| Source DB | nl |
|---|
| Institution | KU Leuven |
|---|
| Code | 53b37e37-52c2-433b-a0af-f6cc2e30001b |
|---|
| Unit | 22358ad3-f0c0-4e35-88ca-7350f696036a
|
|---|
| Begin | 11/24/2017 |
|---|
| End | 11/24/2021 |
|---|
| title fr |
|
|---|
| title nl | Conditiebewaking van roterende machines onder niet stationaire bedrijfsomstandigheden op basis van trillings & geluidsmetingen
|
|---|
| title en | Vibroacoustic based condition monitoring of rotating machinery under non stationary operating conditions
|
|---|
| Description fr |
|
|---|
| Description nl | De mechanische storingen zijn goed voor meer dan 60% van de uitval van industriële machines, wat tot een groot verlies leidt. Daarom is de identificatie van een dreigende mechanische fout cruciaal om te voorkomen dat het systeem defect raakt. Het onderzoek zou zich richten op de toepassing van meerdere sensoren van meerdere aard, zoals temperatuur, trillingen, akoestiek, op verschillende defecte machines. Dit project omvat het ontwikkelen, verbeteren en testen van op vibro-akoestiek gebaseerde conditiebewakingsalgoritmen die geschikt zijn voor toepassing onder niet-stationaire bedrijfsomstandigheden. Deze algoritmen zullen worden gebruikt voor vroege, nauwkeurige, robuuste en kosteneffectieve foutdetectie, isolatie (bepalen welke component defect is) en identificatie (storingsmodus en ernst) om te helpen bij het levenscyclusbeheer van de structurele integriteit van roterende machines die van cruciaal belang zijn voor de economie van België. Het project zal zich specifiek richten op roterende machines met lagers, tandwielen en messen als belangrijkste componenten. De ontwikkelde algoritmen zullen worden getest en geëvalueerd op gesimuleerde gegevens, op benchmarkgevallen en op een aantal verschillende testopstellingen aan de KU Leuven. Deze opstellingen zullen monitoringstrategieën combineren om de bewaking van elk van deze componenten afzonderlijk onder niet-stationaire bedrijfsomstandigheden te verkennen, maar zullen ook de interacties van de dynamica van elk van deze componenten met elkaar bestuderen
|
|---|
| Description en | The mechanical failures account for more than 60% of breakdowns of industrial machinery, leading to huge loss. Therefore, the identification of impending mechanical fault is crucial to prevent the system from malfunction. The research would be focused on application of several sensors of multiple natures, like temperature, vibration, acoustics, on various faulty machinery. This project entails development, improving and testing of vibroacoustic based condition monitoring algorithms suitable for application under non stationary operating conditions. These algorithms will be used for early, accurate, robust and cost effective fault detection, isolation (determining which component fails) and identification (failure mode and severity) to assist in life cycle management of the structural integrity of rotating machinery that are critical to the economy of Belgium. The project will focus specifically on rotating machinery that contain bearings, gears and blades as key components. The developed algorithms will be tested and evaluated on simulated data, on benchmark cases and on a number of different test setups at KU Leuven. These setups will combine monitoring strategies to explore the monitoring of each of these components individually under non stationary operating conditions, but will also allow for studying the interactions of the dynamics of each of these components with each other
|
|---|
| Qualifiers | - Condition monitoring - |
|---|
| Personal | Ricardo Mauricio Alexandre Miguel, Gryllias Konstantinos |
|---|
| Collaborations | |
|---|
