کاهش نویز سیگنال‌های ارتعاشی بر اساس تحلیل طیف تکین و عیب‌یابی بلبیرینگ‌ها با استفاده از شبکه عصبی مصنوعی

Authors

  • مهدی حسنیان گروه مهندسی مکانیک، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد،اصفهان، ایران
  • مهدی صالحی گروه مهندسی مکانیک، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد،اصفهان، ایران
Abstract:

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 تکنیک کارآمد در زمینه تحلیل سری­های زمانی می­باشد که از نظر اجرا آسان و نویززدا است. در این روش سیگنال ارتعاشی اندازه­گیری هر یک از عیوب بلبیرینگ به مؤلفه­های اساسی تجزیه می­شوند، که پس از انتخاب تعدادی از مؤلفه­ها اساسی جهت بازسازی سیگنال ارتعاشی، ویژگی­های آماری در حوزه زمان از سیگنال بازسازی شده استخراج می­شوند. این ویژگی­ها به عنوان ورودی­های شبکه عصبی مصنوعی (ANN) جهت تشخیص و طبقه­بندی عیوب بلبیرینگ­ها اعمال می­گردد. خروجی­های شبکه عصبی، عیوب بلبیرینگ­ها هستند که با انتخاب تعداد مناسب نرون­های لایه پنهان (لایه میانی)، حداکثر دقت در تشخیص عیوب حاصل می­شود. همچنین با اضافه کردن یک نویز سفید گوسی به سیگنال­ها کارایی روشSSA  و میزان دقت شبکه عصبی در عیب­یابی بررسی گردید. نتایج، پیاده­سازی موفق و کارآمد تحلیل طیف تکین در عیب­یابی بلبیرینگ­ها با کمترین خطا را نشان می­دهد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

تشخیص عیب یاتاقان های غلتشی با استفاده از سیگنال های ارتعاشی بر اساس تحلیل طیف تکین و شبکه عصبی مصنوعی

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. بیش...

full text

تحلیل مؤلفه‌های فرهنگ‌سازمانی دانش‌محور با استفاده از شبکه عصبی مصنوعی

این پژوهش به تحلیل مولفه های فرهنگ سازمانی دانش محور به منظور نیل به اثربخشی عملکرد با استفاده از شبکه عصبی مصنوعی می‌پردازد.پژوهش حاضر ازنظر نوع استفاده کاربردی است که با روش آمیخته اکتشافی انجام‌شده است. در تدوین ادبیات پژوهش با استفاده از روش بررسی اسنادی و نتایج حاصل از آن، مصاحبه‌های عمیق حضوری در چندین نوبت با 20 نفر از خبرگان دانشگاهی به عمل آمد. پس از ثبت مصاحبه‌ها، داده‌ها به روش تحلیل...

full text

درجه بندی زعفران بر اساس ویژگی های ظاهری با استفاده از شبکه های عصبی مصنوعی

زعفران به‌عنوان یک کالای تجاری مهم در کشور به­شمار می‌آید و توجه به مکانیزه کردن آن از مرحله تولید تا بسته‌بندی اهمیت زیادی دارد. در بدو ورود زعفران به فرایند کیفی سنجی در آزمایشگاه ، ارزیابی اولیه بر اساس مشخصات ظاهری زعفران توسط شخص خبره انجام می‌شود. لیکن بروز خطای انسانی در تشخیص کیفیت زعفران بر مبنای ویژگی‌های ظاهری آن امری اجتناب‌‌ناپذیر‌ است؛ استفاده از تکنیک‌های مبتنی بر هوش مصنوعی می‌ت...

full text

مقایسه تأثیر وضعیت طاق باز و دمر بر وضعیت تنفسی نوزادان نارس مبتلا به سندرم دیسترس تنفسی حاد تحت درمان با پروتکل Insure

کچ ی هد پ ی ش مز ی هن ه و فد : ساسا د مردنس رد نامرد ي سفنت سرتس ي ظنت نادازون داح ي سکا لدابت م ي و نژ د ي سکا ي د هدوب نبرک تسا طسوت هک کبس اـه ي ناـمرد ي فلتخم ي هلمجزا لکتورپ INSURE ماجنا م ي دوش ا اذل . ي هعلاطم ن فدهاب اقم ي هس عضو ي ت اه ي ندب ي عضو رب رمد و زاب قاط ي سفنت ت ي هـب لاتـبم سراـن نادازون ردنس د م ي سفنت سرتس ي لکتورپ اب نامرد تحت داح INSURE ماجنا درگ ...

full text

مدل‌سازی بازده کششی تراکتور با استفاده از شبکه عصبی مصنوعی

در این مطالعه آزمایش­های مزرعه­ای در شرایط متفاوت عمق شخم، سرعت پیشروی و میزان وزنه­های متصل به تراکتور انجام شد. در این تحقیق، عمق شخم در چهار سطح 5، 10، 15 و 20 سانتی­متر، سرعت­های پیشروی در چهار سطح 5/2، 5/3، 5/4 و 5/5 کیلومتر بر ساعت و میزان سنگین­کننده نیز در چهار سطح 0، 40، 80 و 120 کیلوگرم قرار گرفت. شبکه­های عصبی مدل­سازی شده در این تحقیق که به­ منظور پیش­بینی بازده کششی تراکتور مورد اس...

full text

تعیین ارزش دارایی‌های نامشهود با استفاده از شبکه عصبی مصنوعی

درک عوامل موثر بر ارزش شرکت برای سرمایه‌گذاران و اعتباردهندگان پیش از اتخاذ تصمیمات سرمایه‌گذاری یا اعطای تسهیلات، امری حیاتی است. از آن‌جایی که اقتصاد دانش‌محور در حال تکامل یافتن است، روش ایجاد ارزش شرکتی از شیوه سنتی مبتنی بر دارایی‌های فیزیکی به دانش نامشهود منتقل شده است. از این‌رو در آینده نه چندان دور، ارزش‌گذاری دارایی‌های نامشهود به موضوع مهمی در اقتصاد مبدل خواهد شد. این مطالعه بر آن ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 9  issue 2

pages  13- 20

publication date 2017-09-23

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