تشخیص هوشمند خرابی تجهیزات دوار در سامانه های انرژی با استفاده از تحلیل ارتعاشات و یادگیری ماشین

تجهیزات دوار از قبیل توربین ها، پمپ ها و کمپرسورها، از اجزای اساسی سامانه های انرژی به شمار می آیند که بروز خرابی در آن ها می تواند منجر به کاهش راندمان عملکردی و افزایش هزینه های تعمیر و نگهداری گردد. ازاین رو، تشخیص به موقع و دقیق خرابی این تجهیزات، نقش بسزایی در بهبود بهره وری و افزایش قابلیت اطمینان سامانه های انرژی ایفا می کند. در این پژوهش، یک روش هوشمند برای تشخیص زودهنگام خرابی تجهیزات دوار مبتنی بر تحلیل سیگنال های ارتعاشی ارائه شده است. بدین منظور، ابتدا ویژگی های مکانیکی و دینامیکی سامانه استخراج شده و سیگنال های ارتعاشی مربوط به شرایط سالم و معیوب تجهیزات جمع آوری گردید. سپس با به کارگیری الگوریتم های یادگیری ماشین شامل ماشین بردار پشتیبان، جنگل تصادفی و شبکه های عصبی کانولوشنی، فرآیند شناسایی و طبقه بندی الگوهای خرابی انجام پذیرفت. نتایج حاصل از ارزیابی مدل ها حاکی از آن است که روش پیشنهادی از دقت بالایی در تشخیص انواع خرابی برخوردار بوده و می تواند به عنوان ابزاری کارآمد در پیاده سازی راهبردهای نگهداری پیش بینانه و افزایش قابلیت اطمینان سامانه های انرژی مورد استفاده قرار گیرد.

کلیدواژه ها:

تجهیزات دوار ، تشخیص خرابی ، تحلیل ارتعاشات ، یادگیری ماشین ، نگهداری پیش بینانه ، سامانه های انرژی ، قابلیت اطمینان