عیب یابی یاتاقانهای غلتشی از طریق تحلیل سری های زمانی با استفاده از ماشین بردار پشتیبان

بدلیل اهمیت و گستردگی استفاده یاتاقانهای غلتشی در ماشین آلات صنعتی، عیبهای یاتاقان غلتشی بعنوان عامل رایجی در توقف ماشینهای دوار مطرح می باشندکه این عیب ها می توانند فاجعه آفرین باشند. لذا برای جلوگیری از این فاجعه نیازمند فرآیندی جهت شناسایی خطا و نیز تشخیص نوع خطا می باشیم. در این نوشتار هدف اصلی ارائه روش جدیدی برای تشخیص و شناسایی نوع عیب در یاتاقان غلتشی با استفاده از سیگنالهای حوزه زمان، تبدیل هیلبرت، تبدیل هیلبرت- هوانگ و استخراج ویژگیهایی از این حوزه ها و نیز یک شبکه عصبی جدید به نام ماشین بردار پشتیبان با تکیه بر رای گیری می باشد. نمونه آزمایشگاهی شامل یک موتور با دور متغیر می باشد که بوسیله یک محور(شفت) و یاتاقان غلتشی ، باری متغیر را به گردش در می آورد. شش یاتاقان غلتشی مشابه با شش وضعیت مختلف که شامل یاتاقان غلتشی سالم و یاتاقان غلتشی معیوب با عیب روی حلقه خارجی، حلقه داخلی، ساچمه، ذره خارجی درون قفسه و روغنکاری ضعیف می باشند. در این تحقیق برای شناسایی نوع عیب از انرژی آنتروپی و کلاسیفایر ماشین بردار پشتیبان استفاده شده است که نتایج به دست آمده به خوبی نشان دهنده تشخیص خطا و نیز شناسایی نوع خطا می باشد.