طبقه بندی عیوب الکتروموتور با استفاده از پردازش تصاویر حرارتی مبتنی بر هوش مصنوعی
Publish place: 6th Iranian Conference on Mechanical and Electrical Engineering Knowledge and Technology
Publish Year: 1400
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 426
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
DMECONF06_035
تاریخ نمایه سازی: 7 تیر 1400
Abstract:
آنالیز تصاویر حرارتی یکی از روشهای پرکاربرد در پایش وضعیت تجهیزات صنعتی است که در این تحقیق از اینروش برای پایش وضعیت الکتروموتور استفادهشده است. در این تحقیق سه عیب رایج در الکتروموتورها بررسیشد (خرابی در روتور، خرابی در یاتاقان و ناهمراستایی در پولی روتور و ژنراتور) بنابراین به مدت یک ساعت از هرحالت الکتروموتور تصویربرداری شد. هر تصویر به سه ناحیه S۲, S۱ و S۳ تقسیم شد که به ترتیب هر ناحیه معرف سطح استاتور و روتور، سطح یاتاقان و سطح پولی است. سپس از هر تصویر ویژگی های رنگ و بافت استخراج شد. ۴۸ ویژگی آماری مرتبه اول و ۹۶ ویژگی آماری مرتبه دوم استخراج شد که در مجموع ۱۴۴ ویژگی از هر تصویر استخراج گردید. به منظور تشخیص هوشمند وضعیت عیوب از شبکه های عصبی مصنوعیپرسپترون چند لایه استفاده شد. با تغییر تعداد نرون های لایه پنهان ابتدا دقت شبکه عصبی افزایش و سپسکاهش یافت و در حالت استفاده از ۱۱ نرون بیشترین دقت شبکه عصبی به ازای داده های آموزش و آزمونمشاهده شد که بهینهترین حالت و ساختار شبکه عصبی مصنوعی برای تشخیص عیوب الکتروموتور شبکه ای باتوپولوژی ۴-۱۱-۱۴۴ است. بررسی ماتریس اغتشاش نشان داد که دقت کلی شبکه عصبی مصنوعی برای داده های آموزش، آزمون و ارزیابی به ترتیب ۱۰۰%، ۱۰۰% و ۹۶/۳% بود.
Keywords:
Authors
مهدی مطاعی
دانشجوی کارشناسی ارشد، مهندسی مکانیک، دانشکده فنی و مهندسی، واحد کرمانشاه، دانشگاه آزاد اسلامی