تشخیص عیب یاتاقان های غلتشی با استفاده از سیگنال های ارتعاشی بر اساس تحلیل طیف تکین و شبکه عصبی مصنوعی
Authors
Abstract:
در کاربردهای صنعتی، پایش وضعیت و عیبیابی بیرینگها از اهمیت زیادی برخوردار است. تحلیل ارتعاشی، انتشار صدا، دمانگاری و تحلیل روانکار از جمله روشهای تشخیصی جهت شناسایی عیوب بیرینگها میباشند. یکی از قابل اطمینانترین روش‌ها جهت عیبیابی تجهیزات دوار، مطالعه بر روی سیگنال ارتعاشی میباشد. تاکنون روشهای مختلفی جهت عیبیابی بیرینگهای غلتشی توسط سیگنالهای ارتعاشی در حوزه زمان ارائه شده است. بیشتر روشهای سری زمانی، پیچیده و سیگنالهای استخراجی تحت تأثیر نویز میباشند. تحلیل طیف تکین[i] که به عنوان یک تکنیک جدید و کارآمد در زمینه تحلیل سریهای زمانی مطرح میباشد به لحاظ اجرا آسان و مصون از نویز میباشد. در این روش سیگنال ارتعاشی اصلی هر یک از عیوب بیرینگ غلتشی به مؤلفههای اساسی تجزیه میشوند، که پس از انتخاب تعدادی از مؤلفهها و بازسازی سیگنال ارتعاشی، مشخصههای آماری در حوزه زمان از سیگنال بازسازی شده استخراج میشوند. این مشخصهها به عنوان ورودی‌های شبکه عصبی مصنوعی[ii] جهت تشخیص و طبقهبندی عیوب بیرینگها اعمال میگردد. خروجیهای شبکه عصبی، عیوب بیرینگها هستند که با انتخاب تعداد مناسب نرونهای لایه پنهان (لایه میانی)، حداکثر دقت در تشخیص عیوب حاصل میشود. نتایج، پیادهسازی موفق و کارآمد تحلیل طیف تکین در عیبیابی بیرینگهای غلتشی با کمترین خطا را نشان میدهد. [i]. Singular Spectrum Analysis (SSA) [ii]. Artificial Neural Networks (ANN)
similar resources
کاهش نویز سیگنالهای ارتعاشی بر اساس تحلیل طیف تکین و عیبیابی بلبیرینگ‌ها با استفاده از شبکه عصبی مصنوعی
عیبیابی و تشخیص خرابی بیرینگهای غلتشی بالاترین اولویت تحلیلگران ارتعاشات است. تاکنون روشهای بسیاری جهت عیبیابی بیرینگهای غلتشی در حوزه فرکانس و نیز زمان- فرکانس ارائه شده است. در این مقاله به بیان یک روش جدید و بسیار کارآمد جهت تشخیص عیوب بلبیرینگ ها در حوزه زمان میپردازیم. بیشتر روشهای سری زمانی پیچیده و سیگنالهای استخراجی تحت تأثیر نویز میباشند. تحلیل طیف تکین (SSA) به عنوان یک تکنی...
full textعیب یابی یاتاقان های غلتشی با استفاده از آنالیز ارتعاشی
یاتاقان های غلتشی یکی از اجزاء حیاتی در ماشین آلات دوار هستند. بنابراین تشخیص سریع عیوب در برینگ ها، برای پیشگیری از آسیب رساندن به سایر اجزاء یک ماشین، امری حیاتی است. سیستم های پایش وضعیت ما را در تشخیص و پیش بینی خرابی های برینگ یاری می دهند. در این پایان نامه به منظور تشخیص عیب در یاتاقان های غلتشی، ابتدا روی مدل های تئوری و عملی شبیه سازی رفتار ارتعاشی برینگ ها، همچنین تکنیک های پردازش سیگ...
15 صفحه اولعیب یابی هوشمند یاتاقان های غلتشی با استفاده از شبکه های عصبی مصنوعی و الگوریتم زنبورعسل فازی
در سالهای اخیر فنآوریهای نگهداری و تعمیرات مبتنی بر شرایط، مدیریت سلامت و پیشبینی عیوب، تأثیر قابل توجهی بر شیوههای نگهداری و تعمیرات در سازمانهای تجاری و نظامی داشتهاند. زیرا در طراحی، پایش، نگهداری و تعمیرات سیستمهای پیچیده (هوانوردی و فضانوردی، سیستمهای حمل و نقل دریایی، فرایندهای صنعتی و ساخت و تولید و غیره) تغییرات چشمگیری به وجود آمده است. از آنجایی که در اکثر ماشینهای دوار از ا...
شناسایی خسارت در سازه با استفاده از پردازش سیگنال و شبکه های عصبی مصنوعی
در طول دو دهه اخیر بحث شناسایی خرابی و پایش سلامت سازه ها با هدف کاهش هزینه نگهداری و بهبود ایمنی و قابلیت اطمینان سازه مورد توجه قرار گرفته است. پس از وقوع زلزله با توجه به وضعیت بحرانی موجود و تعداد زیاد سازه های بلند مرتبه امکان مراجعه حضوری به تک تک سازه ها وجود ندارد. این موضوع اهمیت توسعه روش هایی که بتوانند تنها با استفاده از سیگنال های پاسخ ثبت شده در مدت زمان زلزله، خسارت ایجاد شده در ...
full textعیب یابی بلبرینگ توسط آنالیز سیگنال های ارتعاشی
طی دهة گذشته، پژوهش‌های گسترده‌ای در زمینة تشخیص عیوب انجام شده است. پژوهشگران در رشته‌هایی چون پزشکی، مهندسی، علوم تجربی، تجارت و اقتصاد، روشهای متنوعی را برای تشخیص عیب (خرابی) یا شرایط غیرعادی، شناسایی دقیق یا جداسازی اجزای معیوب و تصمیم‌گیری دربارة اثر بالقوه اجزای خراب یا در حال خرابی ایجاد کرده‌اند. استفاده از روشهای نوین نگهداری و تعمیرات نظیر برنامه‌های پایش وضعیت با روش آنالیز ارتعاش...
full textMy Resources
Journal title
volume 6 issue 12
pages 121- 133
publication date 2018-02-20
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023