Comportement fractal de l'escalator, troisième partie

Les valeurs de dimension fractale de deux escalators sont comparées dans cette avant-dernière entrée de la série.

par le Dr Ali Albadri

Cet article comparera les valeurs de dimension fractale (Df) de deux escalators : l'un exempt de tout défaut mécanique et l'autre avec un défaut mécanique. Comme notre précédente étude comparative (avec et sans passager)[1], cet article montrera si la défaillance mécanique peut être détectée en utilisant la technique d'estimation des valeurs Df. Quantifier le comportement d'un escalator lorsqu'il présente un défaut ou qu'il n'en contient pas peut offrir un grand avantage aux responsables de l'escalator. Cela les aidera à définir des indicateurs de niveau quantitatifs pour distinguer les escalators avec et sans problèmes. Ils permettront de définir un système de priorisation des plannings de maintenance en fonction des besoins des escalators. Les principes de la méthodologie utilisée dans cette étude peuvent être mis en œuvre dans tout autre produit mécanique ou électrique.

Introduction

Les escaliers mécaniques sont compliqués et précis. Ils se composent de composants et de sous-ensembles individuels qui interagissent les uns avec les autres pour produire un mouvement physique dans la bande de marches, qui est utilisée pour transporter les passagers d'un niveau à un autre dans un bâtiment.

Il est vital pour les sociétés de gestion d'actifs de maintenir les escaliers mécaniques en bon état de fonctionnement. Par conséquent, ils font de leur mieux pour adopter et déployer des plans de maintenance bien pensés permettant de réduire l'impact financier de la mise hors service des escaliers mécaniques. De plus, la frustration des passagers peut s'accumuler lorsque les utilisateurs doivent parcourir les 17-20 m de hauteur d'une unité si celle-ci est hors service.

Divers dispositifs de surveillance ont été utilisés pour surveiller des composants ou des sous-ensembles d'escaliers mécaniques individuels. Pour voir les signaux de ces appareils, il suffit d'aller plus loin que le panneau de commande de l'escalator. Ces systèmes de surveillance peuvent détecter les tendances avant et après une défaillance mécanique, aidant l'entreprise de maintenance à savoir quelles mesures prendre pour rétablir les tendances de défaillance à des tendances sans défaillance. Ceci est particulièrement utile avant la mise hors service de la machine. Cependant, les systèmes de surveillance se sont avérés coûteux et ont généralement eux-mêmes des coûts de maintenance élevés. Leur utilisation correcte nécessite des personnes formées qui peuvent faire des prédictions éclairées pour identifier les défaillances mécaniques.

La résilience des interactions mécaniques entre les composants et sous-ensembles mécaniques à l'intérieur d'un escalier mécanique dépend de la criticité de leur interaction mécanique. Comme tout réseau complexe, ces composants/sous-ensembles critiques peuvent agir comme des nœuds. Les défaillances de nœuds individuels critiques peuvent entraîner une défaillance catastrophique de l'ensemble du système mécanique, entraînant la mise hors service de l'escalier mécanique. Le point de basculement se développe lorsque de petits événements causent des problèmes mineurs dans les nœuds critiques. Ces problèmes mineurs se transforment au fil du temps en perturbations majeures, car ils sont difficiles à détecter par l'équipe de maintenance ou le système d'autosurveillance des escaliers mécaniques.

Une invention comme le smart step[2 & 3] peut résoudre tous les problèmes mentionnés ci-dessus à la fois. Le fonctionnement naturel de l'étape intelligente est qu'elle analyse bon nombre de ces nœuds critiques au cours de quelques cycles de fonctionnement de l'escalator. Nous avons mis au point une technique dérivée de la théorie du chaos et des systèmes complexes pour traiter les données de l'étape intelligente.[1 & 4] Il s'agit de traduire les données comme si elles étaient générées à partir d'un système non linéaire. Les interactions entre les composants et les sous-ensembles font qu'ils se comportent de manière non linéaire. Notre technique utilise Df comme valeur quantitative pour caractériser les performances opérationnelles d'un escalier mécanique. Nous avons présenté le potentiel d'une relation intéressante entre Df et le niveau de contrainte dans une bande de marches d'escalator.[4] Les valeurs de Df sont utilisées pour montrer l'effet du chargement des passagers sur les données mesurées de l'étape intelligente. Il a montré que les passagers créaient plus de pics et de creux dans le spectre des mesures, provoquant la
valeurs de Df à augmenter. Dans une autre étude, nous avons divisé le spectre complexe global en régions individuelles à l'intérieur de l'escalator.

Cela a prouvé que le Df global pour un escalier mécanique est la somme mathématique des valeurs Df des régions individuelles.[5]

Méthodologie utilisée pour déterminer Df

Comme nos études précédentes,[1 & 4] Df a été déterminé en utilisant la technique du pas de mise à l'échelle. La technique a également été utilisée par d'autres auteurs dans diverses applications.[6-11]

La marche intelligente de cette étude comporte deux jauges de contrainte, montées au niveau des composants critiques de la marche. La criticité et la sensibilité des composants de l'étape aux chargements mécaniques et aux niveaux de contraintes générés dans l'étape ont été évaluées en effectuant divers scénarios de chargement de simulation d'analyse par éléments finis.

L'étape intelligente a été exécutée pendant de courtes périodes dans deux escaliers mécaniques, A et B. Les figures 1 à 4 montrent les traces des données obtenues à partir des deux jauges de contrainte après avoir exécuté l'étape intelligente dans l'escalier mécanique A, puis B. Les analyses ont été effectuées lorsque les escaliers mécaniques étaient libres de chargement de passagers. Les figures 9 à 12 montrent les valeurs Df estimées pour les traces complètes des jauges de contrainte 1 et 2. Les valeurs estimées sont tabulées dans le tableau 1.

Résultats et discussion

Bien que la nature des traces des figures 5 et 7 puisse sembler plus grossière que les traces des figures 1 et 3, les variations relatives des spectres des figures 1 et 3 sont beaucoup plus élevées que celles des figures 5 et 7. En fait, les traces dans les figures 5 et 7 sont typiques d'un escalier mécanique exempt de tout défaut mécanique. Cependant, les figures 1 et 3 montrent que l'escalier mécanique A a un problème, qui devient évident lorsque les figures sont étudiées en détail (figures 2 et 4). La comparaison des figures 2 et 4 suggère que l'étape intelligente a été soumise à un niveau de contrainte plus élevé à la jauge de contrainte 1, par rapport à la jauge de contrainte 2, en particulier du côté retour. Le niveau de contrainte dépasse 100 MPa à la jauge de contrainte 1, comparé à 15 MPa à la jauge de contrainte 2. Les niveaux de contrainte mesurés dans l'escalator B n'ont pas dépassé 10-12 MPa dans les mesures des deux jauges de contrainte.

Un examen visuel a été effectué sur les deux escaliers mécaniques pour déterminer la raison des différences dans les données. Il a été constaté que les rampes de déchargement du côté retour de l'escalier mécanique A étaient complètement désalignées.

Les conséquences de ces résultats sont des niveaux de contrainte élevés enregistrés par la jauge de contrainte 1 et une rugosité élevée dans les traces de l'escalier roulant A, par rapport à celles de l'escalier roulant B. Ce comportement a été quantifié à l'aide des valeurs du concept de dimension fractale. Les valeurs Df de l'exécution de l'étape intelligente dans l'escalier mécanique A sont supérieures aux valeurs Df des traces, qui ont été obtenues en exécutant l'étape intelligente dans l'escalier mécanique B. Le tableau 1 montre comment les deux jauges 1 et 2 ont produit exactement le même Df pour l'escalier mécanique. B.

Conclusions

Cette étude a prouvé que Df peut être utilisé pour quantifier les comportements des escaliers mécaniques, qu'ils présentent ou non des défauts mécaniques. L'escalator avec un défaut mécanique produit des traces de mesures plus grossières, avec des valeurs Df plus élevées par rapport à celles de l'escalator exempt de tout défaut. Df augmente d'environ 3.6%. Il est également intéressant de noter que les Df estimées pour les deux jauges de contrainte sont les mêmes, 1.569, pour l'escalier mécanique B, qui est exempt de tout défaut mécanique. Cela implique que les valeurs Df sont indépendantes de l'emplacement des jauges de contrainte dans la marche lorsque la marche intelligente est exécutée dans un escalier mécanique exempt de tout défaut mécanique.

Références
[1] A. Albadri. "Comportement fractal de l'escalator, deuxième partie", ELEVATOR WORLD, Décembre 2020.
[2] A. Albadri. « Tube Lines devient intelligent pour surveiller l'usure des escaliers mécaniques », Computer Weekly (07/01/2008).
[3] A. Albadri. « Smart Step mesure les battements de cœur des escalators », EW, septembre 2020[4]. A. Albadri. « Escalator Fractal Behavior, Part One », EW, octobre 2020.
[5] Francis C. Moon, « Dynamique et chaos dans les processus de fabrication »,
Série Wiley en sciences non linéaires, 1998.
[6] Athanasia Zlatintsi, « Analyse fractale multi-échelle des signaux d'instruments de musique avec application à la reconnaissance », Institut des ingénieurs électriciens et électroniciens (IEEE) Transactions of Audio Speech and Language Processing Vol. 21, n° 4, avril 2013.
[7] JD Victor. « La dimension fractale d'un test d'impacts de signal pour la procédure d'identification du système », Biological Cybernetics 57, p. 421-426 (1987).
[8] Chang-Ting Shi. « Reconnaissance de modèles de signaux basée sur des caractéristiques fractales et l'apprentissage automatique », Applied Sciences 8, p. 1,327 2018 (XNUMX).
[9] Dumitru Scheianu et Ion Tutanescu, Université de Pitesti,
Département de l'électronique, des communications et de l'informatique.
[10] P. Marago et A. Potamianos. « Dimensions fractales des sons de la parole : calcul et application à la reconnaissance automatique de la parole », Journal of Acoustical Society of America n° 195 (3), mars 1999.
[11] RH Riedi, MS Crouse, VJ Ribeiro et RG Baraniuk, « Un modèle d'onde multifractale avec application au trafic réseau », Transactions IEEE sur la théorie de l'information, vol. 45, n° 3, avril 1999.