تحلیل حساسیت مشخصه های ارتعاشی جهت تشخیص موقعیت عیب نابالانسی جرمی پره بالگرد با استفاده از نمودار توزیع وزن های شبکه عصبی خودسازمان ده

یکی از مباحث مهم و موانع توسعه سیستم های پایش سلامت وسایل پرنده، حجم بالای داده های مورد نیاز جهت صحه گذاری و اعتبارسنجی الگوریتم ها است. در این پژوهش راهکاری مناسب جهت کاهش تعداد سنسورها، حجم داده های مورد نیاز و محاسبات در سیستم پایش سلامت روتور اصلی بالگرد ارائه شده است. بدین منظور، با استفاده از شبکه های عصبی خودسازمان ده، شیوه ای جدید جهت تحلیل حساسیت میان مشخصه های استخراج شده از سیگنال های ارتعاشی مدل دینامیکی روتور اصلی بالگرد جهت تقلیل داده برداری پیشنهاد شده است. در ابتدا با استفاده از یک مدل دینامیکی غیرخطی مفصل بالگرد، سیگنال های متناظر با ۱۵ حالت نابالانسی جرمی به عنوان گستره ای از عیوب روتور شبیه سازی گردیده است. سپس، ۱۶ مشخصه تحلیل سیگنال ارتعاشی از شتاب های خطی و زاویه ای وارده بر هاب روتور اصلی در حالت دائمی پرواز، از طریق پیش پردازش و روابط مربوطه استخراج شده است. در نهایت از طریق یک شبکه عصبی خودسازمان ده، نمونه های مختلف بانک اطلاعاتی ۹۶ مشخصه ارتعاشی، خوشه بندی گردیده و مشخصه های مهم و کلیدی جهت استفاده در الگوریتم عیب یابی با استفاده از نمودار توزیع وزن مشخصه های مختلف معرفی شده است.

Keywords:

پایش سلامت , شبکه عصبی , پردازش داده , حساسیت سنجی , مشخصه های سیگنال