تشخیص ترک مورب در شفت پروانه به کمک تحلیل مودال و ماشین بردار پشتیبان

این مقاله با بهره گیری از الگوریتم یادگیری ماشین یک روش جامع برای تشخیص عمق و موقعیت ترک مورب بر روی شفت پروانه مبتنی بر آنالیز مودال ارائه می دهد. ترک های مورب به دلیل هندسه مایل رفتار دینامیکی منحصربه فردی از خود نشان می دهند، این نوع از ترک ها برخلاف ترک های عرضی کمتر مورد توجه قرار گرفته اند و پژوهش های کم تری در این زمینه انجام شده است. با استفاده از مدل سازی المان محدود شبیه سازی جامعی برای شفت پروانه های با ترک مورب در ۵ موقعیت و عمق مختلف برای ۹ قطر متفاوت از شفت انجام شده است که درمجموع به همراه مدل های بدون ترک ۲۳۴ مدل مختلف را شامل شده است. فرکانس های طبیعی و شکل مودهای سیستم که از تحلیل مودال استخراج شده است به عنوان ویژگی های اصلی مورد استفاده برای آموزش الگوریتم ماشین استفاده شده اند. یک گام مهم انجام شده در این پژوهش بی بعد سازی پارامترهای ترک و داده های به دست آمده بوده است. بی بعد سازی به منظور حذف تاثیر تغییر قطر شفت و ابعاد مدل بوده است تا تنها بر روی تغییرات ناشی از وجود ترک تمرکز شود، پارامتر های ترک نیز همگی نسبت به قطر شفت بی بعد شده اند. از ماشین بردار پشتیبان به منظور طبقه بندی و تشخیص موقعیت و عمق ترک استفاده شده است. نتایج نشان دهنده دقت ۹۵.۲۹ درصد برای تشخیص موقعیت و دقت ۹۸.۳۰ درصد برای تشخیص عمق ترک بوده است و اولین فرکانس پیچشی و ۳ فرکانس طبیعی اول تاثیر زیادی در تشخیص مدل ایجاد شده داشته اند.

Keywords:

تشخیص ترک , یادگیری ماشین , فرکانس طبیعی , شکل مود