شناسایی عیوب یاتاقان غلتشی با استفاده از سیگنال های ارتعاشی و شبکه عصبی تابع پایه شعاعی

عیوب یاتاقان های غلتشی یکی از دلایل اصلی خرابی ماشین آلات دوار است. شناسایی عیوب یاتاقان غلتشی نقش اساسی در اطمینان عملکرد واحدهای تولیدی داشته است. علاوه بر این، پایش وضعیت ماشین آلات با استفاده از آنالیز ارتعاشات یکی از قدرتمندترین ابزارها در سلامت سنجی سامانه های مکانیکی است. این تحقیق یک سیستم هوشمند تشخیص عیوب یاتاقان های غلتشی مبتنی بر آنالیز ارتعاشات پیشنهاد می کند. در سیستم هوشمند عیب یابی از ویژگی های استخراج شده سیگنال های ارتعاشی در حوزه زمان و شبکه عصبی تابع پایه شعاعی استفاده شده است. مجموعه داده های آموزش و آزمون به سیستم هوشمند شبکه عصبی تابع پایه شعاعی ارائه می شود. نتایج یادگیری شبکه عصبی، عملکرد بسیار موفق سیستم هوشمند عیب یابی در تشخیص حالت های سلامت و عیوب سه گانه یاتاقان غلتشی را نشان می دهد

کلیدواژه ها:

Fault Diagnosis ، Rolling Bearing ، Vibration Analysis ، Radial Basis Function Neural Network ، Feature Extraction ، تشخیص عیب ، یاتاقان غلتشی ، آنالیز ارتعاشات ، شبکه عصبی تابع پایه شعاعی ، استخراج ویژگی