مانیتورینگ ارتعاشات و تشخص هوشمند خطا در بیرینگ ها با استفاده از کلاسیفایر Multi Class SVM به همراه معرفی ویژگی های تأثیر گذار سیگنال ارتعاش

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 818

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

EPGC07_123

تاریخ نمایه سازی: 19 تیر 1394

چکیده مقاله:

طراحی های نوین صنعتی با هدف افزایش سرعت و سطح تولیدات، موجب گسترش استفاده از بیرینگها در صنایع گردید. از سوی دیگر با استفاده بیشتر از بیرینگها، بزرگترین جالش فنی پیش رو شناسایی عیوب این قطعات پیش از آسیب های جدی می باشد. در این مقاله با طراحی یک سیستم مبتنی بر کلاسیفایر ماشین بردار پشتیبان چند کلاسه (Multi Class SVM) ضمن شناسایی به موقع عیوب ایجاد شده در بیرینگها، در صورت امکان نوع آن نیز مشخص گردد. با انتخاب روش Signal base به عنوان یکی از روش های بررسی شرایط کاری و طرح سئوال اصلی چگونگی تشخیص خطای بیرینگها بصورت هوشمند، 280 نمونه سیگنال ارتعاش از 4 وضعیت بیرینگ در ازمایشگاه استخراج شد و سپس ویژگی های مختلف این سیگنال ها مورد تجزیه و تحلیل قرار گرفت. نتایج حاصل نشان دهنده توانایی کلاسیفایر انتخاب شده و تأثیر ویزگی های انتخابی در تشخیص هوشمند خطای بیرینگ ها می باشد.

کلیدواژه ها:

نویسندگان

امین کرمی

نیروگاه اتمی بوشهر

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 :
  • R.B.W. Heng, M.J.M. Nor, Statistical analysis of sound and vibration ...
  • MogensB lanke, Michel Kinnaert, Jan Lunze, and Marcel Staroswiecki, 'Diagnosis ...
  • Williams, T., Ribadeneira, X., Billington, S., Kurfess, T., "Rolling element ...
  • Z.K. Peng, Peter W. Tse, F.L. Chu, 'A comparison study ...
  • Peng Z., Chu F., He Y., Vibration signal analysis and ...
  • Yu Dejice, Cheng Junsheng, Yang Yu., 'Application of EMD method ...
  • V.K. Rai& A.R. Mohanty, 'Bearing fault diagnosis using FFT of ...
  • Cheng Junsheng, Yu Dejie, Yang Yu, 'A fault diagnosis approach ...
  • Cheng Junsheng, Yu Dejie, Yang Yu, ' The envelope order ...
  • Jin-Il Park _ Myung-Geun Chun, Fault Diagnosis of Induction Motor ...
  • J. Cheng, Y. Yang & D. Yu, "Application of support ...
  • F. Honarvar, H.R. Martin, New statistical momcents for diagnostics of ...
  • H.R. Martin, F. Honarvar, Application of failure ...
  • detec tion, Applied Acoustics 44(1995) 67-77. ...
  • Loparo, K. (204). Bearing fault diagnosis based On wavelet transform ...
  • Mallat, S. G. (1989). IEEE Transactions _ Pattern Analysis On ...
  • B. Yazici, G. B. Kliman, "An adaptive statistical time frequenc ...
  • S. Prabhakar, A. R. Mohanty, A. S Sekhar, "Application ofdiscrete ...
  • B.A. Paya, I.L. Esat, M.N.M. Madi, Artificial neuralnetwork based fault ...
  • Peter W. Tse, Y.H. Peng, Richard Yam, Wavelet analysisand envelope ...
  • M.L.Sin, W.L.Swong, N.Eartugrul, University of Adelaide, "Induction Machine Online Condition ...
  • J. Zarei, J. Poshtan, "Bearing fault detection using waveletpacket transform ...
  • نمایش کامل مراجع