شناسایی عیوب بلبرینگ در ماشین الکتریکی با استفاده از سیگنال ارتعاش توسط مانشی بردار پشتیبان چند کلاسی

Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,261

This Paper With 8 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:

INCEE01_081

تاریخ نمایه سازی: 25 تیر 1393

Abstract:

در این مقاله سیستم تشخیص نوع عیوب بلبرینگ با استفاده از ماشین بردار پشتیبان چند کلاسی در ماشین الکتریکی ارائه شده است. برای تجزیه و تحلیل سینگال ارتعاش، با به کارگیری تبدیل فوریه سریع، طیف فرکانسی سیگنال ارتعاش را به دست آورده و مشخص می گردد در برخی موارد مولفه های فرکانسی به جهت واقع شدن در قسمت نویز و یا بودن در مراحل ابتدایی عیب، قابل تشخیص نمی باشد. سپس نشان می دهیم که عیوب بلبرینگ، در دامنه های طیف فرکانسی تغییراتی ایجاد می کنند. لذا می توان از این طیف ها به عنوان بردار مشخصه برای شناسایی الگو استفاده نمود. بدین جهت در این مقاله به عنوان ورودی الگوریتم پیشنهادی از طیف فرکانسی سیگنال ارتعاش به عنوان بردار مشخصه و سپس از یک ماشین بردار پشتیبان چند کلاسی به عنوان طبقه بندی کننده استفاده می نماییم و این طرح برای تشخیص عیوب بلبرینگ (شامل عیب ساچمه و عیب حلقه داخلی و عیب حلقه خارجی) از حالت سلامت استفاده می کنیم. برای ارزیابی روش پیشنهادی، از داده های واقعی که از یکسری آزمایش بر روی ماشین الکتریکی در شرایط سلامت و عیوب مختلف بلبرینگ انجام شده و یا با استفاده از شتاب سنج به دست آمده است، استفاده می نماییم. سپس با استفاده از این داده ها، یک طبقه بندی کننده چند کلاسی طراحی می نماییم که توانایی تشخیص نوع عیب بلبرینگ را در این ماشین دارد. نتایج تجربی ارائه شده کارایی تشخیص عیب بلبرینگ توسط ماشین بردار پشتیبان چند کلاسی را تایید می کند.

Keywords:

تشخیص خطا , خطای بلبرینگ , تجزیه و تحلیل سیگنال ارتعاش , تبدیل فوریه , سریع , ماشین بردار پشتیبان چند کلاسی

Authors

حسین علی استیلاف

دانشگاه آزاد اسلامی واحد علوم و تحقیقات ساوه

سیدمحمدجواد رستگار فاطمی

هیئت علمی دانشگاه آزاد اسلامی واحد علوم و تحقیقات ساوه

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 :
  • _ :Statistical Leaning Theory! John Wiley & _ حسین علی ...
  • حوری موتور القایی توسط سیگنال جریان با استفاده از بردار ...
  • Nandi, Subhasis, Hamid A. Toliyat, and Xiaodong Li. "Condition monitoring ...
  • _ _ _ _ _ Models, Artificial ...
  • _ _ _ Dec.2008. pp.41 0-426. ...
  • Vas, Peter. Arti ficial- intelligence-b ased electrical machines and ...
  • Huang Liangli, "Multi-class support vector machine summaraationr, China Water Transpor, ...
  • Zhao, Xiukuan, et al. "Multi-Class S emi-Supervised Learning in ...
  • Immovilli, Fabio, et al. "Diagnosis of bearing faults in induction ...
  • _ _ _ vector ...
  • Crammer, Koby, and Yoram Singer. "On the algorithmic kernel-based ...
  • machines." The Journal of Machine Learning Research 2 (2002): 265-292. ...
  • Case Western Reverse University, Vibration Laboratory (www. _ S _ ...
  • نمایش کامل مراجع