Dieses Papier schlägt zwei neuartige, weltweit nicht-invasive, kostengünstige, online automatische Diagnosetechnologien zur Erkennung von Förderbandlockerungen mittels Motorstrom-Signaturanalyse vor und untersucht diese. Förderbandlockerung verursacht impulsartige transiente Spitzen durch intermittierende Band-Motor-Kupplung, welche erfasst und durch spektrale Kurtosis (SK) wesentlich verstärkt werden. Die beiden Diagnosetechnologien sind: Kreuzkorrelationen von Spektralmoduli der Ordnung drei und vier zur Extraktion von Versorgungsfrequenz-Harmonischen Kreuzkorrelationen aus SK-gefilterten Stromsignalen sowie Konsolidierte Spektrale Kurtosis, eine bandunabhängige Technologie, die eine effektive Diagnose durch Summierung wesentlicher spektraler Kurtosis-Werte über den gesamten Frequenzbereich ermöglicht. Umfassende experimentelle Versuche an einem industriellen Getreide-Förderbandsystem zeigen, dass die vorgeschlagenen Technologien wirksam für die Diagnose von Förderbandlockerungen sind. Die Kreuzkorrelations-Technologien der Spektralmoduli erreichten einen maximalen Gesamtwahrscheinlichkeit der korrekten Diagnose-Wert von 98%. Die Technologie der Konsolidierten Spektralen Kurtosis erfasst die gesamte impulsive Energie über den gesamten Frequenzbereich und erreichte eine maximale Gesamtwahrscheinlichkeit der korrekten Diagnose von 99,6%. Diese Studie hebt die diagnostische Effektivität und die rechnerische Effizienz der vorgeschlagenen Technologien für die verlässliche Diagnose von Förderbandlockerungen hervor. Ein experimenteller Vergleich der vorgeschlagenen Technologien wurde durchgeführt.
Building similarity graph...
Analyzing shared references across papers
Loading...
Gelman et al. (Tue,) untersuchten diese Fragestellung.
www.synapsesocial.com/papers/69d894ce6c1944d70ce05bf6 — DOI: https://doi.org/10.3390/technologies14040214
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context:
Len Gelman
Debanjan Mondal
Dean Wright
Technologies
Bournemouth University
University of Huddersfield
Building similarity graph...
Analyzing shared references across papers
Loading...