تشخیص عیوب ارتعاشی پره بالگرد هم محور با تبدیل موجک و یادگیری تجربی مبتنی بر شبکه عصبی

بروز عدم ترازمندی در روتور بالگرد، باعث افت کیفیت پروازی و کاهش قابل توجه عمر قطعات متاثر از ناترازی می گردد. با توجه به وابستگی اساسی ایمنی و کنترل بالگرد به روتورها، گسترش این مشکل می تواند به رویدادهای نامطلوب و خرابی­های فاجعه بار منجر شود. بنابراین، تشخیص زودهنگام نامیزانی جرمی و ناهمراستایی به منظور کاهش رویدادها و هزینه­ها، اهمیت بسزایی پیدا کرده است. تشخیص عیوب منوط به انتخاب و بهره گیری از ویژگی های سیگنالی است که حاوی داده های بیشتر باشند، این موضوع در پژوهش های پیشین به طور مناسب مورد توجه قرار نگرفته است. این مقاله به­­ مطالعات تجربی بر روی یک بالگرد مدل با روتور هم محور برای تشخیص وجود نامیزانی جرمی و ناهمراستایی و ترکیب این دو نوع عیب، پرداخته است. تعداد ۳۲۰ تست برای هشت حالت مختلف سالم، ناهمراستایی در پره­ها، نامیزانی­های جرمی با مقادیر مختلف در نوک و وسط پره، در بازه سرعت دورانی ۸۸۰ تا ۱۰۵۰ دور بر دقیقه انجام شده است. بر مبنای پاسخ زمانی و فرکانسی سیستم، ویژگی های سیگنالی در قالب گراف های حوزه­های سه گانه زمان، فرکانس و حوزه زمان-فرکانس (با تبدیل موجک)، استخراج شده است. در مرحله بعد با استفاده از تکنیک تحلیل مولفه اساسی (PCA) همراه با الگوریتم مورچگان، ۱۵ ویژگی که حاوی اطلاعات بیشتری هستند، انتخاب و به عنوان ورودی جهت طبقه بندی به شبکه عصبی داده شده است. بر اساس ارزیابی تجربی صورت گرفته، الگوریتم پیشنهادی موفق به طبقه­بندی و شناسایی عیوب با نسبت کارایی بالا شده است و می­تواند در روند نگهداری و تعمیرات مبتنی بر وضعیت بالگرد، مورد استفاده قرار گیرد.

کلیدواژه ها:

شبکه عصبی ، الگوریتم مورچگان ، تبدیل موجک ، بالگرد هم محور ، انتخاب ویژگی