A hub bearing is connected to the suspension system of an automobile. Angular contact rolling bearings are usually used for automobile hub bearing because of resisting axial and radial load. Excessive loads and many other reasons can cause faults to be created and grown at each component in the bearing. Noise and vibration from the faults can diminish vehicle’s overall quality and reduce comfort. Therefore, we need to find the faults in the hub bearing as early as possible for preventing from noise and vibration. How early we can detect the faults has to do with how the detection algorithm finds the faults information from measured signal. The incipient faults size is so small that periodic signal is buried by operating noise in measured signal. To detect early faults signal in noise, we have to distinguish different characteristics between them. The bearing faults signal has deterministic feature in contrast with random noise. This information allows us to find the early faults regardless how much noise contaminates the signal. What we have interested is not a system characteristic information but periodicity of faults. Therefore, we observe the periodicity in quefrency domain for disregarding the system information. Minimum variance cepstrum(MVC), which is a power cepstrum using minimum variance algorithm, is introduced to estimate the periodicity. This paper shows how the method is good for detecting small faults from experiment of a hub bearing being equipped with an automobile. From the experiment, we found small faults at several bearings passed acceptance test. Moreover, we compared the result with other signal processing methods’ one- moving window, continuous wavelet analysis- for inspecting how effective the method is.
볼 베어링은 시스템의 하중을 지지 하면서 회전운동을 가능하게 하는 기계 요소이다. 과도한 반경 방향 혹은 축방향 하중 및 수많은 원인들은 베어링의 각 요소에 결함을 발생시키고, 그 결함을 성장시킨다. 볼 베어링의 각 요소에 결함이 존재할 때 발생하는 진동 및 소음 신호는 시스템의 신뢰감을 떨어뜨리고 불쾌감을 주므로 소음과 진동이 발생하기 전에 결함을 발견하는 것이 중요하다. 우리가 결함을 빨리 찾아내는 방법은 결함 검출 알고리즘이 측정한 신호로부터 결함에 대한 정보를 빨리 찾아내는 방법과 밀접한 관련이 있다. 조기 결함은 그 크기가 작기 때문에 결함 신호가 작동 잡음 등에 묻혀 관찰하기가 쉽지 않다. 노이즈 속에서 조기 결함을 찾기 위해서는 잡음과 결함 신호 특성의 차이를 이용해야 한다. 베어링의 결함 신호는 주기적인 임펄스열(impulse train)형태로 발생하지만, 잡음은 랜덤한 형태로 발생한다. 이러한 정보는 잡음 속에서도 우리가 베어링의 결함 정보를 찾을 수 있는 방법을 제공한다. 베어링의 결함을 검출하기 위해서는 결함에 의한 특성 주기만 찾으면 된다. 본 논문에서는 신호의 주기성 관찰에 효과적인 캡스트럼을 이용하여 큐프렌시 영역에서 신호의 주기성을 찾고자 한다. 이를 위해, 최소분산 알고리즘을 적용한 최소분산캡스트럼을 사용하여 잡음 속의 미세한 주기 신호 검출에 적용하였다. 최소분산캡스트럼의 조기 결함 검출 효과를 검증하기 위해서 미세한 결함을 가진 자동차 허브 베어링을 자동차에 장착한 상태에서 실험을 수행하였다. 그리고, 그 결과를 다른 결함 검출 방법들-복소포락방법, 이동창문함수 방법, 연속 웨이블릿 해석-과 비교하여 조기 결함 검출에 효과적임을 확인할 수 있었다.
