Issue |
Mechanics & Industry
Volume 14, Number 1, 2013
|
|
---|---|---|
Page(s) | 85 - 93 | |
DOI | https://doi.org/10.1051/meca/2012042 | |
Published online | 08 February 2013 |
Following the growth of a rolling fatigue spalling for predictive maintenance
Suivi de la croissance d’un écaillage de fatigue de roulement d’une butée à billes dans le cadre d’une maintenance prédictive
1
GRESPI, UFR, Sciences Exactes et Naturelles, Moulin de la
Housse, BP 1039,
51687
Reims Cedex 2,
France
2
Departement de physique, Faculté des sciences UMBB,
Boumerdes,
Algerie
a Corresponding author:
omardjebili@yahoo.com
Received:
12
December
2011
Accepted:
12
December
2012
The bearing is one of the most important components of rotating machines. Nevertheless, in normal conditions of use, it is subject to fatigue which creates a defect called a rolling fatigue spalling. In this work, we present a follow-up of the thrust bearing fatigue on a test bench. Vibration analysis is a method used to characterize the defect. In order to obtain the fatigue curve more adjusted, we have studied the vibration level according to statistical indicators: the Root Mean Square value (RMS value), which is one of the best indicators to show the evolution of the bearing degradation. The approach follows the working of the bearing until the degradation with an on line acquisition of vibration statements in form of time signals. With the signal treatment, we obtain the values of the vibration amplitudes which characterize the vibration state of the bearing. Consequently, these values allow us to plot the fatigue curves. During our experimental work, this operation is applied for a batch of thrust bearings for which we have obtained similar fatigue curves where the evolution trend follows a regression model from the detection of the onset of the first spall. The result of this work will contribute to predict the working residual time before failure.
Résumé
Le roulement est l’un des composants les plus importants des machines tournantes. Néanmoins, dans des conditions normales d’utilisation, il est soumis à la fatigue et subit un défaut d’écaillage de fatigue de roulement. Dans ce travail, nous présentons un suivi de la fatigue d’un roulement de butée sur un banc d’essai. L’analyse vibratoire est une méthode utilisée pour caractériser le défaut. Afin d’obtenir la courbe de fatigue plus ajustée, nous avons étudié le niveau vibratoire selon les indicateurs statistiques tel que la valeur RMS (Root Mean Square) qui est l’un des meilleurs indicateurs pour montrer l’évolution de la dégradation du roulement. L’approche suit le fonctionnement du roulement de butée jusqu’à la dégradation avec une acquisition en ligne des états vibratoires sous forme de signaux temporels. À l’aide du traitement de signal, on obtient les valeurs des amplitudes vibratoires qui caractérisent l’état vibratoire du roulement. Par conséquent, ces valeurs nous permettent de tracer les courbes de fatigue. Au cours de notre travail expérimental, cette opération est appliquée à un lot de butées à billes pour lesquelles nous avons obtenu des courbes semblables où la tendance de l’évolution suit un modèle de régression à partir de la détection de l’apparition de la première écaille. Le résultat de ce travail contribuera à prédire la durée de vie résiduelle avant la panne.
Key words: Predictive maintenance / bearing / vibration analysis / spall / bearing fatigue
Mots clés : Maintenance prédictive / roulement / analyse vibratoire / écaillage / fatigue de roulement
© AFM, EDP Sciences 2013
Current usage metrics show cumulative count of Article Views (full-text article views including HTML views, PDF and ePub downloads, according to the available data) and Abstracts Views on Vision4Press platform.
Data correspond to usage on the plateform after 2015. The current usage metrics is available 48-96 hours after online publication and is updated daily on week days.
Initial download of the metrics may take a while.