ترکیب آنالیز مولفه های مستقل و ماشین بردار پشتیبان در تشخیص هوشمند عیب در ماشین های دوار

هر صنعتی نیازمند برنامه ای پیش گویانه، در جهت بهینه نمودن مدیریت منابع و بهبود اقتصاد کارخانه با کاهش هزینه های غیر ضروری و افزایش سطح ایمنی می باشد. ماشین های دوار از جمله ماشین های رایج در صنعت است و ریشه بیشتر خرابی ها در ماشین های دوار به دلیل خرابی یاتاقان های غلتشی می باشد. ماهیت گذرای ارتعاشات ناشی از عیب در یاتاقان های غلتشی باعث گردیده تا تحلیل ارتعاشات در این تجهیزات با استفاده از تبدیل موجک پیوسته و آنالیز پوش انجام پذیرد. این مقاله به بررسی کاربردی روش ترکیب ماشین بردار پشتیبان و آنالیز مولفه های مستقل در تشخیص هوشمند محل و نوع عیب در یاتاقان های غلتشی می پردازد. از آنالیز مولفه های مستقل برای استخراج ویژگی و کاهش ابعاد از ویژگی های اصلی استفاده شده است، همچنین از آنالیز مولفه های اصلی نیز برای استخراج ویژگی استفاده شده و نتایج آن با آنالیز مولفه های مستقل مقایسه گردیده است. در این مقاله، طبقه بندی کننده چند کلاسه ماشین بردار پشتیبان برای طبقه بندی عیب به کار گرفته شده است و از روش اعتبار سنجی متقابل برای انتخاب مقادیر بهینه پارامترهای تابع هسته و ماشین بردار پشتیبان استفاده شده است.

کلیدواژه ها:

Fault Diagnosis ، Independent Component Analysis ، Principal components analysis ، Support vector machines ، Ball Bearing ، عیب یابی ، آنالیز مولفه های مستقل ، آنالیز مولفه های اصلی ، ماشین بردار پشتیبان ، یاتاقان های غلتشی