تشخیص عیوب ماشینهای دوار با آنالیز ارتعاشات و استفاده از شبکه عصبی

مبنای تشخیص معایب احتمالی یک ماشین، مقایسه طیف های فرکانسی ارتعاشات نقاط مختلف آن با طیف های مرجع موجود است. استفاده از این روش عیب یابی مقرون به صرفه است چرا که بدون نیاز به توقف ماشین، می توان وضعیت نقاط مختلف آن را تحت بررسی قرار داد و همچنین فقط در مواقع لازم و با توجه به میزان پیشرفت عیوب احتمالی، می توان اقدام به تعمیر آن نمود. در این تحقیق، از شبکه ی عصبی پرسپترون چند لایه (MLP) و شبکه عصبی پیشخور (FNN) استفاده شده است. همچنین عیوب متداول در ماشین آلات دوار بطور جداگانه ایجاد شد و فرکانس ارتعاشی تولیدی توسط دستگاه آنالیزور ADASH ۴۴۰۰‎ اندازه گیری گردید. با معرفی چهار ویژگی ارتعاشی شامل ناهمراستایی زاویه ای، لقی، خرابی و نابالانسی بیرینگ بعنوان داده های ورودی به شبکه های عصبی مصنوعی، نتایج با سیگنالهای فرکانسی مرجع مقایسه گردید.‎ ‎نتایج نشان می دهد که شبکه های عصبی MLP و FNN به ترتیب تا ۷۳% و ۷۸% توانایی تشخیص عیوب را دارند. بنابراین روش FNN برای پیش بینی و شناسایی عمر مفید قطعات دوار پیشنهاد می گردد.

کلیدواژه ها:

شبکه عصبی پرسپترون چند لایه ، شبکه عصبی پیشخور ، ماشین های دوار ، آنالیز ارتعاشات ، تشخیص عیوب ،