Comportamento frattale delle scale mobili, parte quarta
By Dott. Ali Albadri | Manutenzione | 1 febbraio 2021
6 minuti di lettura
I dati relativi ai passi intelligenti sono stati suddivisi in quattro regioni di percorso e per ciascuna è stata calcolata la dimensione frattale (Df) utilizzando una tecnica di scalatura implementata in Excel, simile al metodo della lunghezza multirisoluzione. I risultati confermano che la Df complessiva è pari alla semplice somma dei valori Df regionali e mostrano che la scala mobile A con un difetto meccanico ha prodotto valori Df più elevati rispetto alla scala mobile B priva di difetti, con il maggiore incremento nella regione di salita del ritorno, legato al disallineamento delle rampe di scarico del carico sul lato di ritorno. La quantificazione dei valori Df parziali consente di localizzare e caratterizzare le sollecitazioni e i guasti meccanici, offrendo un approccio diagnostico quantitativo e portatile applicabile ad altri sistemi meccanici ed elettrici.
La conclusione della serie descrive l'implementazione del concetto di frattale e dei suoi valori parziali in correlazione alle prestazioni meccaniche e alla disponibilità delle scale mobili per il servizio passeggeri.
La terza parte di questa serie[1] ha stabilito che il comportamento di una scala mobile con un difetto meccanico può essere quantificato rispetto al comportamento di un'altra scala mobile senza un difetto meccanico
difetto. Il concetto della dimensione frattale (Df) è stato stimato per quantificare i dati ricodificati dal gradino intelligente nelle due scale mobili.[3 e 4] Questo articolo approfondisce le tracce registrate nello studio precedente[1] dividendo la lunghezza di viaggio del gradino intelligente all'interno della scala mobile in quattro regioni. È stato determinato il valore Df di ciascuna regione, come in precedenza
stabilito che il valore complessivo di Df è il prodotto della semplice somma matematica dei valori di Df delle singole regioni.[5 & 6]
Lo studio in questo articolo ribadisce di nuovo il fatto di cui sopra. Inoltre, confronta due scenari operativi per una scala mobile con e senza un difetto meccanico. Il vantaggio alla base dell'adozione di tale metodologia consiste nell'aiutare i manutentori a diagnosticare quantitativamente i tipi di guasto, nonché a identificare la posizione del difetto nella macchina. Questi principi e fondamenti possono essere applicati non solo alle scale mobili, ma a qualsiasi sistema meccanico o elettrico.
Introduzione
Finora, utilizzando il passaggio intelligente e i dati da esso, abbiamo esaminato e stabilito quanto segue:
- Lo smart step è un eccellente strumento di rilevamento per scale mobili che registra e stabilisce l'impronta digitale del funzionamento di una scala mobile.[4]
- I dati del passaggio intelligente sono ripetibili e coerenti.[4]
- Abbiamo implementato il concetto Df per quantificare il comportamento meccanico di una scala mobile.[5]
- L'impatto dei passeggeri sul comportamento di una scala mobile può essere quantificato utilizzando il concetto Df.[5 e 6]
La lunghezza della corsa di un ciclo per il gradino intelligente in una scala mobile può essere suddivisa in singole regioni. Il Df del comportamento complessivo di una traccia per una scala mobile è pari alla somma matematica dei valori Df delle singole regioni di quella scala mobile.
Questo articolo ribadirà i punti 4 e 5 stabilendo che i difetti meccanici possono essere rilevati e quantificati utilizzando il concetto Df. Inoltre, il valore Df complessivo per una scala mobile con un difetto meccanico è uguale alla semplice somma matematica dei valori Df delle singole regioni in quella scala mobile.
Metodologia utilizzata per determinare Df
La tecnica dello scaling step è stata nuovamente utilizzata per determinare Df. Un programma per computer è stato scritto in Microsoft Excel per determinare Df e tracciare i dati. La nostra metodologia è molto simile al metodo della lunghezza multirisoluzione, che è stato utilizzato da molti ricercatori.[7 & 9-12]
La terza parte di questa serie ha mostrato che i dati sono stati raccolti da un gradino intelligente che ha un estensimetro su ciascun lato (sinistro e destro) del gradino. Il gradino è stato eseguito in due scale mobili, A e B. È stato stabilito che la scala mobile A aveva un difetto meccanico. Ogni traccia per ogni estensimetro è stata divisa in quattro regioni (Figura 1):
- regione D superiore
- Principale regione inclinata
- regione D inferiore
- Inclinazione di ritorno
“D” è usato per indicare le fasi di transizione nella fascia di passo dal lato principale al lato di ritorno e dal lato di ritorno al lato principale. La figura 2 mostra come la traccia dell'estensimetro 1, ad esempio, è stata suddivisa nelle quattro regioni. Il valore Df è stato calcolato per ciascuna regione.
Risultati e discussione
I valori Df di tutte e quattro le regioni divise sono stati determinati per le corse nelle scale mobili A e B (Figura 3) ed elencati nelle Tabelle 1 e 2. I risultati nelle Tabelle 1 e 2 confermano che il valore Df per la traccia complessiva della scala mobile A o B è uguale alla semplice somma matematica dei valori Df delle singole regioni.
Il confronto dei valori Df nelle Tabelle 1 e 2 mostra che i valori stimati prodotti dalla scala mobile A sono superiori a quelli prodotti dalla scala mobile B. Il valore Df più alto registrato nella Tabella 1 è nella regione dell'inclinazione di ritorno. Questo risultato concorda con i nostri precedenti risultati nella parte 3 e conferma le indagini visive che abbiamo condotto su entrambe le scale mobili. Il disallineamento delle rampe di scarico del carico sul lato di ritorno è la causa dell'aumento del valore Df.
Conclusioni
In questo studio si può trarre una conclusione importante: i valori parziali di Df possono essere determinati separatamente e le loro quantità possono essere utilizzate per identificare se una macchina come una scala mobile è priva di difetti. C'è anche un'ottima possibilità di correlare i valori di Df al livello di stress, che si genera nel componente critico della struttura del gradino.
Referenze
[1] A. Albadri. “Comportamento frattale delle scale mobili, terza parte”, ELEVATOR WORLD, gennaio 2021.
[2] A. Albadri. "Comportamento frattale delle scale mobili, seconda parte", EW, dicembre 2020.
[3] A. Albadri. "Le linee di tubi diventano intelligenti per monitorare l'usura delle scale mobili", Computer Weekly (07/01/2008).
[4] A. Albadri. "Smart Step misura i battiti cardiaci delle scale mobili", EW, settembre 2020.
[5] A. Albadri. "Comportamento frattale delle scale mobili, prima parte", EW, ottobre 2020.
[6] JD Victor. "La dimensione frattale di un test di impatto del segnale per la procedura di identificazione del sistema, Cibernetica biologica 57, p. 421-426 (1987).
[7] Francesco C. Luna. "Dinamica e caos nei processi di produzione", Wiley Series in Nonlinear Science (1998).
[8] Athanasia Zlatintsi. "Analisi frattale multiscala di segnali di strumenti musicali con applicazione al riconoscimento", Istituzione di ingegneri elettrici ed elettronici (IEEE) Transazioni di elaborazione del parlato e del linguaggio audio vol. 21, n. 4, aprile 2013.
[9] Chang-Ting Shi. "Riconoscimento del modello di segnale basato su caratteristiche frattali e apprendimento automatico", Scienze applicate 8, p. 1327 (2018).
[10] Dumitru Scheianu e Ion Tutanescu, Università di Pitesti, Dipartimento di Elettronica, Comunicazioni e Computer.
[11] P. Marago e A. Potamianos. "Dimensioni frattali dei suoni vocali: calcolo e applicazione al riconoscimento vocale automatico", Journal of Acoustical Society of America, n. 195 (3), marzo 1999.
[12] RH Riedi, MS Crouse, VJ Ribeiro e RG Baraniuk. "Un modello d'onda multifrattale con applicazione al traffico di rete", Transazioni IEEE sulla teoria dell'informazione vol. 45, n. 3, aprile 1999.
ALTRO DALLA CATEGORIA
NOTIZIE DEL GIORNO