عیب‌یابی خودکار کمپرسور سه‌باله‌ای با استفاده از تبدیل موجک و ماشین بردار پشتیبان

علوم کاربردی و محاسباتی در مکانیک

مقاله 2، دوره 27، شماره 1 - شماره پیاپی 13، اسفند 1394، صفحه 19-34   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/fum-mech.v27i1.32729

نویسندگان

مهدی کریمی^{* 1}؛ سعید علی آبادی²

¹دانشگاه بوعلی سینا همدان

²دانشگاه بوعلی سینا

چکیده

در این مقاله روشی ارائه شده است که بتوان با آموزش یک سیستم هوشمند، ماشین آلات صنعتی را به‌صورت خودکار عیب یابی کرد. یک کمپرسور سه‌باله ای به‌عنوان نمونه ای از یک ماشین صنعتی مورد استفاده قرار گرفت. روش ارائه‌شده برای آموزش سیستم هوشمند از مرحلۀ داده برداری، تحلیل سیگنال و سیستم هوشمند تشخیص الگو تشکیل شده است. در گام اول با داده برداری از سیگنال شتاب کمپرسور سالم و کمپرسور با عیوب متفاوت، داده های موردنظر برای شروع پردازش سیگنال حاصل شدند. پس از تحلیل داده ها و یافتن معیار تشخیص الگوی عیوب، یک ماشین بردار پشتیبان برای تفکیک عیوب، آموزش داده شد. روش ارائه‌شده در پایان آزمایش گردید و نتایج حاصل از سیستم آموزش دیده، عیوب را به‌صورت کامل و صحیح تفکیک کرد.

کلیدواژه‌ها

پایش وضعیت؛ عیب یابی خودکار؛ تبدیل موجک؛ ماشین بردار پشتیبان؛ کمپرسور سه‌باله ای

مراجع

1. بهزاد، مهدی، سپانلو، کیوان، آسایش، مسعود و روحانی، عباس، «اصول و مبانی ارتعاشات در نگهداری، تعمیرات و عیب‌یابی ماشین-های دوار»، انتشارات شرکت ملی صنایع پتروشیمی، (1386).

2. Andrew, K.S., Jardine, A.K.S., Lin, D. and Banjevic, D.," A review on machinery diagnostics and prognostics implementing condition-based maintenance", Mechanical Systems and Signal Processing, Vol. 20, pp. 1483–1510, (2006).

3. Sung, C.K., Tai, H.M. and Chen, C.W., "Locating defects of a gear system by the technique of wavelet transform", Mechanism and Machine Theory, Vol. 35, pp. 1169–1182, (2000).

4. Boulahbal, D., Farid, G.M. and Ismail, F., "Amplitude and phase wavelet maps for the detection of cracks in geared systems", Mechanical Systems and Signal Processing, Vol. 13, pp. 423–436, (1999).

5. Widodo, A. and Yang, B.S., "Support vector machine in machine condition monitoring and fault diagnosis", Mechanical Systems and Signal Processing, Vol. 21, pp.2560–2574, (2007).

6. Saravanan, N., Kumar Siddabattuni, V.N.S. and Ramachandran, K.I., "Fault diagnosis of spur bevel gear box using artificial neural network (ANN), and proximal support vector machine (PSVM)", Applied Soft Computing, Vol. 10, pp. 344–360, (2010).

7. Fernandez-Francos, D., Martinez-Rego, D., Fontenla-Romero, O. and Alonso-Betanzos, A., "Automatic bearing fault diagnosis based on one-class ν-SVM", Computers & Industrial Engineering, Vol. 64, pp. 357–365, (2013).

8. Misiti, M., Misiti, Y., Oppenheim, G. and Poggi, J.M., "Wavelet toolbox for use with MATLAB®", The MathWorks Inc., (1996).

9. Hsu, C.W. and Lin, C.J., "A Comparison of Methods for Multiclass Support Vector Machines", IEEE Transactions on neural networks, Vol. 13, pp. 415–425, (2002).

10. Harris, C.M. and Piersol, A.G., "Harris’ Shock and Vibration Handbook", Sixth Ed., McGraw-Hill, New York, (2002).

11. Newland, D.E.," An introduction to random vibration, spectral and wavelet analysis", Third Ed., Longman Scientific & Technical, Essex, England, (1993).