اشکان موسویان - Faculty of Shahriyar, Technical and Vocational University
مقداد خزایی - PhD, Tarbiat Modares University, Tehran, Iran
محمدرضا اسدی اسدآباد - Buinzahra branch, Islamic Azad University
غلامحسن نجفی - Tarbiat Modares University

در این مقاله، یک سامانه هوشمند به منظور تشخیص و طبقهبندی عیوب مکانیکی رایج مولد برق موتور بر پایه تحلیل بسامد علامتهای ارتعاش توسعه داده شد. بدین منظور، در ابتدا علامتهای ارتعاش یک مولد برق تحت چهار وضعیت سالم، خوردگی یاتاقان، محور دوار ترک خورده و نامتعادل در محور توسط یک شتابسنج دریافت شد. سپس علامتهای حوزه زمان با روش تبدیل سریع فوریه به حوزه بسامد منتقل شدند. در گام بعد، روش چگالی طیف توان برای دومین مرحله تحلیل بسامد استفاده شد. پس از آن در مرحله داده کاوی، دوازده ویژگی آماری از مقادیر چگالی طیف توان علامتها استخراج و به منظور تشخیص و طبقهبندی عیوب مولد برق، به­عنوان ورودی به طبقهبند شبکه عصبی مصنوعی داده شدند. نتایج نشان داد که روش ارائه شده، قادر به تشخیص عیوب مختلف مولد برق با دقت بیش از ۹۲% است.

Fault diagnosis, Alternator, Vibration analysis, IC Engine, Artificial Neural Network, تشخیص عیب, آلترناتور, تحلیل ارتعاش, موتور درونسوز, شبکه عصبی مصنوعی