Application of genetic algorithms for parameters identification in a developing smart gear system

Abstract

As an essential part of a dynamic system such as a transport vehicle or machine, gear is important to the safety and effective operation of the system. Our developing smart gear system aims to propose a solution for condition monitoring of gear elements. In this system, a resistance sensor antenna pattern is printed on the surface of an operation gear to cover all the potential cracked locations on the gear. A monitoring antenna connected to a network analyzer is placed in parallel to the sensor surface of the operating gear. Magnetic coupling between the monitoring antenna and the conductive track will occur thanks to the conductive track formed by the sensor pattern on gear. This magnetic coupling changes the return loss of the monitoring antenna. Certainly, the condition of the gear will change the physical state of the conductive track of the sensor antenna pattern. Consequently, the magnetic coupling or the return loss data received by the monitoring antenna will be affected. Since the operation gear is not wired to the monitoring antenna, the return loss signal becomes vital data for the condition monitoring technique of gear. This study proposes a Genetic Algorithms (GA) method to estimate the characteristic parameters of the operation gear via only the return loss data. The GA method is based on the data fitting technique. There are two cases and six different coupling conditions that have been considered and extracted their experimental data for the GA method. The results indicate that the natural frequency and Quality (Q) factor of the sensor antenna sintered on the operation gear can be obtained via the GA method and the six sets of identified parameters are also different. The validity of the identified values via the fitness between the simulation return loss data of each set of identified parameters and the experimental return loss data have consolidated the reliability of the proposed GA method.

Zusammenfassung

Als wesentlicher Bestandteil eines dynamischen Systems wie eines Transportfahrzeugs oder einer Maschine ist die Ausrüstung für die Sicherheit und den effektiven Betrieb des Systems wichtig. Unser sich entwickelndes intelligentes Getriebesystem zielt darauf ab, eine Lösung für die Zustandsüberwachung von Getriebeelementen vorzuschlagen. Bei diesem System wird ein Widerstandssensor-Antennenmuster auf die Oberfläche eines Betriebszahnrads gedruckt, um alle potenziellen Rissstellen auf dem Zahnrad abzudecken. Parallel zur Sensorfläche des Betriebsgeräts wird eine Überwachungsantenne, die an einen Netzwerkanalysator angeschlossen ist, platziert. Eine magnetische Kopplung zwischen der Überwachungsantenne und der Leiterbahn erfolgt dank der Leiterbahn, die durch das Sensormuster auf dem Zahnrad gebildet wird. Diese magnetische Kopplung verändert die Rückflussdämpfung der Überwachungsantenne. Sicherlich ändert der Zustand des Zahnrads den physikalischen Zustand der Leiterbahn des Sensorantennenmusters. Folglich werden die magnetische Kopplung oder die Rückflussdämpfungsdaten, die von der Überwachungsantenne empfangen werden, beeinflusst. Da das Betriebsgerät nicht mit der Überwachungsantenne verdrahtet ist, wird das Rückflussdämpfungssignal zu wichtigen Daten für die Zustandsüberwachungstechnik des Geräts. Diese Studie schlägt eine Methode mit genetischen Algorithmen (GA) vor, um die charakteristischen Parameter der Betriebsausrüstung nur anhand der Rückflussdämpfungsdaten zu schätzen. Die GA-Methode basiert auf der Datenanpassungstechnik. Es gibt zwei Fälle und sechs verschiedene Kopplungsbedingungen, die berücksichtigt und ihre experimentellen Daten für die GA-Methode extrahiert wurden. Die Ergebnisse zeigen, dass die Eigenfrequenz und der Qualitätsfaktor (Q) der auf dem Betriebszahnrad gesinterten Sensorantenne über das GA-Verfahren erhalten werden können und die sechs Sätze identifizierter Parameter ebenfalls unterschiedlich sind. Die Gültigkeit der identifizierten Werte über die Eignung zwischen den Simulations-Rückflussdämpfungsdaten jedes Satzes identifizierter Parameter und den experimentellen Rückflussdämpfungsdaten hat die Zuverlässigkeit des vorgeschlagenen GA-Verfahrens gefestigt.