22468

به كارگيري متد هاي هوش مصنوعي در عيب يابي و تخمين عمر باقيمانده ماشين آلات دوار

كارشناسي ارشد

طراحي كاربردي

1395

1398/3/27

دكتر محمد رياحي

مكانيك

نگاهداشت پيشبينانه توسط پايش وضعيت ماشين هاي دوار به منظور كم كردن هزينه هاي نگاهداشت، افزايش كيفيت توليد و امنيت و در دسترس بودن ماشين آلات در سال هاي اخير توجهات بسياري را به خود جلب كرده است. يكي از اولين قدم ها براي برنامه ريزي صحيح فعاليت هاي نگاهداشت تشخيص عيب در ابتدايي ترين زمان ممكن است. در اين پايان نامه، تشخيص و ايزوله كردن عيب توسط تست هاي پايش وضعيت، و به طور خاص براي ماشين آلات دوار، توسط آناليز ارتعاشات انجام شده است. خودكار سازي عمليات عيب يابي نيز در ساليان اخير بسيار مورد توجه بوده است كه در بين متد هاي مختلف آن مانند مدل سازي و متد هاي محاسباتي ، استفاده از هوش مصنوعي كارايي بسيار بالايي را نشان داده است. در اين پايان نامه داه هاي ارتعاشي مربوط به شرايط كاري موتور هاي الكتريكي با توان هاي متفاوت و حالت هاي سلامت متفاوت در طول پنج سال جمع آوري شده است و يك نرم افزار براي عيب يابي و تخمين عمر باقيمانده ماشين آلات دوار با همكاري پالايشگاه نفت امام خميني شازند توسعه داده شده است. سيستم هوشمند پيشنهادي در دو فاز تشخيص سالم و معيوب بودن و تشخيص نوع عيب ارائه شده است. شبكه هاي عصبي كم عمق و عميق آموزش ديده اند و از متد تلفيق داده ها در سطح تصميم گيري ياگر براي تصميم گيري نهايي استفاده شده است. در بخش پيشبيني از سه متد مختلف براي تخمين عمر ياتاقان هاي دوار استفاده شده است. نشانگر سلامت جديدي بر اساس تبديل موجك گسسته ارائه شده است و توسط اين نشانگر سلامت، آناليز سري هاي زماني به منظور تخمين نشانگر سلامت توسط شبكه عصبي جريان بازگشتي انجام شده است.

1399/06/31

Utilization of Inetelligent Diagnostics and Prognostics of Rotating Machines by Using Artificial Intelligence Methods

6/16/2020 12:00:00 AM

Predictive Maintenance via condition monitoring of rotating machines aims to reduce costs of maintenance, improve products quality, reliability and availability. The first step to implement a reliable maintenance activity is to determine faults in the earliest stage possible. Diagnostics and determination of fault type is done using condition monitoring methods, and specifically vibration analysis for rotating machines. Automation of diagnostics process is a field of research that has attracted many attentions in recent years. Among automation methods like modeling and calculation methods, Artificial Intelligence (AI) has shown great potential. This thesis is impelemnted to develop a program for intelligent diagnostics and prognostics of rotating machines in Cooperation with Imam Khomeini Oil Refinary Shazand. Proposed intelligent system acts in two phases. In first phase detection of fault is implemented and in seconds phase faults type is determined. A novel diagnostic method based on data fusion in decision making stage using Yaeger Algorithm is proposed. In prognostics part, three different methods for remaining useful life estimation of bearings is implemented. A novel Health Indicator (HI) based on Discrete Wavelet Transform (DWT) is proposed that can improve prognostics accuracy.