به کارگیری شبکۀ عصبی ANN برای تشخیص عیوب سیستم های سرو - هیدرولیک
Publish place: First Aerospace Systems Reliability Engineering Conference
Publish Year: 1388
Type: Conference paper
Language: Persian
View: 1,501
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
RELI01_014
Index date: 4 July 2009
به کارگیری شبکۀ عصبی ANN برای تشخیص عیوب سیستم های سرو - هیدرولیک abstract
امروزه نیاز به ایمنی و قابلیت اطمینان در سیستم های هیدرولیک، رفته رفته افزایش می یابد و لازم است که خرابی سیستم های هیدرولیکی در همان مراحل اولیه تشخیص داده شود. دلایل زیادی برای این کار وجود دارد که مهمترین آنها مربوط به دلایل اقتصادی است و دلایل دیگر نیز مربوط به ایمنی بخصوص در کاربردهایی مانند هوا فضاست. یکی از روشهای یافتن خرابی در سیستم، استفاده از روش تشخیص عیب وضعیت آنی است. در این مقاله از روش شبکه های عصبی (ANN) برای تشخیص سه عیب که در بیشتر سیستم های هیدرولیک اتفاق می افتد استفاده شده است. این سه عیب عبارتند از: فشار تغذیه، نشتی کل و مدول بالک موثر. سیستم شبیه سازی شده نیز شامل یک شیر سرو و یک سیلندر هیدرولیکی دوطرفه است که یک فنر در مقابل حرکت سیلندر، مقاومت می کند. وجود شیر سرو و قابلیت فشردگی سیال از جمله عواملی هستند که باعث رفتار غیرخطی سیستم مورد نظر می شوند. شبکه های عصبی کاربرد موثری در سیستم های غیرخطی دارند و برای استفاده از این روش لازم است که دانش خوبی در مورد رفتار سیستم مورد نظر و عیبهایی که احتمال زیادی برای ایجاد آنها وجود دارد داشته باشیم. شبکۀ عصبی مورد استفاده، با الگوریتم های آموزش مختلفی بررسی شده است و سپس بهترین الگوریتم آموزش انتخاب شده است. پس از آموزش شبکه، خروجی شبکه برای ورودی های مختلف آزمایش شده و نتایج قابل قبولی برای تشخیص عیوب مدنظر حاصل شده است.
به کارگیری شبکۀ عصبی ANN برای تشخیص عیوب سیستم های سرو - هیدرولیک Keywords:
به کارگیری شبکۀ عصبی ANN برای تشخیص عیوب سیستم های سرو - هیدرولیک authors
م ریاحی
مرکز تحقیقات پیشرو تستهای مکانیکی و غیرتخریبی
ح قلی زاده
دانشگاه علم و صنعت ایران، دانشکده مهندسی 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 :