تشخیص عیوب یاتاقان با استفاده از روش کلاس بندی بر پایه الگوریتم ژنتیک با استفاده از سیگنال های ارتعاشی
Publish place: 3rd International Conference on Acoustic and Viberation
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 736
This Paper With 8 Page And PDF Format Ready To Download
- 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:
ISAV03_112
تاریخ نمایه سازی: 29 تیر 1393
Abstract:
در این پژوهش، به تشخیص عیب یاتاقان با استفاده از بررسی سیگنال ارتعاشی پرداخته شده است. به این منظور، سیگنال ارتعاشی بدست آمده از آزمایش با کمک نرم افزار متلب برای هر دور نوسانی یکسان سازی شده و به حوزه فرکانسی انتقال داده شده است. یکی از مزیت های کار با داده ها در حوزه فرکانسی، غیرتناوبی بودن ماهیت داده ها بوده که باعث تمایز داده های آماری مربوط به هر حالت می شود. در ادامه با بررسی اکسترمم های نمودارهای حوزه ی فرکانسی، مکان هندسی این نقاط به عنوان مشخصه ای برای تشخیص عیب استفاده شده است و مشخصه های معیار متناظر با این حالت، مکان هندسی حاصل از اکسترمم ها برای چهار حالت سالم، عیب رینگ داخلی، عیب رینگ خارجی و ساییدگی توپی می باشد. نتایج مقایسه اکسترمم های نمودارهای سیگنال های نامشخص با مشخصه های معیار مذکور نشان می دهد که با دقت قابل قبولی می توان عیب یاتاقان را تشخیص داد. از وجوه تمایز این پژوهش با سایر پژوهش ها استفاده از الگوریتم ژنتیک به منظور استخراج یک معیار بهینه شده و کاهش خطاهای آزمایشگاهی و داده های پرت می باشد. با تعریف تابع هدف مناسب داده های معیار و تست بهبود یافته اند، به گونه ای که نقاط اکسترممی که تمرکز بیشتری دارند به عنوان معیار و تست استفاده می شود. نتایج نشان می دهد که عیب یاتاقان با بکارگیری این روش با دقت مناسبی قابل تشخیص است.
Keywords:
Authors
میرمحمد اتفاق
دانشگاه تبریز، دانشکده مهندسی مکانیک
آیدین مشروطه چی
دانشگاه تبریز دانشکده مکانیک
سعید لطفان
دانشگاه تبریز دانشکده مکانیک
حسین ادیبان
دانشگاه تبریز دانشکده 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 :