عیب یابی یاتاقان غلتشی بر اساس تبدیل موجک گسسته و شبکه عصبی مصنوعی

Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 657

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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

CMSII02_171

تاریخ نمایه سازی: 7 بهمن 1393

Abstract:

هر صنعتی نیازمندبرنامه های پیشگرانه موثر در راستای بهینه نمودن مدیریت منابع و اصالح اقتصاد واحد تولیدی با کاهش هزینه های غیرضروری و افزایش سطحط ایمنی است درصد بسیاری از خرابی هایی که منجر به توقف تولید می شوند بدلیل خرابی یاتاقان های ماشین های دوار است. این مقاله به تشخیص عیوب یاتاقان های غلتشی بر اساس پردازش سیگنال موجک گسسته و شبکه های عصبی می پردازد روش دارای سه مرحله اصلی است در ابتدا سیگنال های خام ارتعاشاتی چهار حالت یاتاقان توسط تبدیلم وجک گسسته پردازش می شوند در مرحله دوم ویژگی های آمای هر عیب استخراج می گردد در نهایت مجموعه ویژگی های استخراج شده به شبکه های عصبی جهت تشخیص نوع عیب یاتاقان تغذیه می گردند نتایج نشان مید هد که شبکه عصبیا حتمالتی دسته بندی بهتری را نسبت به سایری شبکه های عصبی ارائه می نماید و همچنین ویژگی هایی که از پردازش سیگهنال ها توسط موجب بایر 3.3 استخراج شده اند بیشترین کارایی دسته بندی عیوب را توسط شبکه های عصبی دارند.

Keywords:

یاتاقان غلتشی , عیب یابی تبدیل موجک گسسته شبکه عصبی مصنوعی , موجک بایر

Authors

سعید رضا همافر

دانشجوی کارشناسی ارشد مهندسی مکانیک دانشگاه آزاد اهواز

عباس رهی

استادیار دانشکده مهندسی مکانیک و انرژی دانشگاه شهید بهشتی

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 :
  • Rafiee, J., et al., "Application of mother wavelet functions for ...
  • diagnosis of ball Faultء: [3] Kankar, P.k., et al., bearings ...
  • Sanz, J., Perera, R. &Huerta, C., 2 01 2- :Gear ...
  • classification based on the wavelet denoising and support vector machine, ...
  • نمایش کامل مراجع