This thesis is an investigation of possible applications for a low cost non-contact magnetic rotational position sensor. A single stage gearbox operating spur gears was instrumented with these sensors along with typical optical encoders. These rotational position devices were used independently to measure gearbox Transmission Error (TE) during operation. Basic filtering techniques were used to condition the TE so that localized faults were observable. Characteristic feature extraction on the TE using RMS, Kurtosis and Crest Factor was used to quantify gearbox dynamics. These features were able to measure dynamic changes in gearbox health, such as wearing in the gears or the progression of a fault resulting in full tooth failure. These sensor attributes are ideal for machine condition monitoring applications where catastrophic failure can be forewarned by incipient fault detection. / Thesis (Master, Mechanical and Materials Engineering) -- Queen's University, 2010-10-12 17:21:13.125

Early failure detection has been an integral part of condition monitoring of critical systems, such as wind turbines and helicopter rotor drivetrains. An unexplored application of early failure detection is fatigue testing of driveline components. On many occasions, driveline components fail catastrophically, leaving no evidence of the root cause of failure and causing extensive damage to test equipment. This can be prevented by detecting failure in its early stages. Test specimen would be preserved, enabling correlation of test results with design predictions. In this thesis, a method for early failure detection of gear fatigue is proposed. The gears in questions are parts of driveline components undergoing fatigue tests. The proposed method includes generation of an autoregressive model from a healthy, time synchronously averaged vibration signal. The parameters of the generated model are then used to construct a filter, which predicts deviations from the healthy signal. The output of this filter is then processed to detect failure. Vibration data from four run to failure tests were analysed. While the proposed method detected failure in all four data sets, performance was better in tests carried out at high torque and low speed in comparison to tests carried out under low torque and high speeds. Finally, potential improvements in the proposed method to increase its effectiveness are proposed. / “Early Failure Detection” (tidig detektion av utmattningsbrott) har länge varit en viktig del av tillståndsövervakning av kritiska system, som till exempel vindkraftverk och drivsystem för rotorblad på helikoptrar. Ett mindre utforskat område av “Early Failure Detection” är utmattningstestning av komponenter för transmissionssystem. Ofta går komponenterna sönder på ett sådant sätt att grundorsaken till haveriet inte går att fastställa, och som riskerar att skada testriggarna. Detta kan förebyggas om haveriet kan upptäckas i ett tidigt skede innan komponenten gar sönder helt och hållet. Testobjeket kan då bevaras, vilket ger möjligheter att korrelera testresultatet till utmattningsberäkningar av konstruktionen.  I den här uppsatsen föreslås en metod för Early Failure Detection för drevsatser i växlar. Växlarna ingår i transmissionssystem som utmattningsprovas. Den föreslagna metoden innebär att en autoreggresiv modell skapas från en tids-synkron medelvärdesbildning på den uppmätta signalen för den oförstärda komponenten. Parametrarna från den modellen används sedan för att skapa ett filter som predikterar avvikelser mot den oförstörda komponenten. Slutligen behandlas utsignalen fran det filteret för att upptäcka utmattningsskador pa drevsatsen i växeln.  Vibrationsdata fran fyra utmattningsprov har analyserats. I samtliga prov har provet körts tills brott har konstaterats. Utmattningsskador kunde konstateras tidigt, innan brottet inträffade, i tre av de fyra fallen. Slutligen föreslås förslag på utveckling av den använda metoden for att förbättra predikteringarna.