تشخیص عیوب چرخدنده مخروطی با استفاده از شبکه عصبیANN
Publish place: The 7th Students Conference on Mechanical Engineering
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 793
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ASCME07_096
تاریخ نمایه سازی: 4 اسفند 1392
Abstract:
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:
Authors
مهدی کریمی
دانشگاه بوعلی سینا- دانشکده مهندسی- گروه مکانیک، عضو هیئت علمی گروه مکانیک
محمدرضا قسمتی
دانشگاه بوعلی سینا- دانشکده مهندسی- گروه مکانیک، دانشجوی کارشناسی ارشد مهندسی مکانیک
امین حیطه
دانشگاه بوعلی سینا- دانشکده مهندسی- گروه مکانیک، دانشجوی کارشناسی ارشد مهندسی مکانیک
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 :