مدلی جهت تعیین وضعیت زوال تجهیزات دوار و تعیین عمر مفید باقی مانده، با رویکرد جدیدی به تلفیق و پیش بینی شاخص سلامت
محل انتشار: مهندسی مکانیک مدرس، دوره: 19، شماره: 10
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 88
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_MME-19-10_004
تاریخ نمایه سازی: 10 اسفند 1403
چکیده مقاله:
پایش وضعیت یکی از مهم ترین تکنیک های مدیریت سلامت تجهیزات و نگهداری و تعمیرات (نگهداشت) مبتنی بر شرایط است. در چرخه متدلوژی مدیریت سلامت و پیش بینی عیوب (PHM) که به نوعی شکل توسعه یافته تری برای نگهداشت مبتنی بر شرایط (CBM) است، ارزیابی وضعیت به عنوان مهم ترین جزء این چرخه به شمار می آید. در این تحقیق مدلی ارائه شده است که مبتنی بر آن می توان با استفاده از ارزیابی وضعیت تجهیز، عمر مفید باقی مانده (RUL) تخمین زده شود. در این مدل با استفاده از تعریف یک شاخص سلامت جدید برای ارتعاش تجهیز (Kurtosis-Entropy)، شبیه سازی و پیش بینی آن با استفاده از مدل مارکوف رژیم سوئیچینگ خودرگرسیون، وضعیت سلامت تجهیز تعیین می شود. پیش از پیش بینی وضعیت تجهیز، مراحل زوال، با استفاده از خوشه بندی C- میانگین فازی تعیین شده است. مطابق با وضعیت فعلی تجهیز و وضعیت های از پیش تعیین شده زوال، عمر مفید باقی مانده تجهیز تخمین زده می شود. به منظور ارزیابی مدل از داده های آزمایشگاهی انیستیتوی FEMTO-ST که به منظور پیش بینی عمر مفید باقی مانده بی رینگ فراهم شده، استفاده و نتایج مطالعه با مدل های رقیب مقایسه شده است. نوآوری این مقاله استفاده توام از خوشه بندی فازی رویکرد جدیدی به تئوری شواهد برای تلفیق داده ها و استفاده از مدل مارکوف رژیم سوییچینگ، برای پیش بینی است.
کلیدواژه ها:
Remaining Useful Life (RUL) ، Prognostics & Health Management (PHM) ، Autoregressive Markov Regime Switching (ARMRS) ، Health Index (HI) ، Theory of Evidence ، Fuzzy clustering ، Kurtosis-Entropy ، Feature ، Degradation ، عمر مفید باقی مانده ، مدیریت سلامت و پیش بینی عیوب ، مدل مارکوف رژیم سوییچینگ خودرگرسیون ، شاخص سلامت ، تئوری شواهد ، زوال
نویسندگان
سعید رمضانی
School of Industrial Engineering, Iran University of Science and Technology, Tehran, Iran
علیرضا معینی
School of Industrial Engineering, Iran University of Science and Technology, Tehran, Iran
محمد ریاحی
School of Industrial Engineering, Iran University of Science and Technology, Tehran, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :