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

سال انتشار: 1395
محل انتشار: چهارمین کنفرانس بین المللی پژوهش های کاربردی درمهندسی کامپیوتر و پردازش سیگنال
کد COI اختصاصی: CEPS04_065
زبان مقاله: فارسی
تعداد مشاهده: 629

دانلود فایل این مقاله

نویسندگان

محمد رهبر

دانشجوی کارشناسی ارشد، مهندسی مکانیک، دانشگاه گیلان، رشت

علی چایی بخش

استادیار، مهندسی مکانیک، دانشگاه گیلان، رشت

رضا انصاری

دانشیار، مهندسی مکانیک، دانشگاه گیلان، رشت

چکیده

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

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.