22843

مطالعات ميداني شناسايي عيوب گسيختگي تسمه زمان‌بندي

كارشناسي ارشد

ساخت و توليد

1396

1399/07/30

دكتر محمد رياحي

مكانيك

تسمه زمان‌بندي خودرو از جمله قطعات ضروري و مهم اغلب خودروهاي امروزي مي‌باشد. در اين پژوهش ضمن معرفي، دسته‌بندي و ريشه‌يابي عيوب ظاهري پديدآمده در تسمه‌ها، مطالعات و فعاليت‌هاي مطلوبي در سه حوزه مختلف از قبيل مطالعات ميداني و آماري، عيب‌يابي هوشمند تسمه و حوزه تحليلي و شبيه‌سازي انجام پذيرفته است. در حوزه آماري، به صورت ميداني بالغ بر 330 تسمه زمان‌بندي جمع‌آوري گرديد. آمارها نشان دهنده آن است كه عيوب ظاهر شده براي تسمه‌هاي تعويضي بالاي 75 هزاركيلومتر تقريبا 2 برابر بازه 60-45 هزار مي‌باشد. علاوه براين دريافته شد اغلب صاحبان خودرو، تسمه‌هاي خودرو خود را در محدوده 60 هزار كيلومتر تعويض مي‌كنند. در حوزه عيب‌يابي، سيستم هوشمندي جهت عيب‌يابي تسمه، مناسب براي مراكز معاينه فني و همچنين در سطح كارخانه پيشنهاد گرديد. در مجموع، دو برنامه عيب‌ياب مبتني بر مفاهيم يادگيري عميق و شبكه عصبي كانولوشن نوشته و پيشنهاد گرديد. حساسيت و بهره‌وري عملكرد اين دو برنامه در تشخيص عيوب بالاي 98% بوده و در قياس با برنامه‌هاي ديگر كارآيي بيشتري از خود نشان داد. در حوزه تحليلي، شبيه‌سازي‌هاي متنوعي پيرامون عيوب تسمه زمانبندي انجام پذيرفت و پارامترهاي مختلفي از قبيل جنس تسمه، نوع پروفيل دندانه، تعداد عضوهاي كششي و... مورد بررسي قرار گرفت. نتايج نشان‌دهنده آن بود كه تسمه با جنس EPDM (پيشنهادي در اين پژوهش) و پروفيل دندانه از نوع HTD بهترين عملكرد را داشتند.

1399/09/24

Field studies to identify defects in timing belt rupture

10/22/2021 12:00:00 AM

Nowadays, timing belts of cars are one of the essential parts of most cars. In this research, while introducing, classifying and rooting out the appearance defects in belts, desirable studies and activities in three different areas such as statistical studies, intelligent timing belt`s diagnosis and also simulation (analytical) fields have been performed. In the statistical field, more than 330 timing belts were collected in the field. Statistics show that the defects that appear for replacement belts over 75 thousand kilometers are almost twice as much as the range of 60-45 thousand. In addition, it was found that most car owners change their car belts within 60,000 kilometers. In the field of diagnosis, an intelligent system for belt diagnosis, suitable for technical inspection centers as well as at the factory level, was proposed. In total, two diagnostic programs based on the concepts of deep learning and convolutional neural network were written and proposed. The sensitivity and productivity of the performance of these two programs in detecting defects was over 98% and showed more efficiency compared to other programs. In the analytical field, various simulations were performed about the defects of the timing belt and various parameters such as belt material, type of tooth profile, number of tensile members, etc. were investigated. The results showed that EPDM belts (suggested in this study) and HTD tooth profiles had the best performance.