عیب ابی سامانه های هیدرولیک با استفاده از ماشین بردار پشتیبان و بهینه سازی گروهی ذرات

Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 846

This Paper With 9 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

EASTTEHRANMECH02_064

تاریخ نمایه سازی: 9 تیر 1392

Abstract:

با توجه به کاربرد وسیع سامانه های هیدرولیک در صنایع، افزایش توانمندی عیب یابی این سامانه ها می تواند نقش مهمی در بهبودکارایی و کاهش هزینه ها ایفا نماید. زمان و هزینه ی لازم برای بررسی احتمال و منشأ وقوع خرابیهای معمول در بخشهای گوناگون یکسامانه ی هیدرولیک میتواند با استفاده از روشهای هوشمندسازی تشخیص عیب کاهش یابد. در این پژوهش، از ماشین بردار پشتیبانبرای پیش بینی عیوب یک سامانهی هیدرولیک نمونه بر اساس مقادیر فشار و دبی خط جریان به همراه الگوریتم بهینه سازی گروهی ذرات ،برای یافتن ضرایب مناسب بهترین ترکیب خطی پارامترهای ورودی به ماشین بردار پشتیبان، استفاده شده است. چهار عیب خرابی پمپ ،خرابی بازوی پیستونی، نشتی شیر و پارگی مجرای انتقال سیال هیدرولیک بهعنوان نمونه در نظر گرفته شدهاند. شبکه ی آموزش دیدهبا دریافت ترکیب خطی پارامترهای کنترلی سامانه (فشار و دبی) به عنوان ورودی، محتملترین عیوب را تعیین و معرفی می نماید. بررسینتایج حاصل نشان داده که این روش ترکیبی قادر به پیش بینی مناسب نوع عیب با توجه به پارامترهای کنترلی سامانه بوده است ومیتوان آن را به عنوان ابزاری برای تشخیص محتمل ترین عیوب (آغاز فرآیند عیبیابی ) بر مبنای شواهد کنترلی و کاهش زمانتعمیرات این سامانه ها مدنظر قرار داد. البته بررسیهای تکمیلی برای تشخیص دقیقتر منشأ خرابی و رفع آن ضروری می باشد.

Authors

معصومه صفرتوبی

دانشجوی کارشناسی ارشد طراحی کاربردی، دانشگاه صنعتی نوشیروانی بابل

پویا پاشایی

دانشجوی کارشناسی ارشد ساخت و تولید، دانشگاه صنعتی نوشیروانی بابل

علی رضا فتحی

استادیار دانشکده مهندسی مکانیک، دانشگاه صنعتی نوشیروانی بابل

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Villalobos, O., Burvill, C, and Stecki, J., 2005. ELECTRO- ...
  • HYDRAULIC SYSTEMS" Proceedings of the 6" JFPS Internationat Symposium _ ...
  • Yu, D., 1997. :FAULT DIAGNOSIS FOR A HYD RAULIC DRIVE ...
  • Control Eng. Practice, 5(9), pp. 1283-1291. ...
  • Li, Sh., Zhang, P., and Wang, G., 2010. :Hydraulic System ...
  • Manufacturing & Automation, pp. 812-814. ...
  • Jia, Z.Y.. Ma, J.W., Wange, F.J, and Liu, W., 201 ...
  • Mandal, S.K., Chan, F.T.S and Tiwari, M.K., detection of pipeline: ...
  • CHANG, Y.W., WANG, Y.C., LIU, T., and W ANG, Z.J., ...
  • Burges, Ch.J.C., 1998. _ Tutorial on SVM for and ...
  • Knowledge Discovery, 2, pp. 121-167. ...
  • Cortes, C., and Vapnic, V., 1995. "Support vector network:. Machine ...
  • Techreport, Gunn S.R., 1998. _ for Classification and Regression". Faculty ...
  • Smola, A.J., 1998. "Learning with Kernels: ...
  • Ranaee, V., Ebrahimzade, A., and Ghaderir, R., , 2010. "Application ...
  • Kennedy, J., and Eberhart R., 1995. "Particle Swarm Optimization". Proceeding ...
  • Parsopoulos, K.E., Plagianakos, V.P., Magoulas G.D. and Vrahatis, M.N., "Improving ...
  • Hu, X., Shi, Y. and Eberhar. R., 2004. :Recent Advances ...
  • LIP, H., TANG, Y., MENG, J., and JP Y., 2004. ...
  • Monteiro1, S.T., Uto, K., Kosugi1, Y., Kobayashi, N., Watanabe, E., ...
  • Monteiro1, _ Uto, _ Kosugi1, Y., Kobayashi, N., Watanabe, E., ...
  • Georgiou, V.L, , Pavlidis, N.G., Parsopoulos, K.E., , Alevizos, D. ...
  • نمایش کامل مراجع