چکیده مقاله
هر چند امروزه به کارگیری فناوری مراقبت وضعیت از طریق آنالیز روغن، به عنوان روش موثری در تشخیص فرسایش های غیرعادی یا عیوب تجهیزات و سیستم های مکانیکی شناخته می شود، باید توجه داشت که در فرآیند تحلیل و تفسیر نتایج آنالیز روغن، مسائلی نظیرتحقیق به بررسی کارکرد فرسایشی موتورها و ارزیابی و تحلیل رابطه بین وضعیت نهایی موتور و وضعیت مولفه های مورد تحلیل در آنالیز روغن، پرداخته می شود تحلیل و بررسی این موضوع که مولفه های موثر در تحلیل وضعیت موتور، کدام و میزان تاثیر آنها چقدر است، مورد بررسی قرار می گیرد شاخص های مورد مطالعه در آنالیز روغن عبارتند از: فلزات فرسایشی نظیر آهن، آلومینوم، سرب، مس، قلع، کروم، PQ، ویسکوزیته، سیلیسم مقادیرداده های عناصر فرسایشی موتور لودر کاترپیلر ۹۶۶ با توجه به داده کاوی و مدل های شبکه عصبی، به عنوان نمونه مورد تحلیل قرار گرفته و نتایج آن بیان شده است یافته های این مطالعه نشان می دهد الگوهای خاصی متناسب با مولفه های روغن وجود دارد و با توجه به حجم داده ها و ابزارها و شاخص های مرتبط، قواعد مناسب را می توان استخراج نمود در نهایت سعی ما بر آن است که مدلی هوشمند جهت تشخیص و پیش بینی عیوب در موتورهای مورد مطالعه ارائه دهد
کلیدواژهها
نویسندگان
فریدون مقدس نژاد
دانشیاردانشکده عمران و محیط زیست , دانشگاه صنعتی امیرکبیر
سعید خلیلی
پژوهشگر و دانشجوی دکتری مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه جامع امام حسین ع ، تهران، ایران
احمد حداد
دانشجوی کارشناسی ارشدعمران-راه و ترابری , دانشگاه آزاد اسلامی واحد علوم و تحقیقات شاهرود
مهدی بهرامپور
پژوهشگر، دانشکده فنی و مهندسی، دانشگاه جامع امام حسین ع ، تهران، ایران
مهدی طبری
پژوهشگر، دانشکده فنی و مهندسی، دانشگاه جامع امام حسین ع ، تهران، ایران
میثم صداقت
پژوهشگر، دانشکده فنی و مهندسی، دانشگاه جامع امام حسین ع ، تهران، ایران
شیوه ارجاع
�لیلی، سعید و بهرامپور، مهدی و طبری، مهدی و صداقت، میثم،1401،ارائه مدلی هوشمند جهت تشخیص و پیش بینی عیوب در موتورها: تلفیقی از تکنیک پایش وضعیت و شبکه عصبی،اولین همایش بین المللی پژوهش های شاخص در مدیریت، حسابداری، بانکداری و اقتصاد،مشهد
ارائهشده در
مجموعه مقالات اولین همایش بین المللی پژوهش های شاخص در مدیریت، حسابداری، بانکداری و اقتصاد3 دی 1401 · مشهد