استفاده از روش های هوشمند فازی- عصبی و شبکه های عصبی چند لایه در تشخیص عیوب اصلی ماشین های دوار

Authors

مجید نوری کمری

غلامحسن پایگانه

مهرداد نوری خاجوی

abstract

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.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

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،...

full text

بازسازی 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 ...

full text

مدلسازی 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  ...

full text

طراحی 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...

full text

مهندسی 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...

full text

My Resources

Save resource for easier access later


Journal title:
نشریه مهندسی مکانیک امیرکبیر

Publisher: دانشگاه صنعتی امیرکبیر

ISSN 2008-6032

volume 45

issue 2 2013

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023