عیب یابی چرخ دنده بر پایه انتخاب مناسب ترین ویژگی به کمک الگوریتم بهینه سازی ازدحام ذرات

در این مقاله، روش جدیدی برای عیب‌یابی در چرخ‌دنده‌ها ارایه شده است. سیگنال‌های ارتعاشی مجموعه جعبه‌دنده در سه حالت سالم، لب‌پریدگی دندانه و ساییدگی دندانه جمع‌آوری شده‌اند. این سیگنال‌ها با استفاده از روش تجزیه مود تجربی به تعدادی توابع مود ذاتی تجزیه شده‌اند. با توجه به این که همه توابع مود ذاتی به دست آمده از روش تجزیه مود تجربی، مناسب برای عیب‌یابی نیستند، از مفهوم همبستگی متقابل برای انتخاب مناسب‌ترین تابع مود ذاتی استفاده شده است. سپس، با به کارگیری توابع آماری مختلف، ماتریس ویژگی متناظر با هر حالت چرخ‌دنده، استخراج شده است. ماشین بردار پشتیبان چند کلاسه از نوع «یک در برابر یک» برای طبقه‌بندی عیوب به کار گرفته شده است. از آنجایی که تمامی ویژگی‌های استخراج شده برای عیب‌یابی مناسب نیستند و ماشین بردار پشتیبان دارای پارامترهایی است که باید تنظیم شوند، از این رو، از الگوریتم بهینه‌سازی ازدحام ذرات برای انتخاب مناسب‌ترین ویژگی و تعیین پارامترهای بهینه ماشین بردار پشتیبان استفاده شده است. تابع هدف در این مقاله، دقت طبقه‌بندی کننده‌ی ماشین بردار پشتبان در پیش-بینی حالت جعبه‌دنده می‌باشد. نتایج به دست آمده نشان می‌دهد که ویژگی‌های انتخاب شده در این روش و ماشین بردار پشتیبان بهینه شده دارای توانایی عالی در طبقه‌بندی عیوب می‌باشند.