تعیین آسیب لحظه ای ملخ با استفاده از آنالیز ارتعاشات

استفاده از ملخ در هواگردها و شناورها اهمیت بسزایی دارد. ملخ نیاز به نظارت مداوم برای تشخیص عیب دارد. توزیع نامنظم جرمها در یک ملخ سبب عدم تعادل است و برای تشخیص عیب عدم تعادل، تکنیک های زیادی بر اساس تجزیه و تحلیل طیفی وجود دارد. چالش اصلی در زمینه نظارت بر وضعیت ارتعاش، استخراج و شناسایی ویژگی های خطا قبل از بحرانی شدن آن است. این مقاله وجود عیب در یک ملخ متصل به الکتروموتور را به روش آزمایشی و آنالیز ارتعاشی بررسی میکند. بعد از داده برداری در حوزه شتاب برای چهار حالت از ملخ به استخراج ویژگی در حوزه های زمانی، فرکانسی پرداخته شده است. در ادامه ویژگیهای بدست آمده از کاهش ابعاد به ورودی شبکه های عصبی PNN اعمال شده است و نتایج حاصل از هرکدام بررسی میگردد. داده هایی که در اختیار بود به دو بخش داده ها برای آموزش و آزمودن شبکه عصبی مورد بررسی قرار گرفت. درصد طبقه بندی صحیح داده های آموزش تقریبا برای تمام حالات عیب ملخ برابر ۱۰۰ درصد بوده که این مورد دلالت بر انجام دقیق تست آزمایشگاهی و توانایی روش PNN در کلاسبندی دارد. در مقایسه ملخ سالم با ملخ معیوب استفاده از هر دو ویژگیهای زمانی و فرکانسی بهترین پاسخ را برای درصد طبقه بندی صحیح داده های تست را میدهد. بنابراین در مجموع انتخاب هر دو مشخصه زمانی و فرکانسی با هم منجر به نتایج بهتری میگردد.