پایش هوشمند وضعیت یاتاقانها در سامانه های دریایی به کمک تکنیک رزونانس فرکانس بالا و الگوریتم ژنتیک

امروزه با توسعه و گسترش صنایع دریایی و علوم مرتبط با دریا، انجام بسیاری از مسایل مهندسی، تجاری و نظامی نیازمند بکارگیری روش های هوشمند و جدیدی برای تشخیص عیوب، تعمیر و نگهداری ساده و سریع می باشد که در این بین یاتاقانهای غلتشی نقش ویژه ای در اجزاء گردان این سامانه ها دارند. اهمیت اتوماتیک کردن تشخیص عیوب رولربیرینگ ها زمانی احساس می شود که در روشهای سنتی تشخیص سالم یا معیوب بودن یاتاقان مستلزم صرف هزینه و زمان زیادی می باشد و در بعضی موارد از جمله شناورها و زیردریایی ها بدلیل پیچیدگی مجموعه ها و لزوم پهلوگیری در بندرگاههایی که دارای تجهیزات خاصی می باشند، دشوار است. در تحقیق حاضر یک روش تست بر اساس تحلیل ارتعاشی به منظور تشخیص عیب و محل آن در رولربیرینگ ها به کمک الگوریتم ژنتیک ارائه شده است. به دلیل تماس خطی رولربیرینگ ها یک سیستم مانیتورینگ حساس نیاز است تا عیب را در مراحل اولیه و همینطور در مراحل پیشرفته نشان دهد. در این تحقیق پارامترهای جدیدی از تکنیک رزونانس فرکانس بالا (HFRT)، حوزه زمان، فرکانس و زمان، فرکانس استخراج شده و از الگوریتم ژنتیک به عنوان یک الگوریتم بهینه ساز استفاده شده تا موثرترین مجموعه شاخص ها در تشخیص عیب را گلچین نماید. شاخص های برگزیده به برنامه PCA وارد شده تا مولفه های تصمیم گیری استخراج شود و سپس این مولفه ها با استفاده از روش نزدیکترین همسایگی (KNN) با هدف تشخیص و طبقه بندی عیوب مورد استفاده قرار گرفته است. این روش علاوه بر تشخیص عیوب منفرد مشکل طیف اینولوپ در هنگام گسترش عیب را نیز برطرف کرده است. در نهایت برنامه هوشمندی نوشته شده است که این برنامه بر روی رولربیرینگ ها با عیب هایی متفاوت آزمایش شده است و نتایج حاصل حاکی از دقت مناسب روش حاضر در تشخیص عیب و محل آن می باشد.

Keywords:

تشخیص عیوب اتومات , الگوریتم ژنتیک , آنالیز مولفه های اصلی , روش نزدیکترین همسایگی , تکنیک رزونانس فرکانس بالا , پایش هوشمند , وضعیت یاتاقانها