СТОХАСТИЧНЕ МОДЕЛЮВАННЯ СПЕКТРАЛЬНОГО ВИТОКУ ЕНЕРГІЇ ВІБРОСИГНАЛУ ДЛЯ ДІАГНОСТУВАННЯ ЛОКАЛЬНИХ ПОШКОДЖЕНЬ ПІДШИПНИКА КОЧЕННЯ
DOI:
https://doi.org/10.18664/1994-7852.215.2026.358745Ключові слова:
амплітуда, вібрація, детермінована модель, компресор, підшипник, проковзування, спектр, стохастична модель, частотаАнотація
Досліджено вплив стохастичного проковзування тіл кочення на деградацію діагностичних ознак кулькового підшипника. Розроблено алгоритм паралельного моделювання вібросигналів. Кількісно доведено, що спектральний витік енергії спричиняє відносне падіння амплітуди вищих гармонік від 82,1 до 90,5 %. Це математично обґрунтовує небезпеку хибнонегативних діагнозів і фізичну неадекватність застосування традиційних детермінованих порогових рівнів діагностування.
Посилання
ЦТ-0058. Інструкція з технічного обслуговування, ремонту та випробування гальмового устаткування локомотивів і моторвагонного рухомого складу: затв. Наказом Укрзалізниці від 04.02.2003 р. № 034-Ц. Київ, 2003. 233 с.
СТП 04-082:2022. Електровози змінного струму серій ВЛ80 в/і, ВЛ82м. Технічне обслуговування та поточний ремонт. Правила. Київ: АТ «Укрзалізниця», 2022.
Antoni J., Randall R. B. Differential diagnosis of gear and bearing faults. Journal of Vibration and Acoustics. 2002. Vol. 124 (2). P. 165 — 171. https://doi.org/10.1115/1.1456906.
Chiter A., Charifi M., Belmahdi M. New method based on the optimal generalised sequential test for bearing localised defects detection and diagnosis. Nondestructive Testing and Evaluation. 2025. https://doi.org/10.1080/10589759.2025.2584628.
Zhang, X., Liu, Z., Wang, J., & Wang, J. (2019). Time-frequency analysis for bearing fault diagnosis using multiple Q-factor Gabor wavelets. ISA Transactions, No. 87. Pp. 225–234. DOI: https://doi.org/10.1016/j.isatra.2018.11.033.
Pan, W., Chen, Y., Li, X., et al. (2025). Bearing compound fault diagnosis considering the fusion fragment data and multi-head attention mechanism considering the actual variable working conditions. Simulation Modelling Practice and Theory, No. 144, Article 103174. DOI: https://doi.org/10.1016/j.simpat.2025.103174
Liu, Y., Xu, Y., Yang, M., et al. (2025). Frequency pattern graph spectrum model and its applications in rolling bearing fault diagnosis. Mechanical Systems and Signal Processing, No. 240, Article 113426. DOI: https://doi.org/10.1016/j.ymssp.2025.113426
Zou, M., Zhou, B., Dai, M., et al. (2026). An adaptive signal processing framework for fault diagnosis: Intelligent spectral optimization for robust weak periodic feature extraction from vibration signals. Digital Signal Processing, No. 176, Article 106055. DOI: https://doi.org/10.1016/j.dsp.2026.106055
Malusare, M., Mahmud, M., & Wang W. (2025). An enhanced TK technology for bearing fault detection using vibration measurement. Sensors, No. 25, Article 6571. DOI: https://doi.org/10.3390/s25216571
Tyagi, S., & Panigrahi, S. K. (2014). Transient analysis of ball bearing fault simulation using finite element method. Journal of The Institution of Engineers (India): Series C, No. 95(4), Pp. 309–318. DOI: https://doi.org/10.1007/s40032-014-0129-x
Zhang, S., Yang, J., Zhang, J., et al. (2019). On bearing fault diagnosis by nonlinear system resonance. Nonlinear Dynamics, No. 98, Pp. 2035–2052. DOI: https://doi.org/10.1007/s11071-019-05305-x
Qiao, Z., Elhattab, A., Shu, X., et al. (2021). A second-order stochastic resonance method enhanced by fractional-order derivative for mechanical fault detection. Nonlinear Dynamics, No.106, Pp. 707–723. DOI: https://doi.org/10.1007/s11071-021-06857-7
Li, J., Li, M., Zhang, J., et al. (2019). Frequency-shift multiscale noise tuning stochastic resonance method for fault diagnosis of generator bearing in wind turbine. Measurement, No. 33, Pp. 421–432. DOI: https://doi.org/10.1016/j.measurement.2018.10.054
McFadden, P. D., & Smith, J. D. (1984). Model for the vibration produced by a single point defect in a rolling element bearing. Journal of Sound and Vibration, No. 96(1), Pp. 69–82. DOI: https://doi.org/10.1016/0022-460X(84)90595-9
Randall, R. B., Antoni, J., & Chobsaard S. (2001). The relationship between spectral correlation and envelope analysis in the diagnostics of bearing faults and other cyclostationary machine signals. Mechanical Systems and Signal Processing, No. 15(5), Pp. 945–962. DOI: https://doi.org/10.1006/mssp.2001.1415
Antoni, J., & Randall, R. B. (2003). A stochastic model for simulation and diagnostics of rolling element bearings with localized faults. Journal of Vibration and Acoustics, No. 125(3), Pp. 282–289. DOI: https://doi.org/10.1115/1.1569940
D'Elia, G., Cocconcelli, M., & Mucchi, E. (2018). An algorithm for the simulation of faulted bearings in non-stationary conditions. Meccanica, No. 53, Pp. 1147–1166. DOI: https://doi.org/10.1007/s11012-017-0767-1
Randall, R. B. (2021). Vibration-based condition monitoring: Industrial, automotive and aerospace applications (2nd ed.). John Wiley & Sons.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
