استفاده از روش های هوشمند فازی- عصبی و شبکه های عصبی چند لایه در تشخیص عیوب اصلی ماشین های دوار
نویسندگان
چکیده
امروزه عیبیابی ماشینهای دوار از راه تشخیص علائم شروع و رشد عیب با استفاده از روش های هوشمند، شناسایی علت و قطعات آسیب دیده و پیشگویی میزان عمرکاری باقیماندة ماشین، نقش مهمی در جلوگیری از آسیبدیدگی شدید ماشین و هزینههای بالای تعمیرات بر عهده دارند. هدف این تحقیق نیز استفاده از ساختار هوشمند شبکههای فازی- عصبی و عصبی چند لایه در تشخیص عیوب اصلی ماشینهای دوار از جمله نابالانسی، ناهمراستایی، خرابی بیرینگ و لقی مکانیکی است. لذا در این تحقیق علاوه بر ایجاد روشی خودکار برای تشخیص عیب، در جهت افزایش دقت و سرعت این شبکهها نیز تلاش شده است. در این راستا، با استفاده از روش تحلیل اجزای اصلی ابعاد ماتریس ورودی در حد مطلوب کاهش داده شد و نیز کارایی دو شبکه هوشمند فازی- عصبی و عصبی چند لایه، در تشخیص عیوب با یکدیگر مقایسه شد. جهت دستیابی به هدف فوق، شبکههای گفته شده با استفاده از بردارهای ویژگی و مشخصات استخراج شده از طیفهای فرکانسی و موجهای زمانی، آموزش دیده شدند. نتایج نشان داد که برای 84 مورد اندازهگیری نهایی، شبکههای فازی- عصبی و عصبی چند لایه به ترتیب دارای میانگین 91 و 78 درصد موفقیت در تشخیص درست عیوب بودند.
منابع مشابه
استفاده از روشهای هوشمند فازی- عصبی و شبکههای عصبی چند لایه در تشخیص عیوب اصلی ماشینهای دوار
امروزه عیبیابی ماشینهای دوار از راه تشخیص علائم شروع و رشد عیب با استفاده از روش های هوشمند، شناسایی علت و قطعات آسیب دیده و پیشگویی میزان عمرکاری باقیماندة ماشین، نقش مهمی در جلوگیری از آسیبدیدگی شدید ماشین و هزینههای بالای تعمیرات بر عهده دارند. هدف این تحقیق نیز استفاده از ساختار هوشمند شبکههای فازی- عصبی و عصبی چند لایه در تشخیص عیوب اصلی ماشینهای دوار از جمله نابالانسی، ناهمراستایی،...
متن کاملبازسازی دبی روزانه با استفاده از روش های شبکه عصبی و فازی- عصبی(مطالعه موردی: سرشاخه های حوزه آبخیز کارون)
برای برآورد دبی روزانه در مدلهای هیدرولوژی نیاز به دبیهای پیوسته در بازه زمانی روزانه هست. تعداد سالهای آماری متفاوت، نواقص آماری و خطای اندازهگیری باعث ایجاد سریهای زمانی با پایه زمانی غیرمشترک میگردد. بنابراین بازسازی دادههای دبی روزانه از اهمیت ویژهای برخوردار است. این تحقیق بهمنظور بازسازی دبی روزانه در یکی از سرشاخههای رودخانه کارون و در دو مرحله انجام گرفت. در هر دو مرحله تحقیق ...
متن کاملمدلسازی لوله های انتقال گاز با شبکه های عصبی مصنوعی به منظور تشخیص عیوب آنها
این مقاله معرفی رویکرد جدید برای عیب یابی خطوط لوله انتقال گاز با استفاده از شبکه عصبی مصنوعی به کمک امواج مکانیکی است که این روش بسیار ارزان تر و آسان تر از روش اولتراسوند است. که در حال حاضر مشغول به کارمی باشد. این خطوط معمولا در شرایط محیطی سخت و دور از دسترس و در مسافت های طولانی قرار دارند و استفاده از سیستم های که بصورت آنی و دقیق بتوانند عیب ها و نشتی های این لوله را گزارش دهند حیاتی ...
متن کاملطراحی یک سیستم هوشمند مبتنی بر شبکه های عصبی و ویولت برای تشخیص آریتمی های قلبی
In this paper, Automatic electrocardiogram (ECG) arrhythmias classification is essential to timely diagnosis of dangerous electromechanical behaviors and conditions of the heart. In this paper, a new method for ECG arrhythmias classification using wavelet transform (WT) and neural networks (NN) is proposed. Here, we have used a discrete wavelet transform (DWT) for processing ECG recordings, and...
متن کاملمهندسی شبکه های عصبی توسط اتوماتانهای یادگیر: تعیین اندازه مطلوب برای شبکه های عصبی سه لایه
هدف از مهندسی شبکه های عصبی بررسی معایب و مزایای شبکه های عصبی مصنوعی و ارایه روشهایی برای بهبود کارایی آنهاست. یکی از موضوعات مورد بحث در مهندسی شبکه های عصبی چند لایه، یافتن ساختار مناسب(نزدیک به بهینه) برای حل مسئله می باشد. معیار و نحوه انتخاب اندازه شبکه عصبی برای یک مسئله خاص هنوز شناخته شده نیست. در روشهای کلاسیک،طراح شبکه در ابتدای آموزش ساختاری را برای شبکه تعیین و سپس شبکه را آموزش می...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
نشریه مهندسی مکانیک امیرکبیرناشر: دانشگاه صنعتی امیرکبیر
ISSN 2008-6032
دوره 45
شماره 2 2013
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023