Bearing Fault Diagnosis under nonstationary regime applying vibration analysis

Reducing failures in machinery and equipment is the main objective of maintenance processes to increase production efficiency. Therefore, predictive maintenance processes seek to predict failures by detecting defective components. The bearing is the central component of studies for the development of failure detection systems, as bearing defects represent the main cause of failures in rotating machines. Diagnosing the presence of a defect and determining when to replace the bearing requires the installation of supervisory systems that, from sensors, collect data used to predict a failure. The diagnosis of defects in bearings is based on the analysis of the vibration signal, since mechanical defects change the vibration level. The High-Frequency Resonance (HFR) technique is one of the most widespread for diagnosing defects in bearings based on the analysis of the vibration signal, capable of identifying frequencies that characterize a failure. However, this technique is capable of diagnosing the defect only in vibration signals collected with constant rotational speed, being unable to detect defects on signals with variable rotational speed conditions, known as nonstationary signals. To solve this problem, this research proposes a strategy based on Generalized Demodulation, which cancels the effect of the nonstationary signal velocity variation. After applying this technique, it is possible to identify frequencies that characterize failures by applying the HFR technique to the demodulated signal. The experiments were performed on real and simulated data from defective bearings. The results induced that, knowing the speed variation curve of a signal in a nonstationary regime, it was possible to demodulate the signal and identify frequencies that characterize bearing failures.Reduzir falhas em máquinas e equipamentos é o principal objetivo dos processos de manutenção para aumento da eficiência produtiva. Para isso, os processos de manutenção preditiva buscam prever falhas por meio da detecção de componentes com defeito. O rolamento é o componente central de estudos para desenvolvimento de sistemas de detecção de falhas, visto que defeitos em rolamentos representam a principal causa de falhas em máquinas rotativas. Diagnosticar a presença de defeito e determinar o momento de substituição do rolamento exige a instalação de sistemas supervisórios que, a partir de sensores, coleta dados utilizados para prever a falha. O diagnóstico de defeitos em rolamentos é realizado a partir da análise do sinal de vibração, já que defeitos mecânicos alteram o nível de vibração. A técnica da Ressonância em Alta Frequência (HFR) é uma das mais difundidas para diagnóstico de defeitos em rolamentos a partir da análise do sinal de vibração, capaz de identificar frequências que caracterizam a falha. No entanto, essa técnica é capaz de diagnosticar o defeito apenas em sinais de vibração coletados com velocidade de rotação constante, sendo incapaz de detectar defeito em sinais com velocidade de rotação variável, conhecidos como sinais em regime não estacionário. Para resolver esse problema, esta pesquisa propõe uma estratégia baseada na Demodulação Generalizada, que anula o efeito da variação de velocidade do sinal em regime não estacionário. Após a aplicação desta técnica é possível identificar frequências que caracterizam a falha por meio da aplicação da técnica HFR no sinal demodulado. Os experimentos foram realizados em dados reais e simulados de rolamentos defeituosos. Os resultados mostraram que, conhecendo a curva de variação da velocidade de um sinal em regime não estacionário, foi possível demodular o sinal e identificar as frequências que caracterizam falhas no rolamento.1Nã