کاربرد شبکه های عصبی مصنوعی در تشخیص عیوب و پیش بینی خرابی یاتاقان های موتور خودرو

یاتاقان ها از اجزای حیاتی در موتورهای احتراق داخلی هستند و خرابی آن ها یکی از علل اصلی کاهش کارایی، افزایش آلایندگی و هزینه های تعمیراتی سنگین در خودروها محسوب می شود. تشخیص به موقع و دقیق عیوب یاتاقان، نقشی کلیدی در پیاده سازی استراتژی های تعمیرات مبتنی بر شرایط (Condition-Based Maintenance) ایفا می کند و از خرابی های فاجعه بار جلوگیری می نماید. در سال های اخیر، شبکه های عصبی مصنوعی (ANNs) به عنوان ابزاری کارآمد در پایش وضعیت ماشین های دوار و تشخیص هوشمند عیوب مورد توجه قرار گرفته اند . در این مقاله، یک سامانه تشخیص عیب مبتنی بر شبکه عصبی مصنوعی برای شناسایی و دسته بندی خرابی های یاتاقان موتور خودرو پیشنهاد می شود. اساس کار این سامانه بر تحلیل سیگنال های ارتعاشی (Vibration Signals) برداشت شده از بلوک موتور استوار است، چراکه سیگنال های ارتعاشی حاوی اطلاعات غنی درباره وضعیت عملکردی اجزای داخلی موتور هستند . فرآیند تشخیص شامل سه گام اصلی است: پیش پردازش سیگنال، استخراج ویژگی های موثر (Feature Extraction)، و طبقه بندی عیوب با استفاده از شبکه عصبی. مطالعات پیشین نشان داده اند که استفاده از سیگنال های پوش دار مجذور (Squared Envelope Signals) به جای سیگنال های شتاب خام، اطلاعات تشخیصی مفیدتری را در اختیار شبکه قرار می دهد. همچنین به کارگیری ساختارهای چندلایه (چند شبکه مجزا برای تشخیص وجود عیب، مکانیابی عیب و تعیین شدت عیب) دقت فرآیند تشخیص را به طور چشمگیری افزایش می دهد . پژوهش های متعدد حاکی از آن است که روش های مبتنی بر شبکه عصبی با دقتی بیش از ۹۶ درصد در شرایط عملیاتی مختلف قادر به شناسایی انواع عیوب یاتاقان هستند و در مقایسه با روش های سنتی تحلیل طیف توان، عملکرد برتری از خود نشان می دهند . این پژوهش به بررسی معماری های مختلف شبکه عصبی، روش های استخراج ویژگی (شامل تحلیل حوزه زمان-فرکانس و تحلیل موجک) و فرآیند آموزش شبکه با استفاده از داده های شبیه سازی شده و تجربی می پردازد. نتایج نشان می دهد که سیستم طراحی شده قابلیت شناسایی دقیق عیوب یاتاقان، تفکیک سطوح مختلف خرابی و ارائه هشدارهای به موقع برای انجام اقدامات پیشگیرانه را داراست. چنین سامانه ای می تواند به عنوان یک ابزار کارآمد در سیستم های پایش وضعیت خودروها و خطوط تولید صنعتی مورد استفاده قرار گیرد و گامی موثر در جهت کاهش هزینه های نگهداری و افزایش قابلیت اطمینان خودروها محسوب شود.

کلیدواژه ها:

شبکه عصبی مصنوعی ، تشخیص عیب ، یاتاقان موتور ، سیگنال های ارتعاشی ، پایش وضعیت ، نگهداری پیش بینی کننده