Acoustic Emission Analysis of Oil Film Regimes in Bearings

Abstract

Denne oppgaven undersøker effektiviteten for akustiske emisjoner (AE) sensorer til å overvåke smøre regimeovergangene i lagre. Gjennom en serie eksperimenter ble AE-data målt i form av RMS-verdier, brukt for å oppdage overgangspunktene mellom de forskjellige regimene. AE RMS-målingene ble deretter kryssreferert med filmtykkelsesparameteren λ for sammenligninger. Resultatene indikerte at AE RMS-topper stemmer overens med overgangen til regimeendringer, som i dette prosjektet antas å være regimeendringen fra blandet til grenseregime. Dette prosjektet demonstrerte en mer presis identifikasjon av regimeendringer sammenlignet med tradisjonelle empiriske modeller, som Hamrock og Dawsons filmtykkelseslikning. Korrelasjonen mellom AE RMS og regimeendringen med blandet regime ble ytterligere forbedret ved å justere overflateruhetsestimater basert på observerte AE RMS-trender. Dette muliggjorde en mulig vurdering av ruhetsutviklingen under testene. Disse funnene tyder på at AE-sensing gir en pålitelig og sensitiv metode for å identifisere endringer i smøreregimet i sanntid, og tilbyr potensialet for forbedret tilstandsovervåking i lagersystemer.

This thesis investigates the effectiveness of Acoustic Emission (AE) sensors in monitoring the lubrication regime transitions in bearings. Through a series of experiments, AE data, measured in terms of root mean square (RMS) values, was utilized to detect the transition points between the different regimes. The AE RMS measurements were then cross-referenced with the film thickness parameter, λ for comparisons. The results indicated that AE RMS peaks align with the transition of regime changes, which in this project is believed to be the regime change from mixed to boundary regime. This project demonstrated a more precise identification of regime changes compared to traditional empirical models, like the Hamrock and Dawson's film thickness equation. The correlation between AE RMS and the mixed-boundary regime change was further enhanced by adjusting surface roughness estimates based on observed AE RMS trends. This allowed for a possible live assessment of roughness evolution during the tests. These findings suggest that AE sensing provides a reliable and sensitive method for identifying lubrication regime changes in real time, offering the potential for improved condition monitoring in bearing systems.