کاربرد سیستم خبره مرکب جهت بازرسی و سلامت سنجی بدنه شناور بر مبنای تشخیصسیگنال صوتی - الکترومغنا طیسی
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,296
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICOPMAS10_124
تاریخ نمایه سازی: 4 اسفند 1391
چکیده مقاله:
با توجه به گستردگی سازه های دریایی و فراساحل و روند روبه رشد تولید انواع کشتی ها، پل ها و شمع های اسکله های فلزی و سایرسازه های ساحلی و فراساحلی، رویکرد بازرسی های دوره ای جهت مدیریت سلامت سنجی و انجام عملیات نگهداری از اهمیت بسزاییبرخوردار می باشد. در حال حاضر این گونه بازرسی ها معمولاً توسط غواصی در اعماق دریا و یا با صرف هزینه های سنگینی در خشکی انجام می گیرد. یقیناًدر صورت استفاده از منابع انسانی در زیر آب، بازرسی ها با خطای انسانی همراه بوده و ضمن پایین بودن دقت، از ریسک بالایی نیز برخوردار می باشد از اینرو روبات های بدون سرنشین مجهز به فناوری حسگرها جهت انجام چنین بازرسی هایی ایده آل بوده و می تواننددر این حوزه به عنوان یک فناوری نو و مطمئن بصورت گسترده بکار گرفته شوند در این تحقیق سعی شده تا برای نخستین بار روش مرکب جدید برای آزمایش غیر مخرب و بازرسی سطوح زیرآبی با استفاده ازROV و بکارگیری فناوری حسگرها بمنظور تعیین دقیق موقعیت خوردگی ها و ضخامت سنجی استفاده گردد لذا کاربرد آن اهمیت ویژه ای در افزایش طول عمر و ارتقاء بهره وری شناورها و سازه های فولادی دریایی که هزینه های بسیار زیادی صرف ساخت و تولید آنها شده همچنین تعمیر به موقع آنها خواهد داشت. سازمان بنادر و دریانوردی در راستای توسعه صنایع دریایی سرمایه گذاری هنگفتی بمنظور تأمین انواع شناورهای خدماتی و ساخت زیربناهای فولادی گسترده در بنادر شمالی و جنوبی کشور انجام داده است و در حال حاضر نیزبرای نگهداری و صیانت از این سرمایه ها هزینه های زیادی را صرف می نماید
کلیدواژه ها:
بدنه شناور NDT سلامت سنجی ، بازرسی بدنه کشتی ، سیگنال صوتی - الکترومغناطیسی ، خوردگی ، ارتعاشات آکوستیکی شنودی ، نشتemf
نویسندگان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :