Yürüyen Merdiven Fraktal Davranışı, İkinci Bölüm

Yolcu hizmeti için yürüyen merdivenlerin mekanik performansı ve kullanılabilirliği ile bağlantılı olarak fraktal kavramının konuşlandırılması üzerine ileri çalışmalar

Bu dizinin birinci bölümü[3], yürüyen merdivende yolcu yüklemesinin etkisi olmadan çalıştırılan akıllı adımdan toplanan verilerin fraktal yapısını ve davranışını göstermiş ve kanıtlamıştır.[1 & 2] Sistematik, tutarlılık ve tekrarlanabilirlik özellikleri. veriler, fraktal desenlere ve özelliklere sahip olduklarını kanıtlamıştır.[2] Fraktal değerler, yürüyen merdiven parmak izlerini normal ve normal sürüş sırasında tanımak için bir araç olarak kullanılabilir.
normal çalışma koşulları. Normal çalışma koşulları kullanım sırasında kendini gösterebilir. Örnekler, mekanik sistemdeki bileşenlerin mekanik olarak bozulması veya mekanik bir arızadır.
Bu makale, yolcu yüklemesinin akıllı adımdan elde edilen verilerin fraktal yapısı üzerindeki etkisini gösterecektir. Serbest yükleme durumuna kıyasla yolcu yüklemesi sırasında yürüyen merdiven davranışını gösterecektir. Bu makalenin yanıtlamaya çalıştığı temel unsur, “Bölüm 1'de oluşturulan fraktal davranış modeli, yolcu yükleme etkisi olduğunda değişir mi?” Bu çalışma, “Evet; desenler ve sinyal profilleri, yüksüz koşullara kıyasla %3-10 oranında değişir. Beklendiği gibi, sinyal profilindeki ana değişiklik yürüyen merdivenin ana yolcu tarafındadır.
Zaman içinde makinelerden gelen bir dizi veri izinin analizinin derin bir geçmişi vardır. Bir makinedeki çeşitli parametrelerin tarihsel eğilimlerini zamana karşı incelemek, makinenin karmaşık yapısını ve davranışını gösterir. Daha da önemlisi, bu geçmiş, makine davranışı aşınma ve yıpranma veya mekanik arızalar nedeniyle zamanla değiştiğinden, tasarımcılara ve bakımcılara makinenin mekanizmalarıyla dinamik bir şekilde ilgilenme konusunda rehberlik edebilir.

Davranışlara ve Kalıplara Bilimsel, Sistematik Bir Bakış

Bir yürüyen merdivenin güvenli bir şekilde çalışması için gereken karmaşıklık ve doğru kuruluma rağmen, yürüyen merdiven davranışları ve kalıpları hiçbir zaman bilimsel ve sistematik bir şekilde incelenmemiştir. Son 10 yıldır akıllı adımlarımızla bu kültürü değiştirmeye çalışıyoruz. Daha önceki yayınlarda[1-3] akıllı adımdan elde edilen verilerin tutarlı, sistematik ve tekrarlanabilir olma modeline sahip olduğunu belirtmiştik. Veriler, örneğin yürüyen merdiven B ile karşılaştırıldığında, yürüyen merdiven A'nın tasarım kalitesi ve çalışma modeli için bir parmak izi göstergesi görevi görebilir.
Başka bir çalışmada[3] farklı izler için fraktal boyut (Df) değerlerini belirledik. Df değerleri, belirli bir yürüyen merdiven tasarımının ne kadar düzgün ve stresli olduğunu veya bir bakım rejiminin ne kadar iyi veya kötü olduğunu belirlemek için kullanılabilir. Akıllı adımdan üretilen stres seviyeleri ve Df değerleri arasında gösterge niteliğinde doğrusal ilişkiler türetilmiştir. Bu stresler, yürüyen merdivendeki potansiyel mekanik sorunlar veya arızalarla ilişkilendirilebilir. Benzer prensipler diğer mekanik makinelerde veya elektronik tertibatlarda kullanılabilir.
Elektronik ürünlerden ve düzeneklerden izleri incelemenin temelleri yeni değil. Birçok yayın[4-7] elektronik düzeneklerden ve ürünlerden gelen sinyallerin fraktal doğasını keşfetmeye çalıştı. Bu çalışmaların amacı, bu sistemlerin davranışlarını fraktal modellerde ölçmek için verimli ve etkili dijital çıkış sinyalleri geliştirmekti. Fraktal modeller, özellikle bir bilgisayar veri ağı ile ilgili olarak, iletişim alanında büyük bir etki yarattı. Birkaç çalışma, ağ trafiği yüklerinin fraktal özellikler sergilediğini göstermiştir.[7-9] Daha sonra, yolcu yüklemesi düşünüldüğünde akıllı adımdan elde edilen verilerin fraktal yapısını anlamaya devam edeceğiz.

Df'yi Belirlemek için Kullanılan Metodoloji

Önceki çalışmamıza göre,[3] burada Df'yi belirlemek için ölçekleme adımı tekniği kullanılmıştır. Df'yi belirlemek ve verileri çizmek için Microsoft Excel'de bir bilgisayar programı yazılmıştır. Metodolojimiz, birçok araştırmacı tarafından kullanılan Çoklu Çözünürlük Uzunluk Metodu'na çok benzer.[10-12]
Zaman serilerindeki adımlar (s) = {s(0), s(1), s(2), s (3), . . .s(n)} izin uzunluğu n. i = 1, 2, 3, olduğunda çizimdeki her nokta (xi, yi) ile temsil edilir. . .n. xi değerleri apsis ve yi değerleri ordinat değerleridir. İki nokta (x1, y1) ve (x2, y2) arasındaki Öklid mesafesi:
dist(s1, s2) = ((x1 - x2)2 + (y1 - y2)2)0.5 (1)
İlk çözünürlüğün eğrisinin toplam uzunluğu şu şekilde hesaplanır:
L = I = 1∑n - 1 dist(si, si + 1) (2)
Çözünürlük daha kaba hale geldikçe, zaman serisinin tahmini uzunluğunun daha az doğru olduğu not edilir. Farklı çözünürlükler için yukarıdakileri tekrarlayın (r) = r1, r2, r3, r4, . . .rp, burada rp, eğrinin uzunluğunun hesaplandığı maksimum kaba çözünürlüktür. (Lr)'ye karşı bir log-log grafiği (1/rk) çizerek ve eğimi hesaplayarak, Df şu şekilde hesaplanır:
Df - 1) = -[log(Lr)/log(1/rk)] = -[eğim] (3)
Yeni, tamamen yenilenmiş bir yürüyen merdivende koşmak için akıllı bir adım oluşturuldu. Yürüyen merdiven yolcu yüklemesi ile çalıştırıldı. Yolcu yoğunluğu yüksek değildi. Adımda farklı yerlere sekiz gerinim ölçer monte edildi (Şekil 1). Adım için bir 3D model üzerinde sonlu elemanlar analizi simülasyonu yapıldıktan sonra, mastarlar adımdaki kritik noktalara yerleştirildi. Basamak, BS EN 115 standardındaki tavsiyelere göre eksenel, burulma ve zincir diferansiyel testleri ile yüklendi.

Sonuçlar ve tartışma

Şekil 2, yürüyen merdiveni 15 dakikadan fazla çalıştırdıktan sonra akıllı adımdan indirilen dokuz gerinim ölçer için izlerin verilerini göstermektedir. Ne yazık ki, gerinim ölçer 2 bir arıza geliştirdi; bu nedenle, bu göstergeden gelen veriler yok sayılır. Yolcu yüklemesi nedeniyle, izlerin çoğunda (hepsi değilse de), yürüyen merdivenin ana tarafında bazı tepe noktaları oluştu. Bu pik gerilimler, yürüyen veya basamakta duran yolculardan kaynaklanmaktadır.
Deneme sırasında yolcu yoğunluğu düşüktü. Düşük yolcu yoğunluğuna sahip bir yürüyen merdiven seçildi çünkü yorumlanması zor olabilecek sinyaller yaratan gürültüler istemedik. Düşük yoğunlukta bile, yolcu yükünün etkisi, özellikle yürüyen merdivenin ana tarafında, adımdan üretilen sinyalleri/izleri desen ve görünüm açısından daha pürüzlü hale getirdi.
Bu nedenle, yolcu yüklemesi sırasında Df değerleri, serbest yüklenen yürüyen merdivenlere göre daha yüksektir (Tablo 1).

Yolcu yüklemesi sırasında Df ve stres seviyeleri arasında bir ilişkinin tezahürünü görmemek şaşırtıcı değildir (Şekil 4). Bunun nedeni, yolcu davranışındaki (hızlı veya yavaş, yürüme veya ayakta durma), ağırlıklar, dağılım (uygulanan yükün konumu) vb. yolcu yükleme Bununla birlikte, yüksek yolcu yoğunluğu gibi diğer birçok değişkeni doğrulamak için daha fazla çalışma yapılacaktır.

Genel İzlerde/Sinyallerde Multifraktal Boyut Değerleri

Sinyal verilerinin fraktal yapısını ve özelliklerini kanıtladığımıza göre, makinelerin gerçek tasarım davranışını keşfetmek ve anlamak ve onlar için gerekli bakım rejimlerini tahmin etmek için çalışmalarımızın ilkelerini ve metodolojisini kullanabiliriz. Buradaki girişimimiz, belirli bir izin her bir Df değerinin birden çok kısmi Df değerinden oluşup oluşmadığını keşfetmek için şimdiye kadar topladığımız verileri kullanmaktır. İlk olarak, bu kısmi Df değerlerinin, genel bir izin belirli bir Df değerinin toplam değerini üretmek için toplama ve ortalama alma gibi basit matematiksel işlemlerle kontrol edilip edilmediğini belirleyeceğiz. Bu derinlemesine bakış, araştırmacıların yürüyen merdiven gibi bir makinenin mekanik sistemindeki belirli bir bölgeye veya konuma odaklanmasına yardımcı olacaktır.
Bu çalışma, yürüyen merdivende çalıştırıldıktan sonra akıllı adımdan toplanan genel iz/sinyallerde çok fraktal boyut değerlerinin olup olmadığını keşfetmeye çalışacaktır. Bir vaka yolcu yüklemesiz, bir vaka ise yolcu yüklemeli olacaktır. Benzer fikirler, frezeleme ve sıyırma atölyesi makineleri gibi makinelerin doğrusal olmayan davranışlarının incelenmesi için denenmiştir.[6] Ek olarak, çoklu zaman ölçeklerinde müzik sinyalleri incelenmiştir. Sonuçları, çok ölçekli Df konseptini önermekti. Yöntemleri ve önerileri, müzik sinyali analizi için umut verici görünüyordu.[6]

Bildiğimiz kadarıyla, başka hiçbir referans, çoklu kısmi Df değeri kavramını bu araştırmada benimsenen şekilde açıklığa kavuşturup benimsememektedir. Buradaki yaklaşımımızın, tasarımcıların ve araştırmacıların zihinlerini makinelerin performansını ve güvenilirliğini geliştirmeye odaklayacağına inanıyoruz. Genel veri izlerindeki yerel bölgeler, Df konsepti kullanılarak derinlemesine incelenebilir. Daha sonra tasarımcılara yardımcı olacak bir teşhis aracı olarak çalışabilir ve
bakımcılar, makinelerini nitelendirerek.

Df'yi Belirlemek için Kullanılan Metodoloji

Df'yi belirlemek için ölçekleme adımı tekniği kullanılmıştır. Df'yi belirlemek ve verileri çizmek için Microsoft Excel'de bir bilgisayar programı yazılmıştır. Metodolojimiz, birçok araştırmacı tarafından kullanılan Çoklu Çözünürlük Uzunluğu Yöntemine çok benzer.[4 & 7-10]
Df değerlerini belirlemek ve akıllı adımdan ham verileri/ölçüleri elde etmek için kullanılan teknikler derinlemesine açıklanmıştır.[2-3] Her bir gerinim ölçer için her iz dört bölgeye ayrılmıştır: üst D bölgesi, dönüş eğim bölgesi, alt D bölgesi ve ana eğim (Şekil 5). (“D”, ana taraftan dönüş taraflarına ve dönüşten ana tarafa adım bandındaki geçiş aşamalarını belirtmek için kullanılır.) Şekil 6, örneğin, gerinim ölçer 7'den gelen izin nasıl bölündüğünü gösterir. dört bölge. Her bölge için df hesaplandı. Ölçümler yine yürüyen merdivende yolcu yükü yokken ve yolcu yüklüyken alındı.

Sonuçlar ve tartışma

Tablo 2 ve 3, serbest yolcu yüklemesi ve yolcu yüklemesi sırasında önceki çalışmalardan elde edilen ölçülen veriler için tahmini Df'yi göstermektedir.[3] Tablolar, yürüyen merdivendeki her bölgenin kendi Df değerine sahip olduğunu göstermektedir. Her bölgenin değeri, o bölgedeki ve çevresindeki diğer bileşenleri ve alt montajları dikkate alarak o bölgenin doğasını, basitliğini veya karmaşıklığını yansıtır. Değer, özellikle incelenen bölgede makinenin sağlığını belirlemek için bir gösterge veya referans olarak kullanılabilir.
Tablo 2 ve 3'teki en ilginç bulgu, toplam Df değerini değerlendirmede toplama ve ortalama alma tekniğinin kısmi Df değerleriyle iyi çalışmasıdır. Bu tekniğin yürüyen merdivenin (veya herhangi bir makinenin) sağlığını belirlemede büyük faydaları vardır. Tasarımcılar ve bakımcılar gibi araştırmacıların bir makinedeki tek tek bileşenlerin ve alt montajların alt davranışlarını ölçmesine ve bunları genel Df değeri ve genel izin şekliyle karşılaştırmasına olanak tanır.

Sonuç

Yolcu yüklemesi sırasında akıllı adımın çalıştırılması, sistematik, tekrarlanabilir ve tutarlı iz kalıpları üretti, ancak yolcu yüklemesi sırasında yürüyen merdivenin ana tarafında daha fazla ve daha yüksek tepe noktaları şeklindeki sinyal şekillerinde bazı varyasyonlar (yolcu yüklemesinin olmamasına kıyasla) ). İzlerin genel desenleri görünüşte daha pürüzlüdür. Yolcu yüklemesi sırasındaki Df değerleri, yolcusuz yürüyen merdivenlerin Df değerlerine göre %3-10 artış göstermiştir.
Yolcu yükleme ve davranışındaki değişkenlikler nedeniyle, adımda oluşan Df değerleri ile stres seviyeleri arasında bir ilişki yoktur. Yolcu yüklemesi olmayan bir yürüyen merdiven için böyle bir arsa kullanmak sadece adil. Ancak o zaman arsa, yürüyen merdivenin içinde mekanik olarak neler olup bittiğinin gerçek bir yansımasını gösterecek.
Yürüyen merdiven gibi belirli bir makinedeki bireysel konumlar için kısmi Df değerlerinin ölçülmesi, tasarımcılara ve bakımcılara makinelerini nicelleştirme ve ardından nitelendirme konusunda birçok avantaj sunar. Bu çalışma, bireysel kısmi Df değerlerinin, makinenin yerel davranışının gerçek bir yansımasını verebileceğini kanıtlamıştır.
Makinedeki bireysel konumların kısmi Df değerlerinin eklenmesi ve ardından ortalamasının alınması, tüm makine için genel Df değerini sağlar.