Abstrak

Bantalan gulung merupakan komponen penting dan rapuh dalam sistem transmisi turbin angin.
Kegagalan rolling bearing adalah salah satunya kejadian berisiko tertinggi yang dapat mengakibatkan
kerugian ekonomi yang tidak terduga. Untuk Berikan penilaian kondisi bantalan rolling yang tepat,
terutama untuk awal deteksi kesalahan, sangat penting dan menjadi masalah mendesak bagi industri
energi angin Dalam makalah ini, entropi sampel dipelajari melalui data lapangan sistem transmisi
turbin angin diukur dari Lu Nan Wind Farm di Cina. Dibandingkan dengan beberapa statistik yang
sering digunakan Indikator, fitur entropi sampel memiliki keunggulan dalam mendeteksi dan
mengevaluasi kemajuan kesalahan awal bantalan bergulir. Itu 2 studi menunjukkan bahwa entropi
sampel adalah alat yang efektif dan praktis untuk kondisi pemantauan rolling bearing untuk
transmisi turbin angin sistem.

1. Perkenalan

Untuk turbin angin, begitu dipasang, akun pemeliharaan salah satu biaya utama dan begitu banyak
usaha penelitian yang sedang berjalan untuk mengurangi biaya pemeliharaan melalui perbaikan
kondisi pemantauan [1]. Rolling bearing adalah salah satu komponen kunci dalam berputar mesin
dan banyak digunakan dalam turbin angin. Setelah itu rusak Ke bawah, kerugian ekonomi yang tak
terduga akan terjadi. Karena itu efisien teknik pemantauan kondisi, terutama untuk deteksi
kesalahan yang baru jadi, pada rolling bearing menjadi isu mendesak untuk mengurangi waktu shut-
down dan biaya pemeliharaan turbin angin. Dalam beberapa tahun terakhir, para periset telah
melakukan banyak kesalahan diagnostik untuk sistem bantalan bergulir melalui metode berbasis
getaran. Lin [2] mengusulkan metode denoising berdasarkan Morlet wavelet untuk mengekstrak
yang efektif fitur untuk diagnosis kesalahan bergulir. Randall [3] menggunakan cepstral baru metode
untuk diagnosis bearing fault pada kondisi variable speed. Li [4] menyajikan dekomposisi rata-rata
lokal dan peningkatan multi skala skema berbasis entropi fuzzy untuk diagnosis kesalahan. Lei [5]
memperkenalkan yang baru Pendekatan diagnosis kesalahan cerdas mesin berputar yang
dikombinasikan teknik evaluasi jarak jauh dan adaptif neurofuzzy sistem inferensi (ANFIS). Penelitian
lain seperti [6-13] juga membuat kontribusi penting untuk rolling bearing fault diagnosis.
Dibandingkan dengan teknik yang disebutkan sebelumnya, demi praktis, Metode sederhana dan
intuitif sangat dibutuhkan dalam industri nyata teknik. Secara umum, indikator statistik adalah salah
satu yang termudah dan paling banyak 3 Cara langsung melakukan diagnosa kesalahan melalui
analisis data domain waktu [14]. Dalam tulisan ini, entropi sampel, indikator yang mencerminkan
kompleksitasnya getaran, pertama kali dipelajari melalui data medan nyata, bukan data eksperimen
dan tanpa usaha pengolahan pra – sinyal kemampuan teknik dalam deteksi dan evaluasi rolling
kesalahan bantalan diakses Beberapa indikator statistik yang sering digunakan diperkenalkan untuk
memverifikasi kemampuan diagnostik dari entropi sampel. Sedangkan dibandingkan dengan
indikator statistik tersebut, kelebihannya entropi sampel pada deteksi kesalahan awal terungkap.
Berikut ini, Bagian 2 akan memperkenalkan metode entropi sampel. Dua kasus industri akan
ditunjukkan pada Bagian 3 untuk menunjukkan keefektifan entropi sampel dalam deteksi kesalahan
bantalan bergulir. Kesimpulan dibuat pada Bagian 4.
2. Teknik Entropi Sampel

Dalam beberapa tahun terakhir, penggunaan metode entropi untuk mengukur ketidakpastian dan
Mengevaluasi distribusi probabilitas telah menjadi sangat populer. Menurut Definisi termodinamika,
Entropi didefinisikan sebagai hilangnya informasi dalam deret waktu atau sinyal [15]. Oleh karena
itu, entropi bisa jadi digunakan sebagai indikator untuk mengevaluasi ketidakpastian dalam deret
waktunya bantalan diagnostik kesalahan [16]. Ada beberapa cara yang berbeda untuk menghitung
entropi untuk evaluasi dari ketidakpastian dan kompleksitas sinyal, seperti Shannon Entropy, Entropi
Renyi, Estimasi Entropi, Entropi Fuzzy dan Sampel Entropi [17]. Dengan mempertimbangkan efisiensi
perhitungan dan akurasi estimasi kompleksitas, entropi sampel dipilih dalam makalah ini untuk
analisis [15]. Uraian singkat entropi sampel diberikan pada berikut. Misalkan sinyal 𝑥 (𝑖) adalah deret
waktu panjang 𝑁, dimana 𝑖 = 1,2, 𝑁. Construct 𝑁 − 𝑑 + 1vectors 𝑋(1), 𝑋(2), ⋯ , 𝑋(𝑁 − 𝑑 + 1),
dimana setiap vektor panjangnya 𝑑, 𝑋(1) =

{𝑥(1), 𝑥(2), ⋯ , 𝑥(𝑑)}, ⋯ , 𝑋(𝑁 − 𝑑 + 1) = {𝑥(𝑁 − 𝑑 + 1), 𝑥(𝑁 − 𝑑 +

2), ⋯ , 𝑥(𝑁)}.
Untuk rangkaian waktu tertentu 𝑥 (𝑖), 𝐸𝑆𝑎𝑚 (entropi sampel) dapat dievaluasi sebagai:

dimana parameter 𝑑 adalah dimensi tertanam

𝐴𝑑(𝑟) and 𝐵𝑑(𝑟) are defined as:

Dan

Dimana 𝐶𝑖 adalah hitungannya, begitulah tidak termasuk

selfmatches.
Parameternya adalah jarak antara

Dimana k:

1,2, ⋯ 𝑑. Semakin rendah nilai 𝐸𝑆𝑎𝑚 untuk nilai 𝑑 tertentu dan 𝑟,

kemiripannya lebih banyak untuk seri waktu tertentu. Dalam karya ini, nilai
parameter 𝑟 dipilih menjadi 0,2 kali standar penyimpangan data dan dimensi
tertanam 𝑑 diatur sebagai 2 sesuai atas saran Ref. [15]. Penilaian entropi sampel
untuk pemantauan bearing rolling adalah kemudian dievaluasi dari studi data
lapangan berikut. 124/5000 Penilaian entropi sampel untuk kinerja bearing
rolling adalah kemudian dievaluasi dari studi data.

3. Aplikasi dalam kasus industri

Getaran dikumpulkan dari Lu Nan Wind Farm di China. Itu sistem turbin
angin transmisi internal dan tata letak sensor ditunjukkan pada Gambar 1.
Ada 8 sensor (accelerometers) yang terpasang di 5 lokasi yang berbeda
dari jalur transmisi turbin angin. Diukur getaran dari sensor 4, yang
dipasang pada poros input dari generator dan terdekat dengan lokasi
patahan, digunakan untuk menganalisa kondisi poros rolling bearing.
Tabel 1 menunjukkan Frekuensi karakteristik untuk bantalan rolling yang
terpasang, f adalah poros yang berputar frekuensi.
Catatan: RSF mewakili frekuensi putaran rol, RPOF mewakili lintasan rol
frekuensi pada cincin luar dan RPIF mewakili frekuensi lintasan rol pada
lingkar dalam.

Pre-selection of the vibrations

1. Pemilihan kecepatan putaran

Banyak kecepatan rotasi yang dimungkinkan untuk turbin angin selama

berbagai nya 6 macam kondisi operasional Selalu menjadi pertanyaan sebelum
memulai a proses pemantauan getaran Demi kepentingan pemantauan yang
konsisten, itu masuk akal untuk mempertimbangkan getaran terukur selama
bekerja penuh Oleh karena itu, dalam makalah ini, salah satu rotasi yang paling
umum kecepatan 1080 putaran per menit (RPM) mendapat prioritas pertama
dipilih di mana turbin angin menghasilkan listrik.

2. Data getar

Pertama, getaran pada 1080 RPM dipilih pada prioritas tinggi untuk analisis.
Kedua, getaran diukur setiap saat, ini mengarah ke jumlah yang sangat besar
Oleh karena itu, data untuk menganalisis data getaran untuk setiap momen
adalah pekerjaan yang rumit yang mungkin menyebabkan biaya perawatan
tinggi. Jadi, a Interval setengah bulan dipilih untuk menilai getaran yang diukur.
Lebih lanjut, Karena kondisi cuaca yang selalu berubah, kecepatan rotasi bisa
terjadi tidak selalu mencapai 1080 RPM, untuk memastikan pemantauan yang
konsisten tanggal koleksi dapat bervariasi sesuai dan kita harus menerima ini
realitas. Tanggal terperinci untuk analisis vibrasi akan diberikan di studi kasus
di bawah ini.
Kasus 1

Getaran yang dikumpulkan dari satu turbin angin bernama Nomor 14 tersebut
dianalisis. Biasanya, getaran dianalisis semimulan dua. Karena kondisi cuaca,
beberapa variasi tanggal ada, lihat pada Tabel 2. The Frekuensi sampling adalah
data 20.000 hz dan 1.08 s digunakan sebagai berikut analisis. 25 set data pada
periode waktu acak dalam satu hari digunakan untuk setiap analisis Contoh
entropi dan indikator statistik yang umum digunakan lainnya, yaitu Root Mean
Square Value (RMS), Crest dan Kurtosis, digunakan untuk 7 menilai getaran
yang dipilih Hasil penilaian sampel entropi, RMS, Crest dan Kurtosis
diilustrasikan pada Gambar 2-5 masing-masing. Catatan: sumbu vertikal
Gambar 2-5 dalam makalah ini mewakili waktu nilai minimum untuk setiap
data yang dianalisis. Gambar 2 menunjukkan kenaikan yang signifikan terjadi
pada nilai entropi sampel pada 31 Oktober 2015. Ini mengindikasikan adanya
kondisi perubahan sistem. Memeriksa spektrum frekuensi data pada hari yang
sama, dibandingkan dengan Gambar 6 (a) pada tanggal 16 Juni 2015, frekuensi
melewati ring ring belakang dapat terlihat jelas dalam spektrum Gambar 6 (b)
pada tanggal 31 Oktober, 2015. Selanjutnya, angka spektrum setiap tanggal dari
tanggal 31 Mei 2015 sampai Jul.14 dari 2016 diperlihatkan pada lampiran dan
rol cincin dalam yang serupa Frekuensi lulus dapat dilihat, analisis frekuensi
membuktikan terjadinya kesalahan bantalan dan hasil analisis entropi masuk
garis dengan analisis spektra. Menurut hasil pemantauan, ia mengatakan

bahwa anomali yang jelas terjadi pada bantalan rol dan kontinyu Pemantauan
diperlukan untuk bulan-bulan berikutnya melalui waktu yang berbeda metode
domain Menurut analisis spektrum, ia mengatakan bahwa yang jelas anomali
terjadi pada bantalan rol dan pemantauan terus menerus diperlukan untuk bulan
berikutnya melalui metode domain waktu yang berbeda.
Contoh entropi

Entropi sampel menunjukkan tipe zig-zag perubahan, naik, turun, dan naik lagi.
Kira-kira tiga bulan kemudian di bulan Januari, nilai entropi sampel Tinggal di
tingkat yang lebih tinggi dibandingkan dengan bantalan bergulir di bagian
dalam Ring roller pass frequency pertama kali ditemukan. Fluktuasi zig-zag dari
Nilai entropi sampel menunjukkan bahwa kesalahan pada bearing adalah Terus
berkembang, dengan kata lain, kondisi bantalannya memburuk dan
kompleksitas pameran data getaran yang diukur

tidak stabil Dalam Ref. [19] tingkat kesalahan bantalan yang berbeda digunakan
untuk 10 analisis entropi dan ditemukan bahwa dengan pengembangan
kesalahan, Entropi sampel menunjukkan jenis perubahan zig-zag. Dengan kata
lain, entropi sampel menunjukkan petunjuk yang jelas tentang kemajuan
pengguliran Dengan kesalahan dan dikonfirmasi dalam data lapangan nyata di
sini. Sama Waktu, kumpulan data yang sama dianalisis secara umum indikator
statistik, yaitu Crest, Kurtosis dan RMS, dan tren yang jelas Perubahan kondisi
ditemukan. Nilai mereka menunjukkan bahwa yang dipantau Kondisi bantalan
memburuk. Selain itu, dibandingkan dengan data sebelumnya deteksi pertama
kesalahan bantalan rolling pada 31 Oktober 2015, sampel entropi memberikan
peningkatan tajam dari 2,1 menjadi 831,6, ini sekitar 400 kali nilai aslinya
Perubahan yang sangat berbeda terungkap melalui sampel entropi. Indikator
statistik lainnya Indikator statistik lainnya, seperti puncak, kurtosis dan RMS,
juga dihitung untuk perbandingan Gambar 3, 4 dan 5 menunjukkan bahwa
masing-masing statistik Indikator merupakan tren yang jelas dengan kemajuan
kegagalan. Namun, tidak seperti entropi sampel, indikator ini menunjukkan
peningkatan mono atau menurun dan tidak ada kenaikan tajam tajam atau
penurunan ditemukan di memantau hasil Gambar 3, 4 dan 5. Selain itu, bahkan
untuk monoincrease atau menurun, dibandingkan dengan data sebelum deteksi
pertama rolling bearing fault pada 31 Oktober 2015 lagi, indikator statistik
memberi kenaikan atau penurunan ringan, (faktor puncak turun sekitar 0,13
kali, kurtosis menurun sekitar 1,1 kali, RMS meningkat sekitar 0,09 kali).
Dibandingkan dengan perubahan 400 kali, indikator statistik di atas memang
kalah dengan entropi sampel dalam hal ini. Ringkasan singkat

Ada beberapa temuan dari penelitian sebelumnya,

1. Mengacu pada sensitifnya indikator statistik domain waktu. Itu

Perbandingan di atas menunjukkan bahwa entropi sampel dengan Kemampuan

luar biasa untuk menunjukkan terjadinya kesalahan awal.

2. Nilai tren dari entropi sampel menunjukkan bentuk zig-zag. Ini adalah sangat
berbeda dengan indikator domain waktu yang umum digunakan, seperti 11
puncak, kurtosis dan nilai RMS.

3. Dengan bantuan analisis spektrum frekuensi, trending sample Nilai entropi

terbukti sebagai indikator efektif untuk kesalahan awal bantalan.

4. Sejauh ini, turbin angin nomor 14 masih beroperasi di peternakan angin.

Perhatian khusus telah diberikan pada turbin angin ini dan yang utama
pemeliharaan sedang dalam perjalanan Sedangkan analisis sinyal Getaran
serupa telah dibuat untuk turbin angin nomor 15 dan perbaikan oversite
memiliki menemukan bantalan yang salah, sebagai berikut, analisis bearing
yang salah disajikan dalam kasus # 2.

Kasus # 2

Getaran yang dikumpulkan dari turbin angin lain bernama Nomor 15 tersebut
selanjutnya dianalisis untuk memberi kesaksian tentang kemampuan entropi
sampel. Di dalam Kasus, penggantian bantalan di tempat dilakukan setelah
bagian dalam yang parah Kesalahan cincin bantalan bergulir ditemukan pada
Mar.14, 2016, yang salah bagian ditunjukkan pada Gambar 7. Tabel 3
menunjukkan tanggal pengumpulan getaran. Analisis serupa dilakukan seperti
pada kasus # 1. Hasil penilaian dari entropi sampel, RMS, Crest dan Kurtosis
diilustrasikan pada Gambar 8-13 masing-masing. Karena entropi sampel pada
Mar.14, 2016 terlalu tinggi, maka tren sebelum dan sesudahnya tidak dapat
dilihat dengan jelas pada Gambar 8, sehingga Gambar 9 dan 10 diperbesar
untuk memberikan gambaran yang lebih baik tentang tren secara rinci. catatan:
sumbu vertikal Gambar 8-13 dalam makalah ini mewakili waktu dari nilai
minimum untuk setiap data yang dianalisis. Spektrum frekuensi getaran yang
diukur pada 31 Oktober 2015 diplot pada Gambar 14. Selanjutnya, angka
spektrum dari setiap tanggal dari tanggal 31 Mei 2015 sampai 16 Juli 2016
adalah juga ditunjukkan pada lampiran untuk mengetahui hubungan antara
entropi dan perubahan yang diamati pada spektrum.
Contoh entropi

Dari Gambar 8, nilai entropi sampel pada Mar.14th 2016 menunjukkan a

Kenaikan tajam dan jelas jauh lebih besar dari yang lain hari. Fenomena
ini membenarkan adanya kerusakan parah pada Turbin angin Nomor 15.
Karena itu, perawatan di tempat adalah dilakukan untuk mengganti
bearing. Dengan kejadian sial ini, sejarah Data terukur menjadi basis yang
berharga dimana saat bearing 15 Kesalahan dimulai dan berkembang
diselidiki. Kecuali untuk yang kewalahan Kenaikan tajam pada Mar.14
2016, juga ada peningkatan yang mencolok Dec.5th 2015 yang mungkin
disebabkan oleh terjadinya rolling bearing kesalahan. Dengan menganalisa
spektrum frekuensi getaran yang diukur Dec.05, 2015, kesalahan utama
konten frekuensi bantalan bergulir adalah diidentifikasi, lihat Gambar 14.
Dengan demikian, ini membuktikan prediksi sebelumnya terjadinya rolling
bearing faults. Selain itu, jika diperbesar di pemantauan tanggal 31 Mei
2015 sampai dengan Mar. 6 2016 pada Gambar 9, a Pola zig-zag serupa
muncul seperti yang ditemukan pada kasus sebelumnya # 1 pada turbin
angin Nomor 14. Hal tersebut menegaskan analisa sebelumnya bahwa
rolling bearing faults sedang berkembang. Selanjutnya, bantalan rolling
yang salah diganti yang baru dari 29 April 2016, bisa dilihat, di Gambar
10, bahwa nilai Entropi Sampel tetap stabil pada sekitar 1 ke 1.2. Indikator
statistik lainnya Dibandingkan dengan Entropi Sampel, indikator statistik
lainnya, pada Gambar 11, 12 dan 13, tidak menunjukkan tren yang jelas dengan
kemajuan kegagalan. Pada 22 Maret 2016, indikator statistik menunjukkan
peningkatan yang jelas atau penurunan disebabkan oleh perubahan operasi dan
bukan kesalahan pada saluran transmisi Sedangkan untuk kejadian seperti itu,
nilai sampelnya entropi hanya meningkatkan 0,03 kali yang dapat diabaikan.
Data acara nyata Analisis lebih lanjut membuktikan bahwa Entropi Sampel
tidak peka terhadapkondisi operasional Dalam kasus # 2, ketika kesalahan awal
bantalan terjadi pada 5 Desember 2015, Indikator statistik sekali lagi
memberikan kenaikan atau penurunan sepele (faktor puncak Turun sekitar 0,01
kali, kurtosis turun sekitar 0,1 kali, RMS meningkat sekitar 0,02 kali).
Sedangkan entropi sampel meningkat sekitar 17 kali dengan adanya bearing
failure. Gambar 11, 12 dan 13 mengatakan bahwa indikator statistik puncak,
kurtosis dan RMS kehilangan kemampuan mereka dalam deteksi kesalahan.
Dari tanggal 31 May 2015 sampai Jun.14, 2016, kecuali untuk perubahan
operasional pada 22 Februari 2016, 16 Indikator statistik tetap stabil. Ini
mengatakan bahwa mereka tidak sangat cocok untuk deteksi kesalahan dan
pemantauan rolling bearing di jalur transmisi turbin angin. Ringkasan singkat

Dari mempelajari kasus # 2, beberapa temuannya adalah,

1. Dibandingkan dengan indikator statistik domain waktu lainnya, sampel

entropi lagi menunjukkan kemampuan untuk menunjukkan terjadinya kesalahan
awal Dan dalam hal ini # 2, penggantian bantalan di tempat membuktikan
prediksi dengan getaran yang diukur secara historis.

2. Nilai tren dari entropi sampel menunjukkan zig-zag serupa bentuk seperti
yang ditemukan pada kasus # 1. Ini memverifikasi bahwa zig-zag Bentuknya
merupakan pengembangan dari bearing failure.

3. Sekali lagi, dengan bantuan analisis spektrum frekuensi, kemampuan entropi

sampel dalam mendeteksi bearing early fault dikonfirmasi.

4. Kesimpulan

Dalam tulisan ini, dari bidang nyata diukur analisis data, kemampuan Sampel
Entropi dalam menanggung kesalahan diagnosa turbin angin Jalur transmisi
ditunjukkan dan dievaluasi. Studi kasus sebenarnya mengatakan Sampel Entropi
harus digunakan dalam pemantauan getaran jalur transmisi turbin angin dan ini
merupakan indikator yang efektif untuk mendeteksi kesalahan bantalan awal
dan mencerminkan kemajuan kegagalan bantalan. Itu Pekerjaan masa depan
adalah membangun hubungan yang akurat antara nilai – nilai entropi sampel
dan derajat kegagalan bantalan dimana a Evaluasi kuantitatif bearing bisa
direalisasikan.