به کارگیری شبکۀ عصبی ANN برای تشخیص عیوب سیستم های سرو - هیدرولیک

امروزه نیاز به ایمنی و قابلیت اطمینان در سیستم های هیدرولیک، رفته رفته افزایش می یابد و لازم است که خرابی سیستم های هیدرولیکی در همان مراحل اولیه تشخیص داده شود. دلایل زیادی برای این کار وجود دارد که مهمترین آنها مربوط به دلایل اقتصادی است و دلایل دیگر نیز مربوط به ایمنی بخصوص در کاربردهایی مانند هوا فضاست. یکی از روشهای یافتن خرابی در سیستم، استفاده از روش تشخیص عیب وضعیت آنی است. در این مقاله از روش شبکه های عصبی (ANN) برای تشخیص سه عیب که در بیشتر سیستم های هیدرولیک اتفاق می افتد استفاده شده است. این سه عیب عبارتند از: فشار تغذیه، نشتی کل و مدول بالک موثر. سیستم شبیه سازی شده نیز شامل یک شیر سرو و یک سیلندر هیدرولیکی دوطرفه است که یک فنر در مقابل حرکت سیلندر، مقاومت می کند. وجود شیر سرو و قابلیت فشردگی سیال از جمله عواملی هستند که باعث رفتار غیرخطی سیستم مورد نظر می شوند. شبکه های عصبی کاربرد موثری در سیستم های غیرخطی دارند و برای استفاده از این روش لازم است که دانش خوبی در مورد رفتار سیستم مورد نظر و عیبهایی که احتمال زیادی برای ایجاد آنها وجود دارد داشته باشیم. شبکۀ عصبی مورد استفاده، با الگوریتم های آموزش مختلفی بررسی شده است و سپس بهترین الگوریتم آموزش انتخاب شده است. پس از آموزش شبکه، خروجی شبکه برای ورودی های مختلف آزمایش شده و نتایج قابل قبولی برای تشخیص عیوب مدنظر حاصل شده است.

کلیدواژه ها:

تشخیص عیب ، شبکه های عصبی ، سیستم های هیدرولیک