การพัฒนาการวัดการสั่นสะเทือนโดยใช้เทคโนโลยีวิชั่นสำหรับการทดสอบในห้องปฏิบัติการ
Article Sidebar
Main Article Content
บทคัดย่อ
เทคโนโลยีทางด้านการวัดการสั่นสะเทือนซึ่งปัจจุบันนิยมใช้เครื่องมือวัดหรือเซนเซอร์ซึ่งเทคโนโลยีดังกล่าวเหมาะสำหรับการวัด
การสั่นสะเทือนที่ต้องการได้รับความแม่นยำสูงโดยในทางวิศวกรรมมีงานวัดการสั่นสะเทือนบางประเภทงานไม่มีความจำเป็นต้องการ
ความแม่นยำสูง เช่น การวัดการสั่นสะเทือนของโครงสร้าง หรือโครงสร้างอื่น ๆ ที่มีการเผื่อค่าความปลอดภัยที่สูง และเทคโนโลยี
การสั่นสะเทือนโดยใช้เทคโนโลยีวิชั่นเซนเซอร์ (Vision-Based Sensors) เป็นเทคโนโลยีที่ไม่จำเป็นต้องสร้างเครื่องมือวัดเพื่อลดการใช้ทรัพยากรต่าง ๆ เป็นทางเลือกที่เหมาะสม โดยงานวิจัยนี้ได้ศึกษา เทคโนโลยีการพัฒนาการวัดการสั่นสะเทือนโดยใช้เทคโนโลยีวิชั่นเซนเซอร์เปรียบเทียบกับเครื่องวัดความเร่งสำหรับการทดสอบในห้องปฏิบัติการ ทำการทดสอบที่รอบมอเตอร์ 1,010 ± 15 RPM สำหรับการสร้าง
การสั่นสะเทือนแบบบังคับ และใส่ลูกตุ้มถ่วงที่น้ำหนัก (Mass of motor with disc) เท่ากับ 6.735 กก. (0 ก.), 7.135 กก. (400 ก.), 7.535 กก. (800 ก.), 7.935 กก. (1,200 ก.), 8.335 กก. (1,600 ก.) และ 8.735 กก. (2,000 ก.) ผลการทดลอง พบว่า ความถี่ธรรมชาติเปรียบเทียบแล้วนั้น จะอยู่ในช่วงระหว่าง 5.12 – 5.27 Hz ซึ่งค่าเปอร์เซ็นต์ความคลาดเคลื่อนสูงสุดระหว่างวิชั่นเซนเซอร์ กับเครื่องวัดความเร่งมีค่าสูงสุด 1.68%, 1.65%, 1.74%, 1.98%, 2.14% และ 1.52% ตามลำดับ และมีค่าเปอร์เซ็นต์ความคลาดเคลื่อนค่าที่ยอมรับได้ไม่เกิน 5%
Article Details
เอกสารอ้างอิง
Hu, H., Wei, J., Wang, H., Xiao, P., Zeng, Y., & Liu, K. Analysis of the Notch Filter Insertion Position for Natural Frequency Vibration Suppression in a Magnetic Suspended Flywheel Energy Storage System In Actuators. Advanced Theory and Application of Magnetic Actuators. 2023; 12(1): p.22. Available from: https://www.mdpi.com /2076-0825/12/1/22 [Accessed 22 July 2023].
Zhang, C., Kordestani, H., & Shadabfar, M.
A combined review of vibration control strategies for high-speed trains and railway infrastructures: Challenges and solutions. Journal of Low Frequency Noise Vibration and Active Control. 2023; 42(1): p. 272-291. Available from:https://www.researchgate.net/publication/364174413_A_combined_review_of_vibration_control_strategies_for_highspeed_trains_and_railway_infrastructures_Challenges_and_solutions [Accessed 22 July 2023].
W.Kunghun, A.Tantrapiwat. Development of a Vision Based Mapping in Rubber Tree Orchard. In : Proceedings of The 4th International Conference on Engineering, Applied Sciences and Technology (ICEAST) (IEEE):Thailand; 2018. p. 206-209.
Son K.S., Jeon H.S., Park J.H., & Park J.W. Vibration displacement measurement technology for cylindrical structures using camera images. Nuclear Engineering and Technology. 2015; 47(4): p. 488-499. Available from:https://www.sciencedirect.com/science/article/pii/S1738573315000844 [Accessed 22 July 2023].
Lydon, D., Lydon, M., Del Rincon, J. M., Taylor, S. E., Robinson, D., O’Brien, E., & Catbas, F. N. Development and field testing of a time-synchronized system for multi-point displacement calculation using low-cost wireless vision-based sensors. IEEE Sensors Journal. 2018; 18(23): p. 9744-9754. Available from:https://ieeexplore.ieee.org/ielaam/7361/8533451/8405566-aam.pdf?tag=1[Accessed 15 July 2023].
Bagga, P. J., Patel, K. M., Makhesana, M. A., Şirin, Ş., Khanna, N., Krolczyk, G. M., & Chauhan, K. C. Machine vision-based gradient-boosted tree and support vector regression for tool life prediction in turning. The International Journal of Advanced Manufacturing Technology. 2023 ; 126(1-2): p.471-485. Available from: file:///C:/Users/Dr.Worawut%20K/Downloads/Machine_vision-based_gradient-boosted_tree_and _sup.pdf [Accessed 18 July 2023].
Ravipati, A., Kondamuri, R. K., & Posonia, M. Vision Based Detection and Analysis of Human Activities. In : International Conference on Trends in Electronics and Informatics (ICOEI) (IEEE) : India; 2023, p. 1542-1547.
Martini, A., Tronci, E. M., Feng, M. Q., & Leung, R. Y. A computer vision-based method for bridge model updating using displacement influence lines. Engineering Structures. 2022; 259 (2022) : p.114129. Available from: https: //www.sciencedirect.com/science/article/pii/S0141029622002656 [Accessed 2 July 2023].
Huo, L., Mao, J., San, H., Wang, S., & Li, R.. A New Benchmark for Vibration Displacement Detection of Rotor. In : IEEE Transactions on Instrumentation and Measurement. :Malaysia; 2023. p. 3515711.
Miaomin Wang, Ki-Young Koo, Chunyu Liu, Fuyou Xu. Development of a low-cost vision-based real-time displacement system using Raspberry Pi. Engineering Structures.2023; 278(2023): p.115493. Available from: https://www.sciencedirect.com/science/article/pii/S0141029622015693 [Accessed 2 July 2023].
Yitian Han, Gang Wu, Dongming Feng. Structural modal identification using a portable laser-and-camera measurement system. Measurement. 2023; 214(2023): p.112768. Available from: https://www.sciencedirect.com/science/article/ pii/S0263224123003329 [Accessed 2 July 2023].
R. Hartley, A. Zisserman. Multiple View Geometry in Computer Vision Second Edition : Cambridge University Press; 2003.
E. Trucco, A. Verri. Introductory techniques for 3-D computer vision Second Edition : Prentice Hall; 1998.
Dongming Feng, Thomas Scarangello, Feng, Thomas Scarangello, Qi Ye . Cable tension force estimate using novel noncontact vision-based sensor. Measurement. 2016; 99(2017): p.44-52. Available from: https://www.sciencedirect.com /science/article/pii/S0263224116307138 [Accessed 2 July 2023].
