بررسی امکان تفکیک عیوب نابالانسی و ناهمراستایی در مجموعه دیسک و کوپلینگ به کمک تبدیل موجک

تجزیه و تحلیل ارتعاشات ماشین آلات دوار می تواند وضعیت عیوب بالقوه مانند نابالانسی، ناهمراستایی، محور خم، ترک محور، لقی بیرینگ ، مالش روتور، لقی، غلغله و شلاق روغن و سایر عیوب را نشان دهد. تشخیص عیوب روتور در سال های اخیر دارای اهمیت شده است. مقالات بسیاری چاپ شده که با عیوب تکی کار کرده اند، اما معمولاً، بیش از یک عیب می تواند در روتور رخ دهد. این پژوهش کاربرد شبکه عصبی مصنوعی و تبدیل موجک برای پیش بینی اثر عیوب ترکیبی نابالانسی و ناهمراستایی بر روی اجزای فرکانسی سیگنال های ارتعاشی ماشین آلات دوار را شرح می دهد. اجزای فرکانسی بدست آمده از تقریب تبدیل موجک سیگنال های ارتعاشی، به عنوان ورودی به شبکه عصبی استفاده می شود. روش تبدیل موجک قادر است لحظه به لحظه ی اجزای فرکانسی مختلف در سراسر طیف را رصد و از سیگنال نویزگیری نماید. روش جدید، تبدیل موجک و شبکه عصبی مصنوعی را برای تشخیص عیوب ترکیب می نماید. شبکه عصبی مصنوعی استفاده شده متشکل از یک لایه ورودی و یک لایه مخفی و یک لایه خروجی است. شبکه با الگوریتم پیش-رو پس انتشار لونبرگ-مارکوارت آموزش دیده است. واضح است که الگوریتم لونبرگ-مارکوارت بسیار کارآمد تر از روش های دیگر است. شبکه ی عصبی مصنوعی برای تشخیص و طبقه بندی 36 حالت از ترکیب این عیوب استفاده شد. میزان موفقیت بر اساس هر 36 حالت از دو عیب گزارش شده است. این روش با موفقیت برای 36 حالت از ترکیب دو عیب با کارآیی 99.9? تست شده است. و تمام 36 حالت تشخیص داده شدند.