7315

تشخيص عيوب ياتاقان‌ها به كمك شبكۀ عصبي مصنوعي بهبوديافته مبتني بر تجزيۀ مودهاي تجربي (EMD-FLANN)

كارشناسي

مهندسي مكانيك

1400

دكتر مجيد رجبي

1400/06/16

مكانيك

Bearing Fault Detection Using EMD and Ensemble Neural Network (FLANN)

به سبب پيشرفت سيستم‌هاي انتقال قدرت، توليد انرژي و خطوط اتوماسيون در صنعت، در سال‌هاي اخير نياز به روش‌هايي براي پايش سلامت افزايش پيداكرده است. ياتاقان، به‌عنوان يكي از پركاربردترينِ قطعات در سيستم‌هاي دوّار، يكي از مهم‌ترين قطعاتي است كه در چند دهۀ اخير موردتوجه محققان و صنعت‌گران بوده است. در اين رساله در گام اول به بررسي سيگنال دريافتي از ياتاقان‌ها و روند استخراج ويژگي‌هاي كليدي پرداخته‌شده است و بعد از بيان روش‌هاي متداول براي تشخصي عيوب، يك روش جديد و بهينه كه در آن از تجزيۀ مود‌هاي تجربي به‌منظور استخراج ويژگي و از شبكۀ عصبي مصنوعي غيرمتوالي براي تشخيص عيب استفاده‌شده است، پيشنهادشده است. نهايتاً اين روش توسط ديتاستِ MFPT تست شده و نتايج آن با روش‌هاي گذشته مقايسه شده است.

ياتاقان , پايش سلامت , تشخيص عيب , شبكه عصبي مصنوعي , تجزيه مودهاي تجربي