محمد ارشادی - دانشجوی کارشناسی ارشد، دانشگاه صنعتی شریف، تهران pasharavesh@sharif.edu ، ۲ استادیار، دانشگاه صنعتی شریف، تهران
عبدالرضا پاشاروش - استادیار، دانشگاه صنعتی شریف، تهران
محمدتقی احمدیان - استاد، دانشگاه صنعتی شریف، تهران

امروزه، هوش مصنوعی به طور گسترده در پژوهش های تشخیص عیب در یاتاقان های غلتشی برای افزایش بازدهی و قابلیت اطمینان در ماشین آلات دوار به کار گرفته میشود. در این روش، سیگنال های ارتعاشی حاصل از اندازه گیری یا شبیه سازی جهت آموزش مدل و ارزیابی آن مورد ا ستفاده قرار می گیرد. وجود نویز از انواع مختلف در سیگنال های اندازه گیری شده یکی از عوامل محدود کننده دقت در این شیوه عیب یابی می باشد. در پژوهش حاضر نویز های مختلف شامل نویز صورتی، نویز سفید و نویز بنفش به سیگنال ارتعاشات یاتاقان غلتشی اضافه میگردد و با ترکیب آنالیز تبدیل بسته موجک با مدل یادگیری ماشین از نوع ماشین بردار پشتیبان روشی برای کاهش تاثیر نویز جهت تشخیص عیب پیشنهاد می شود. نتایج بد ست آمده نشان می دهد که تکنیک پیشنهادی برای نویز صورتی با توان های مختلف، قابلیت افزایش دقت به مقدار قابل توجه را دارا ست. این روش برای نویز سفید و نویز بنفش مزیت نسبتا مناسبی خواهد داشت.

تحلیل ارتعاشی، تشخیص عیب یاتاقان غلتشی،تبدیل موجک، یادگیری ماشین، ماشین بردار پشتیبان