تشخیص عیوب سرسیلندر موتور احتراق داخلی در انتهای خط تولید به کمک پردازش سیگنال صوتی و شبکه عصبی پیچشی

این پژوهش به بررسی روشی نوآورانه برای تشخیص عیوب سرسیلندر در موتورهای احتراق داخلی می پردازد. عیوب مورد بررسی شامل لقی محوری میل بادامک ، گرفتگی لوله مکش روغن و خالی بودن استکانی ها است که در انتهای خط تولید و مرحله تست گرم با استفاده از پردازش سیگنالهای صوتی شناسایی می شوند. این عیوب در خط تولید رایج بوده و تشخیص آنها، به ویژه لقی محوری میل بادامک ، با روشهای سنتی دشوار است . در این پژوهش ، برای تشخیص عیوب از ترکیب پردازش سیگنال و شبکه عصبی استفاده می شود. سیگنالهای صوتی در سه دور کاری مختلف (۱۳۰۰، ۱۷۰۰ و ۲۵۰۰ دور در دقیقه ) و در حالت بی باری توسط دستگاه ضبط صوت دستی ثبت شده اند که انتخابی مقرون به صرفه و کاربردی است و می تواند به راحتی در محیط های صنعتی مختلف استفاده شود. دادههای صوتی ضبط شده به دلیل شرایط کاری خط تولید دارای نویز شدید هستند که این امر باعث پیچیدگی عیب یابی می شود. برای پردازش سیگنال و استخراج ویژگی ، از طیف نگارها همراه با فیلتربانک های مل و گاماتون استفاده شده است . این روشها امکان تحلیل دقیق تر فرکانس های صوتی را فراهم می کنند و می توانند الگوهای صوتی مرتبط با عیوب را بهتر شناسایی کنند. برای طبقه بندی دادهها از شبکه عصبی پیچشی استفاده شده است که برای تعداد دادههای کم نتایج خوبی را برای تفکیک دادهها ارائه می دهد. نتایج پژوهش نشان می دهد که طیف نگارها در استخراج ویژگی کارآمدتر از روشهای رایج دیگر مانند تبدیل موجک پیوسته هستند و در دورهای کاری ۱۷۰۰ و ۲۵۰۰ دور در دقیقه ، تمام عیوب با دقت تقریبی ۹۸% تشخیص داده می شوند. این روش به ویژه در تشخیص عیوبی مانند لقی محوری میل بادامک ، که با روشهای سنتی قابل تشخیص نیستند، موثر است . همچنین ، این روش قادر است بین گرفتگی لوله مکش روغن و خالی بودن استکانی ها، که معمولا توسط کارشناسان خط تولید به عنوان یک عیب واحد تشخیص داده می شوند، تمایز قائل شود.

کلیدواژه ها:

موتور احتراق داخلی ، عیبیابی ، پردازش سیگنال صوتی ، شبکه عصبی.