ارائه مدلی هوشمند جهت تشخیص و پیش بینی عیوب در موتورها: تلفیقی از تکنیک پایش وضعیت و شبکه عصبی

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.

Keywords:

نگهداری وتعمیرات , مراقبت وضعیت , آنالیزروغن , روانکار , آلوده کننده ها , رفتارهای فرسایش , شبکه عصبی