مقداد خزایی
احمد بناکار
برات قبادیان
سید مصطفی میرسلیم
سید محمد جعفری
سعید جوان

تسمه زمانبندی یکی از قطعات بسیار حساس خودروهای امروزی است. دمای گرم و بیش باری دوحالت کاری رایج در موتور هستند که باعث خستگی، فرسایش و خرابی ناگهانی تسمه زمانبندی و در نتیجه آسیب رسیدن به موتور می گردد. در این مقاله روشی هوشمند برای تشخیص دو حالت بیش باری و دمای گرم در محیط کاری تسمه زمانبندی با استفاده از علامت های ارتعاشی آن معرفی شده است. روش ارائه شده در این پژوهش بر اساس تلفیقی از تحلیل های تجربی، دادهکاوی از علامت های حوزه زمان و شبکه عصبی مصنوعی طراحی شده است. بدین منظور ابتدا علامتهای ارتعاشی تسمه در سه حالت شرائط عادی، بیش باری موتور و محیط گرم؛ با ارتعاش سنج نوری اندازه گیری شد. سپس در مرحله دادهکاوی پنج ویژگی آماری میانگین، انحراف از معیار، ریشه میانگین مربعات، گشتاور چهارم و شاخص ضربه از علامت های ارتعاشی استخراج شدند. از ویژگی های استخراج شده به عنوان ورودی شبکه عصبی به منظور تشخیص و طبقهبندی حالات مذکور استفاده شد. در نهایت شبکه عصبی با دقت میانگین ۷۶% توانست عیوب مذکور تسمه زمانبندی موتور را تشخیص بدهد. نتایج این پژوهش نشان می دهد که با استفاده از روش های هوشمند می توان به عیب یابی تسمه ها پرداخت و از این گذر موتور را از آسیب های جدی ناشی از خرابی آنها حفظ نمود.

Condition monitoring, Engine timing belt, Vibration analysis, Artificial neural network, Data mining, پایش وضعیت, تسمه زمانبندی موتور, تحلیل ارتعاشات, شبکه عصبی مصنوعی, داده کاوی