کاربرد شبکه عصبی مصنوعی جهت طبقه بندی عیوب یاتاقان با استفاده از پردازش سیگنال های ارتعاشی توسط تبدیل موجک و اسکالوگرام

چکیده مقاله

در پژوهش حاضر مدلی مبتنی بر هوش مصنوعی برای تشخیص نوع خرابی یاتاقان ها ارائه شده است، زیرا عملکرد صحیح ماشین های صنعتی مانند توربین ها و موتورها به سلامت یاتاقان وابسته است هدف تحقیق، پیش بینی زودهنگام عیوب یاتاقان با استفاده از تحلیل ارتعاشات به عنوان روشی غیرمخرب و قابل اجرا در شرایط برخط بود ابتدا داده های ارتعاشی مربوط به سه وضعیت یاتاقان شامل حالت سالم، خرابی در رینگ بیرونی OR و رینگ درونی IR جمع آوری شد سپس سیگنال ها با تبدیل موجک به اسکالوگرام تبدیل شده و از سطح خاکستری آن، ماتریس هم وقوعی GLCM در چهار زاویه استخراج گردید از هر ماتریس، پنج ویژگی هارلیک HF به دست آمد و در نتیجه، هر اسکالوگرام با ۲۰ ویژگی توصیف شد این ویژگی ها برای آموزش شبکه عصبی مصنوعی ANN به منظور طبقه بندی نوع خرابی استفاده شد مدل ANN با ساختار ۳ ۱۹ ۲۰ توانست دقتی برابر با ۹۲ ۰۶٪ در تشخیص خرابی ها ارائه دهد

کلیدواژه‌ها

نویسندگان

علی عادلخانی

عضو هیات علمی، گروه مهندسی مکانیک، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران

احمد سهیلی مهدی زاده

عضو هیات علمی، گروه مهندسی مکانیک، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران

�ادلخانی، علی و سهیلی مهدی زاده، احمد،1404،کاربرد شبکه عصبی مصنوعی جهت طبقه بندی عیوب یاتاقان با استفاده از پردازش سیگنال های ارتعاشی توسط تبدیل موجک و اسکالوگرام،اولین کنفرانس ملی توسعه پایدار در مهندسی مکانیک و انرژی،گرگان

ارائه‌شده در

سیزدهمین سمینار بین المللی مهندسی رودخانه8 بهمن 1404 · اهواز