تشخیص عیوب چرخدنده مخروطی با استفاده از شبکه عصبیANN

آنالیز ارتعاشی یکی از موثرترین تستهای غیر مخرب برای تعیین وضعیت تجهیزات می باشد. مرحله اول در آنالیز ارتعاشی کسب داده است. دادههای بدست آمده از عملکرد ماشین آلات و تجهیزات،اطلاعات فراوانی در مورد شرایط و عملکرد دستگاه مورد نظر بههمراه دارد. از طرفی سیگنال های اولیه بدست آمده بطور واضح سالم و یا معیوب بودن سیستم را مشخص نمیکند و احتیاج به استخراج وبررسی پارامترها و جداسازی مقادیر مورد نظر از قبیل مقدار میانگین، مجذور میانگین مربعی، واریانس، کورتوسیس و غیره می باشد. در این مقاله یک جفت چرخدنده مخروطی در سه حالت سالم، شروعترک در ریشه و رشد ترک با استفاده از نرم افزار سالیدورک شبیه- سازی شده و با استفاده از نرم افزار آدامز مقادیر شتاب قائم چرخ دنده در دور مشخص اعمال شده، ذخیره شده است. با استفاده ازمقادیر ذکر شده پارامترهای مورد نظر استخراج شده و به عنوان ورودی برای ایجاد یک شبکه عصبی مورد استفاده قرار گرفته است. مقادیر ماتریس خروجی را نیز برای حالت سالم یک و حالت ترکاولیه 2 و حالت رشد ترک 3، برای خودآموزی و ایجاد شبکه در نظر گرفتیم. برای رسیدن به حالت مناسب تعداد نرون های لایه مخفی را در حالت های گوناگون بررسی کرده و جواب های بدست آمده را بایکدیگر مقایسه کردیم. در نهایت برای بررسی توانایی شبکه عصبی مدل شده در تشخیص عیب چرخ دنده مخروطی سری جدید داده ها را اعمال و جواب های بدست آمده از شبکه را با جواب های واقعی مقایسه کردیم و درصد صحت و درستی نتایج شبکه عصبی را بدست آوردهایم.

Keywords:

شبکه عصبی , ارتعاشات , چرخدنده مخروطی , پردازش سیگنال