تشخیص ترک محور به کمک سنسور غیر تماسی با استفاده از تحلیل موجک گسسته و شبکه عصبی

محورهای دوار کاربرد زیادی در صنایع مختلف دارند. تشخیص ترک در محورهای دوار، به منظور برنامه ریزی و کم کردن هزینه تعمیرات، اهمیت زیادی دارد. در صورتی که ترک عرضی به موقع تشخیص داده نشود، می تواند منجر به شکست های فاجعه باری شود. تحقیق حاضر به صورت تجربی به ارایه ی روشی برای تشخیص ترک، با استفاده از تحلیل موجک گسسته و شبکه عصبی مصنوعی می پردازد. سیگنال های ارتعاشی جابه جایی با سنسور مجاورتی از دستگاه ساخته شده جهت داده برداری ارتعاشی که تحت بار خمشی نیز قرار داشت جمع آوری شده و فرآیند حدف نویز توسط تبدیل موجک انجام شد. با تبدیل موجک گسسته توسط موجک مادر سایملت 2 سیگنال تا 9 سطح تجزیه شد و انرژی نسبی اجزا محاسبه شد. بردار ویژگی شامل مقادیر انرژی نسبی ساخته شد تا به عنوان ورودی شبکه عصبی مورد استفاده قرار گیرد. شبکه عصبی مصنوعی استفاده شده از نوع پرسپترون چند لایه بود که برای تشخیص سالم بودن یا عمق ترک، به کار گرفته شد. در نهایت شبکه پرسپترون سه لایه ذبا ساختار 6:12:4 طراحی شد که در لایه میانی و خروجی آ از تابع تبدیل تانژانت هیپربولیک سیگمویید استفاده شده بود. شبکه عصبی کارایی قابل قبولی داشته به صورتی که توانست سایز ترک محور دوار را با دقت خوبی تشخیص دهد.

کلیدواژه ها:

موجک گسسته ، انرژی نسبی ، شبکه عصبی مصنوعی ، تشخیص ترک عرضی