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، 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.