Advertisement

Acoustic Emission Source Localization in Ring Gears from Wind Turbine Planetary Gearboxes

  • Felix LeamanEmail author
  • Steffen Hinderer
  • Ralph Baltes
  • Elisabeth Clausen
  • Brian Rieckhoff
  • Ralf Schelenz
  • Georg Jacobs
Originalarbeiten/Originals
  • 66 Downloads

Abstract

Condition monitoring and fault diagnosis are methods to achieve a higher reliability for complex mechanical systems. Due to the ability of acoustic emission (AE) technology to detect damages during at an early stage, AE has high potential to be considered in novel machine condition monitoring systems. Since AE waves are generated due to rapid releases of strain energy, such as crack propagation, roughness contact and mechanical impacts, it is possible to use multiple AE sensors to track down the AE source location. This paper presents an accurate and easy-to-use methodology to locate AE sources in ring gears from planetary gearboxes. The methodology uses AE wave’s time of arrival calculated from three signal differential envelopes. The time of arrival is subsequently used to analytically determine the angular position of the AE source. The proposed methodology was tested in two different real-sized wind turbine gearboxes using Hsu-Nielsen sources. The results showed that, with the correct selection of filter cut-off frequencies, the localization could be carried out with an error equivalent to only two teeth from the correct position, indicating the good performance of the approach.

Acoustic Emission Quellenlokalisierung in Hohlrädern von Planetengetrieben von Windkraftanlagen

Zusammenfassung

Zustandsüberwachung und Fehlerdiagnose sind Methoden, um eine höhere Zuverlässigkeit für komplexe mechanische Systeme zu erreichen. Aufgrund der Fähigkeit der Acoustic Emission (AE) Technologie (Schallemissions-Technologie) Schäden frühzeitig zu erkennen, hat AE ein hohes Potenzial, in neuartigen Maschinenzustandsüberwachungssystemen berücksichtigt zu werden. Da AE-Wellen durch schnelle Freisetzung von Dehnungsenergie wie Rissausbreitung, Rauheitskontakt und mechanische Stöße erzeugt werden, ist es möglich mit mehreren AE-Sensoren den Ort der AE-Quelle zu verfolgen. Diese Arbeit stellt eine genaue und einfach zu bedienende Methode zur Lokalisierung von AE-Quellen in Hohlrädern von Planetengetrieben vor. Die Methodik verwendet die Ankunftszeit der AE-Welle, die aus drei differentiellen Signalhüllkurven berechnet wird. Die Ankunftszeit wird anschließend zur analytischen Bestimmung der Winkelposition der AE-Quelle verwendet. Die vorgeschlagene Methodik wurde in zwei verschiedenen realistischen Windkraftgetrieben (WEA) unter Verwendung von Hsu-Nielsen-Quellen getestet. Die Ergebnisse zeigten, dass bei richtiger Auswahl der Filtergrenzfrequenzen die Lokalisierung mit einem Fehler durchgeführt werden konnte, der nur zwei Zähnen aus der richtigen Position entspricht, was auf die gute Performance des Ansatzes hinweist.

Notes

Funding

This research did not receive any specific grant from funding agencies in the public, commercial or not-for-profit sectors.

Conflict of interest

F. Leaman, S. Hinderer, R. Baltes, E. Clausen, B. Rieckhoff, R. Schelenz, and G. Jacobs declare that they have no competing interests.

References

  1. 1.
    Patzke U (2009) Erhöhung der Verfügbarkeit von Windkraftanlagen. Frauenhofer Institut für Windenergie und Energiesystemtechnik. IWES, KasselGoogle Scholar
  2. 2.
    Link H, LaCava W, van Dam J et al (2011) Gearbox reliability collaborative project report: findings from phase 1 and phase 2 testing. National Renewable Energy Laboratory, ColoradoCrossRefGoogle Scholar
  3. 3.
    Sheng S, Link H, LaCava W et al (2011) Wind turbine drivetrain condition monitoring during GRC phase 1 and phase 2 testing. National Renewable Energy Laboratory, ColoradoCrossRefGoogle Scholar
  4. 4.
    Hameed Z, Hong YS, Cho YM et al (2009) Condition monitoring and fault detection of wind turbines and related algorithms: a review. Renew Sustain Energy Rev 13(1):1–39.  https://doi.org/10.1016/j.rser.2007.05.008 CrossRefGoogle Scholar
  5. 5.
    García Márquez FP, Tobias AM, Pinar Pérez JM et al (2012) Condition monitoring of wind turbines: techniques and methods. Renew Energy 46(2012):169–178.  https://doi.org/10.1016/j.renene.2012.03.003 CrossRefGoogle Scholar
  6. 6.
    Golafshan R, Wegerhoff M, Jacobs G et al (2017) Vibration-based condition monitoring for wind turbines: applications of singular value decomposition. Antriebstechnisches Kolloquium, pp 45–56Google Scholar
  7. 7.
    Deutsches Institut für Normung e. V. (1997) DIN ISO 10816-1:1995 – Mechanische Schwingungen -Bewertung der Schwingungen von Maschinen durch Messungen an nicht-rotierenden Teilen. Deutsches Institut für Normung e. V., BerlinGoogle Scholar
  8. 8.
    Germanischer Lloyd AG (2007) Richtlinie für die Zertifizierung von Condition Monitoring Systemen für Windenergieanlagen. Germanischer Lloyd AG, HamburgGoogle Scholar
  9. 9.
    Feng Z, Liang M (2014) Fault diagnosis of wind turbine planetary gearbox under nonstationary conditions via adaptive optimal kernel time—frequency analysis. Renew Energy 66(2014):468–477.  https://doi.org/10.1016/j.renene.2013.12.047 CrossRefGoogle Scholar
  10. 10.
    Feng Z, Qin S, Liang M (2016) Time-frequency analysis based on Vold-Kalman filter and higher order energy separation for fault diagnosis of wind turbine planetary gearbox under nonstationary conditions. Renew Energy 85(2016):45–56.  https://doi.org/10.1016/j.renene.2015.06.041 CrossRefGoogle Scholar
  11. 11.
    Patil M‑S, Mathew J, Rajendra Kumar P‑K (2008) Bearing signature analysis as a medium for fault detection: a review. J Tribol.  https://doi.org/10.1115/1.2805445 Google Scholar
  12. 12.
    Antoni J (2006) The spectral kurtosis: a useful tool for characterising non-stationary signals. Mech Syst Signal Process 20(2):282–307.  https://doi.org/10.1016/j.ymssp.2004.09.001 CrossRefGoogle Scholar
  13. 13.
    Tang B, Liu W, Song T (2010) Wind turbine fault diagnosis based on Morlet wavelet transformation and Wigner-Ville distribution. Renew Energy 35(2010):2862–2866.  https://doi.org/10.1016/j.renene.2010.05.012 CrossRefGoogle Scholar
  14. 14.
    Qu Y, He D, Yoon J et al (2014) Gearbox tooth cut fault diagnostics using acoustic emission and vibration sensors—a comparative study. Sensors 14(1):1372–1393.  https://doi.org/10.3390/s140101372 CrossRefGoogle Scholar
  15. 15.
    International Organisation for Standardization (2007) ISO 22096:2007—condition monitoring and diagnostics of machines—acoustic emission. International Organisation for Standardization, GenfGoogle Scholar
  16. 16.
    Tan CK, Irving P, Mba D (2009) A comparative experimental study on the diagnostic and prognostic capabilities of acoustics emission, vibration and spectrometric oil analysis for spur gears. Mech Syst Signal Process 21(1):208–233.  https://doi.org/10.1016/j.ymssp.2005.09.015 CrossRefGoogle Scholar
  17. 17.
    Eftekharnejad B, Mba D (2009) Seeded fault detection on helical gears with acoustic emission. Appl Acoust 70(4):547–555.  https://doi.org/10.1016/j.apacoust.2008.07.006 CrossRefGoogle Scholar
  18. 18.
    Bai F, Gagar D, Foote P et al (2017) Comparison of alternatives to amplitude thresholding for onset detection of acoustic emission signals. Mech Syst Signal Process 84(2017):717–730.  https://doi.org/10.1016/j.ymssp.2016.09.004 CrossRefGoogle Scholar
  19. 19.
    Zhang Y, Lu W, Chu F (2017) Planet gear fault localization for wind turbine gearbox using acoustic emission signals. Renew Energy 109(2017):449–460.  https://doi.org/10.1016/j.renene.2017.03.035 CrossRefGoogle Scholar
  20. 20.
    Lim TJ, Macleod MD (1995) Adaptive algorithms for joint time delay estimation and IIR filtering. IEEE Trans Signal Process 43(4):841–851.  https://doi.org/10.1109/78.376837 CrossRefGoogle Scholar
  21. 21.
    ASTM International (2015) E976—15: standard guide for determining the reproducibility of acoustic emission sensor response. ASTM International, West ConshohockenGoogle Scholar

Copyright information

© Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2019

Authors and Affiliations

  1. 1.Institute for Advanced Mining TechnologiesRWTH Aachen UniversityAachenGermany
  2. 2.Center for Wind Power DrivesRWTH Aachen UniversityAachenGermany

Personalised recommendations