Figura 5 - Bancada experimental.
Os rolamentos da série SKF 6205 apresentam frequência característica de falha na pista externa (BPFO) igual a, aproximadamente, 108 Hz; frequência característica de falha na pista interna (BPFI) aproximadamente de 162 Hz; frequência característica de falha nos elementos rolantes (BSF) de 71 Hz e de 12 Hz para defeitos na gaiola do rolamento (FTF). Isso para uma rotação do eixo do motor de 1800 RPM.
Neste trabalho, foram realizados experimentos utilizando-se quatro diferentes rolamentos da série SKF 6205 com o objetivo de verificar se os mesmos possuíam algum defeito e através dos gráficos de WPT e de envelope identificou-se o tipo de falha.
3. ANÁLISES E RESULTADOS
3.1. Rolamento 1 (Sem defeito)
Na Figura 6 tem-se o espectro de aceleração do sinal. O espectro obtido a partir da técnica do envelope é mostrado na Fig. 7. Na Fig. 8 tem-se o espectro obtido a partir da transformada de Wavelet Packet.
Figura 6 - Espectro de aceleração do sinal: Rolamento 1. 1 2 3 5 4 6
Figura 7 - Espectro obtido a partir da técnica do envelope: Rolamento 1.
Figura 8 - Espectro obtido a partir da transformada de Wavelet Packet: Rolamento 1.
Nas Figuras 6 e 7 só há amplitude em 30 Hz e seus múltiplos, porém esta não é uma frequência característica de falha. Estes picos são somente um indicativo da frequência de rotação do motor elétrico, que confirma estar o motor girando a 1800 RPM.
Como este rolamento não apresenta falhas, a Fig. 6 será a referência para a avaliação dos próximos gráficos de aceleração do sinal.
3.2. Rolamento 2 (Defeito na Gaiola e Defeito na Pista Interna)
Na Figura 9 tem-se o espectro de aceleração do sinal. O espectro obtido a partir da técnica do envelope é mostrado na Fig. 10. Na Fig. 11 tem-se o espectro obtido a partir da transformada de Wavelet Packet.
Figura 9 - Gráfico de aceleração do sinal: Rolamento 2.
Para se comparar o nível global de vibração analisa-se a área abaixo da curva. Quanto maior for essa área maior será o nível global de vibração. Ao comparar-se a Fig. 9 com a Fig. 6, observa-se um nível global de vibração maior na Fig. 9, porém sem condição de identificar o que ocasionou este aumento de energia.
Figura 10 - Gráfico obtido a partir da técnica do envelope: Rolamento 2.
Figura 11 - Gráfico obtido a partir da transformada de Wavelet Packet: Rolamento 2.
Ao se avaliar as Figuras 10 e 11 é possível notar amplitudes bem altas nas frequências de 12 Hz, 162 Hz e seus múltiplos, indicativo de defeito na gaiola na pista interna do rolamento, respectivamente.
3.3. Rolamento 3 (Defeito na Gaiola)
Na Figura 12 tem-se o espectro de aceleração do sinal. O espectro obtido a partir da técnica do envelope é mostrado na Fig. 13. Na Fig. 14 tem-se o espectro obtido a partir da transformada de Wavelet Packet.
Figura 12 - Gráfico de aceleração do sinal: Rolamento 3.
Observa-se na Figura 12 um nível global de vibração bem maior se comparado com o espectro do rolamento sem defeitos, Fig. 6.
Figura 13 - Gráfico obtido a partir da técnica do envelope: Rolamento 3.
Figura 14 - Gráfico obtido a partir da transformada de Wavelet Packet: Rolamento 3.
Ao se avaliar as amplitudes nas frequências características de falha deste rolamento, Fig. 17 e Fig. 18, observa-se que há somente amplitudes consideráveis em 12 Hz e seus múltiplos, indicando que há apenas defeito na gaiola do rolamento.
3.4. Rolamento 4 (Defeito na Gaiola e Defeito na Pista Externa)
Na Figura 15 tem-se o espectro de aceleração do sinal. O espectro obtido a partir da técnica do envelope é mostrado na Fig. 16. Na Fig. 17 tem-se o espectro obtido a partir da transformada de Wavelet Packet.
Figura 15 - Gráfico de aceleração do sinal
Observa-se na Figura 15 um nível global de vibração bem maior se comparado com o espectro do rolamento sem defeitos, Fig. 6.
Figura 16 - Gráfico obtido a partir da técnica do envelope
Figura 17 - Gráfico obtido a partir da transformada de Wavelet Packet
É possível observar nas Figuras 16 e 17 amplitude em 12 Hz, 108 Hz e em seus múltiplos, indicativo de defeito na gaiola na pista externa do rolamento, respectivamente.
4. CONCLUSÃO
Neste trabalho apresenta-se a detecção de falhas em mancais de rolamento através da Técnica de Envelope e da Transformada de Wavelet. Essas técnicas permitem detectar o defeito na sua fase incipiente e acompanhar sua progressão gerando subsídios necessários para a tomada de decisão. A possibilidade de antecipar as falhas proporciona o planejamento adequado das intervenções de manutenção, a otimização dos recursos humanos e financeiros, a racionalização do consumo de materiais sobressalentes, além de reduzir os impactos ambientais.
Os espectros do nível global de aceleração do sinal de vibração se mostram suficientes apenas para indicar que existe algum problema no mancal de rolamento, mas ele não é capaz de indicar o que está provocando este aumento de energia no espectro e nem em que componente do rolamento (pista interna, pista externa, elemento rolante e gaiola) o problema se encontra.
Através dos testes realizados nos quatro rolamentos é possível é possível afirmar que tanto a técnica do envelope como a transformada de Wavelet Packet se mostraram muito eficientes na detecção falha e na identificação do componente do rolamento que estava danificado.
AGRADECIMENTOS
Os autores agradecem ao Setor de Apoio ao Estudante da UFSJ - Universidade Federal de São João del Rei por viabilizar a participação no XI CONEMI. Aos membros do Gep_LASID (Grupo de Estudos e Pesquisa do Laboratório de Sistemas Dinâmicos) pela colaboração.
Almeida M., T. e Góz R., D., S., 2000, "Análise de Vibrações II - Rolamentos e Engrenagens", Fundação de Pesquisa e Assessoramento a Indústria, Itajuba-MG, Brasil, pp. 102-106.
Bezerra, R. A., 2004, “Detecção de falhas em rolamentos por análise de vibração”, Universidade Estadual de Campinas, Campinas, SP, Brasil.
Lee, J. J., Lee, S. M., Kim, I. Y., Min, H. K., Hong, S. H., 1999, “Comparison Between Short –Time Fourier and Wavelet Transform For Feature Extraction of Heart Sound”. IEEE Tencon. Pp. 1547-1550. Macário, C.C., 2006, “Utilização de filtros adaptativos para detecção de falhas em mancais de rolamentos”,
Universidade Federal de Uberlândia, Uberlândia, MG, Brasil.
Mallat, S.G, 1998, “A Wavelet Tour of Signal Processing.” Academic Press, San Diego, USA.
McFadden P.D.; Smith, J,D., “Vibration monitoring of rolling element bearings by the high frequency resonance technique - a review”. Tribology International. 1984; 17(1):3–10.
Menna, A.R., 2007, “Detecção de falhas em mancais de rolamento por análise de vibrações em banda larga: um caso prático de aplicação em uma população de elementos rotativos”, Universidade Federal do Rio Grande do Sul, Porto Alegre, RS, Brasil.
Mesquita, A. L. A., Santiago, D. F. A., Bezerra, R. A., Miranda, U. A., Dias, M., and Pederiva. R., Detecção de Falhas em Rolamentos Usando Transformadas Tempo-Frequência - Comparação com Análise de Envelope, Mecânica Computacional, 2002, Vol. XXI, pp. 1938-1954,.
Mitchell, J. S., “Machinery Analysis and Monitoring”, Oklahoma: Penn Well Books, U.S.A., 1993, 566p. Reis, R. A., Lacerda A. L. M., Lamim Filho, P. C. M., Brito, J. N., 2010, “Estudo da decomposição de sinal
por Wavelet para diagnosticar defeitos em rolamentos”, 9º SIMMEC, Universidade Federal de São João del Rei, São João del Rei, MG, Brasil.
Rioul, O., Vetterli, M., 1991, “Wavelets and Signal Processing”. IEEE SP Magazine, pp. 14-38.
Ripper Neto, A. P. “Medição de Vibrações para Manutenção Preditiva de Máquinas”, Universidade Federal do Rio de Janeiro - COPPE/UFRJ, 2000, 20p.
Shi, D. T., Wang, W. J., Qu, L.S., 2004, “Defect Detection for Bearings Using Envelope Spectra of Wavelet Transform”. Journal of Vibration and Acoustics, v.126, pp. 567- 573.
SKF, Manual SKF de Manutenção de Rolamentos, 1997.
Tandon, N. e Choudhury, A., 1999, “A Review of Vibration and Acoustic Measurement Methods for the Detection of Defects in Rolling Element Bearings”, Tribology International, Vol. 32, pp. 469-480. Tse P., Peng Y. and Yam R., 2001, “Wavelet Analysis and Envelope Detection for Rolling Element
Bearing Fault Diagnosis - Their Effectiveness and Flexibilities”, Journal of Vibration and Acoustics.
DETECTION OF FAULTS IN BEARINGS THROUGH
TECHNICAL ENVELOPE AND WAVELET TRANSFORM
Abstract. In a scenario of global economy is growing competitiveness among industries. The search for lower costs associated with increased product quality, lead companies to work continuously subjecting the machines at high speeds. In this context, the Asset Managers have given increasing attention to good maintenance practices. For the industries who wish to remain competitive in the global market is imperative to avoid unscheduled downtime of a machine, especially if it has particular importance in the production process. The unscheduled corrective maintenance, and increase maintenance costs also promotes production interruptions causing significant damage. In order to minimize the losses of the machines was introduced, among other concepts, the Predictive Maintenance, which can be defined as condition-based maintenance of equipment. This paper presents the fault detection in rolling element bearings through the Technical Envelope and Wavelet Transform. These techniques can detect the defect in its early stages and monitor its progression generating subsidies to decision making. The failure to anticipate the possibility of providing the proper planning of maintenance interventions, optimization of human and financial resources, rationalizing the consumption of materials parts, and reduce environmental impacts.
