تشخیص هوشمند عیوب رادیاتور خنک کاری مبتنی بر تکنیکهای هوش مصنوعی و پردازش تصاویر گرمایی

در این تحقیق یک سامانه مبتنی بر تلفیق فناوری های گرمانگاری و پردازش تصویر برای تشخیص و طبقه بندی عیوب مختلف رادیاتور توسعه داده می شود. عیوب متداول در رادیاتور های سیستم خنک کاری شامل؛ گرفتگی لوله های رادیاتور، گرفتگی شبکه رادیاتور، اتصالات شل بین لوله ها و شبکه رادیاتور، نشتی مایع خنک کاری، خرابی درب رادیاتور بصورت مصنوعی ایجاد گردید. به منظور تشخیص عیوب مختلف رادیاتور، از شرایط مختلف رادیاتور معیوب و سالم در سه سطح دمایی، سه سطح دبی جریان سیال خنک کاری در حال گردش و دو سطح سرعت هوای عبوری از شبکه رادیاتور تصاویر گرمایی توسط یک دوربین فروسرخ تهیه شد. پس از پیش پردازش تصاویر گرمایی تهیه شده جهت تجزیه و پردازش چند دقتی از تصاویر مذکور تبدیل موجک در یک سطح تجزیه اعمال گردید. از هر کدام از تصاویر گرمایی مقیاس خاکستری، تصاویر تقریب ، جزئیات افقی، عمودی و قطری تبدیل موجک آن تصویر، ویژگی های آماری بافت استخراج گردید. سپس با تلفیق تکنیک های هوشمند الگوریتم ژنتیک و شبکه های عصبی-فازی تطبیقی (انفیس)، از آن جهت انتخاب ویژگی و ورودی های موثر به طبقه بند استفاده شد. در نهایت، از انفیس برای طبقه بندی تصاویر گرمایی با استفاده از بردار ویژگی های مستخرج و منتخب استفاده گردید. برای ارزیابی طبقه بند از شاخص های آماری صحت، حساسیت و اختصاصی بودن محاسبه شدند. پس از ارزیابی، سامانه پیشنهادی توانست با دقت کلی طبقه بندی ۹۴.۱۱ درصد عیوب مختلف رادیاتور سیستم خنک کاری را تشخیص و طبقه بندی نماید. بنابراین استفاده از تکنیک پردازش تصاویر گرمایی مبتنی بر هوش مصنوعی برای پایش وضعیت و تشخیص هوشمند عیوب رادیاتور امیدوار کننده است.

کلیدواژه ها:

Radiator ، Fault Diagnosis Thermography ، ANFIS ، Genetic Algorithm ، رادیاتور ، تشخیص عیوب ، گرمانگاری ، انفیس ، الگوریتم ژنتیک