بررسی مقایسه‌ای کارایی روش‌هایی بر پایة تکنیکهای هوش مصنوعی در تشخیص عیوب سیستمهای مکانیکی
نویسندگان
چکیده مقاله:
بلبرینگ‌ها یکی از پر استفاده‌ترین قطعات موتورها می‌باشند که به دلیل چرخش دائمی زودتر از بقیه قطعات دچار خرابی میشوند و بدین خاطر تحقیقات وسیعی بر روی پایش سلامت بلبرینگ‌های موتورهای القایی انجام شده است. عیوب بلبرینگ‌ها معمولا از نوع محلی هستند که در حلقه داخلی، خارجی، ساچمه‌ها یا قفسه ایجاد میشوند. به همین علت از سیگنال ارتعاشی برای پایش سلامت بلبرینگ‌ها استفاده می‌شود. همچنین در این پژوهش عیب‌یابی ورق‌های کامپوزیت با استفاده از پردازش سیگنال ارتعاشی و روش‌های مبتنی بر هوش مصنوعی نیز صورت گرفته است. سیگنال‌های ارتعاشی از ورق‌های کامپوزیتی سالم و دارای عیب گرفته شده و با استفاده از روش‌های مختلف پردازش سیگنال حوزه زمان- فرکانس تعدادی ویژگی از این سیگنال‌ها استخراج شده است. سپس موثرترین ویژگی‌ها که حاوی اطلاعات بیشتری از ورق‌های کامپوزیتی می‌باشند به‌عنوان ورودی به سیستمهای مختلف طبقه‌بندی داده شده است که خروجی آنها نشان‌دهنده نوع و شدت عیب می‌باشد. نتایج به‌دست آمده نشان‌دهنده برتری روش انفیس[i] از نظر درصد دقت می‌باشد درحالی‌که این روش بیشترین مدت زمان اجرا را در تعداد اجراهای برابر دارد. درصورتی‌که روش پیشنهادی XCS بهبود یافته است، درصد دقت نسبتا کمتری نسبت به انفیس دارد، ولی مدت زمان اجرای کمتری را (در تعداد اجرای برابر نسبت به روش فوق) به خود اختصاص می‌دهد. [i]. ANFIS
منابع مشابه
تشخیص هوشمند عیوب رادیاتور خنک کاری مبتنی بر تکنیکهای هوش مصنوعی و پردازش تصاویر گرمایی
در این تحقیق یک سامانه مبتنی بر تلفیق فناوری های گرمانگاری و پردازش تصویر برای تشخیص و طبقه بندی عیوب مختلف رادیاتور توسعه داده می شود. عیوب متداول در رادیاتور های سیستم خنک کاری شامل؛ گرفتگی لوله های رادیاتور، گرفتگی شبکه رادیاتور، اتصالات شل بین لوله ها و شبکه رادیاتور، نشتی مایع خنک کاری، خرابی درب رادیاتور بصورت مصنوعی ایجاد گردید. به منظور تشخیص عیوب مختلف رادیاتور، از شرایط مختلف رادیاتور...
متن کاملبررسی رفتار ارتعاشی تسمه زمانبندی تحت عیوب مختلف به کمک روش‌های داده‌کاوی و هوش مصنوعی
در این پژوهش سامانه‌ای خودکار و هوشمند جهت تشخیص عیوب رایج تسمه زمانبندی بر اساس سیگنال‌های ارتعاشات آن معرفی شده است. بدین منظور ارتعاشات تسمه زمانبندی در عیوب مختلف و رایج آن تحصیل شد. به منظور داده‌کاوی از سیگنال‌های ارتعاشی 6 تابع ویژگی انحراف از معیار, کورتوسیس، اسکیوونس، فاکتور ضربه، فاکتور شکل و فاکتور کرست که هریک از آنها بیانگر نوعی از رفتارهای یک سیگنال هستند؛ استخراج شدند. پس از استخ...
متن کاملتشخیص بهتر آپاندیسیت حاد با استفاده از هوش مصنوعی
زمینه: آپاندیسیت حاد، شایع‌ترین علت مراجعۀ بیماران با دردهای شکمی به اورژانس بیمارستان‌ها و آپاندکتومی شایع‌ترین عمل جراحی اورژانس است. با وجود ابداع روش‌های گوناگون تشخیصی، میزان آپاندکتومی غیرضروری قابل توجه است. استفاده از روش‌های هوش مصنوعی و یادگیری ماشینی می‌تواند فرآیند تشخیص و درمان را بهبود بخشد. در این پژوهش از سیستم ماشین‌بردار پشتیبان جهت کمک به تشخیص آپاندیسیت حاد با هدف افزایش صح...
متن کاملمقایسه کارایی تخمین‌گرهای مبتنی بر هوش مصنوعی در تخمین عیار در کانسار مس پورفیری مسجد داغی
صحت تخمین عیار ماده معدنی نقش مهمی را در ارزیابی، طراحی و برنامه‌ریزی‌های معادن ایفا می‌کند. با توجه به مشکلات موجود در زمینه‌ی بکار گیری روش‌های متداول مانند کریجینگ جهت تخمین عیار، در این تحقیق کارایی تخمین‌گرهای هوشمندی چون شبکه عصبی پرسپترون چندلایه، رگرسیون بردار پشتیبان و سیستم فازی-عصبی تخمین عیار مس در کانسار پورفیری مس (طلا) مسجد داغی واقع در استان آذربایجان شرقی مورد بررسی قرار گرفت. ...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 6 شماره 12
صفحات 41- 56
تاریخ انتشار 2018-03-19
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023