حذف نویز از سیگنال های ارتعاشی ماشین های دوار به کمک تبدیل موجک تجربی و روش های رایج آستانه گذاری
Publish place: Journal of Solid and Fluid Mechanics، Vol: 9، Issue: 1
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 630
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JSFM-9-1_009
تاریخ نمایه سازی: 2 مهر 1398
Abstract:
در این مقاله، روش جدیدی برای حذف نویز سیگنال های ارتعاشی اکتساب شده از ماشین های دوار بر پایه ی تبدیل موجک تجربی و آستانه گذاری نرم ارائه شده است. تبدیل موجک تجربی روش جدیدی است که هر سیگنال را بر اساس اطلاعات فرکانسی اش به مولفه-های تشکیل دهنده ی آن که مود تجربی نامیده می شوند، تجزیه می کند. پس از تجزیه هر سیگنال، روش آستانه گذاری نرم به هر کدام از مولفه های حاصل از تجزیه اعمال شده و سیگنال بی نویز شده بازسازی می شود. برای ارزیابی روش حذف نویز پیشنهادی در این مطالعه، از این تکنیک برای عیب یابی یاتاقان ها استفاده شده است. برای این منظور، فاکتور کشیدگی و طیف پوش هر سیگنال بی نویز شده به ترتیب برای شناسایی حضور عیب و تشخیص نوع عیب محاسبه شده اند. نتایج نشان می دهند که روش پیشنهادی کیفیت سیگنال های ارتعاشی را به گونه ای افزایش می دهد که فاکتور کشیدگی به دست آمده به حضور عیوب موجود در رینگ های داخلی و خارجی حساس تر می باشد. از طرف دیگر، با مشاهده ی فرکانس های پدیدار شده در طیف پوش سیگنال های بی نویز شده توسط روش تبدیل موجک تجربی می توان نوع عیب را به خوبی تشخیص داد. نتایج نشان می دهند که رویکرد بی نویزسازی به کمک تبدیل موجک تجربی برتر از روش بی نویزسازی تجزیه مود تجربی در فرآیند عیب یابی ماشین های دوار می باشد.
Keywords:
Authors
سعید نظامیوند چگینی
دانشجوی دکتری، دانشکده مهندسی مکانیک، گروه دینامیک، کنترل و ارتعاشات، دانشگاه گیلان، رشت
فاطمه ظریف
دانشجوی کارشناسی ارشد، گروه مهندسی مکانیک، مهندسی مکاترونیک، موسسه آموزش عالی احرار، رشت
احمد باقری
استاد، دانشکده مهندسی مکانیک، گروه دینامیک، کنترل و ارتعاشات، دانشگاه گیلان، رشت
مجید علی طاولی
دانشیار، دانشکده مهندسی مکانیک، گروه طراحی جامدات، دانشگاه گیلان، رشت
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 :