یک روش هوشمند جدید برای شناسایی عیب یاتاقان ها بر پایه مفهوم هم انباشتگی و انتخاب ویژگی بهینه در شرایط کاری سرعت متغیر با زمان
Publish place: Journal of Solid and Fluid Mechanics، Vol: 9، Issue: 4
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 404
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JSFM-9-4_004
تاریخ نمایه سازی: 31 تیر 1399
Abstract:
در این مقاله، یک روش ترکیبی هوشمند جدید برای شناسایی عیب یاتاقان در شرایط سرعت متغیر با زمان پیشنهاد شده است. سیگنال های ارتعاشی در دو حالت سالم و رینگ داخلی معیوب در سرعت متغیر با زمان جمع آوری شده اند. در این مطالعه، از تکنیک تجزیه مود تجربی کلی و روش اثر جوهانسون برای استخراج روابط هم انباشته از داده های ارتعاشی استفاده شده است. سپس، با بکارگیری روش تبدیل بسته ای موجک و ویژگی های آماری در حوزه زمان، ماتریس ویژگی متناظر با روابط هم انباشتگی محاسبه شده است. در مرحله بعد، از روش ارزیابی جبران فاصله برای انتخاب ویژگی های اولیه استفاده شده است. از ویژگی های منتخب اولیه به عنوان ورودی طبقه بندی کننده ماشین بردار پشتیبان برای پیش بینی وضعیت یاتاقان استفاده شده است. در نهایت، پارامترهای بهینه ماشین بردار پشتیبان و مجموعه ویژگی های بهینه به کمک الگوریتم بهینه سازی ازدحام ذرات باینری تعیین شده اند. نتایج به دست آمده نشان می دهند که مجموعه ویژگی های بهینه به خوبی قادر به تفکیک وضعیت های مختلف یاتاقان در سرعت متغیر می باشند. مقایسه نتایج این مقاله با دیگر روش های عیب یابی، دلالت بر توانمندی روش پیشنهادی دارد.
Keywords:
Authors
سعید نظامیوند چگینی
دکتری، دانشکده مهندسی مکانیک، گروه دینامیک، کنترل و ارتعاشات، دانشگاه گیلان، رشت
محمد باقر سلیم زاده کاکرودی
کارشناسی ارشد، گروه مهندسی مکانیک، مهندسی مکانیک، موسسه آموزش عالی احرار، رشت
احمد باقری
استاد، دانشکده مهندسی مکانیک، گروه دینامیک، کنترل و ارتعاشات، دانشگاه گیلان، رشت
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :