بررسی تعداد توابع حالت ذاتی مورد استفاده در تشخیص نابالانسی ماشین دوار با استفاده ازتجزیه حالت تجربی دستهای و ماشین بردار پشتیبان بهینه

امروزه ماشین آلات دوار نقش مهمی در کاربردهای صنعتی ایفا میکنند. تجزیه حالت تجربی دستهای (EEMD ، (یکی از قویترین روشهای پردازش سیگنال بوده که به طور گستردهای در شناسایی عیوب ماشینهای دوار اعمال میشود و در تجزیه و تحلیل سیگنالهای غیرخطی و غیرثابت مورد استفاده قرار میگیرد. بر این اساس در این مقاله، جهت ایجاد عیب نابالانسی، یک دستگاه شبیه ساز عیب در ماشین دوار ساخته شده است. سپس با استفاده از روش EEMD و ماشین بردار پشتیبان (SVM (به تفکیک کلاس سالم از نابالانسی پرداخته شده است. پارامترهای موثر در ماشین بردار پشتیبان توسط الگوریتم بهینه سازی ازدحام ذرات (PSO(بهینه گشته و تعداد توابع حالت ذاتی شرکت کننده در روش هوشمند طبقه بندی کلاسها، مورد بررسی قرار گرفته است. نتایج به دست آمده به خوبی قابلیت تشخیص زودهنگام عیب نابالانسی در ماشینهای دوار با استفاده روش پیشنهادی را نشان میدهد.

کلیدواژه ها:

پردازش سیگنال ، تجزیه حالت تجربی دستهای ، ماشین دوار ، بهینه سازی ازدحام ذرات ، نابالانسی