عیب یابی ماشین آلات دوّار به کمک شبکه ها عصبی
Abstract(in Persian; no English abstract is available)
بحث عیب یابی ماشین آلات دوار یکی از موضوعات مهم و کاربردی در صنایع می باشد. تحلیل ارتعاشی قسمت های مختلف یک ماشین به عنوان ورودی یکی از روش های غیر مخرب و قابل اجرا در حین کار ماشین، روش مطمئن و ساده ای است که در بسیاری از موارد توصیه می شود. در این تحقیق پس از ساخت مدل ماشین دوّار چهار عیب متداول یعنی 1) نابالانسی 2) ناهمراستایی 3) خرابی یاتاقان 4) لقی مکانیکی را بطور جداگانه برروی دستگاه ایجادشده است. سپس توسط نصب پیکاپ برروی محفظه یاتاقان ها سیگنال های ارتعاشی را در فرکانس های مختلف جمع آوری نموده ایم. جهت استخراج مشخصه ها و داده های آماری، سیگنال ها بوسیله تابع تبدیل فوریه fft مورد پردازش قرار گرفته است. پس از بدست آوردن 11 داده آماری، نتایج بوسیله یک شبکه عصبی پرسپترون چند لایه( mlp ) مورد تجزیه و تحلیل قرار گرفت. کل داده های استخراج شده به صورت یک ماتریس 84×11 می باشند. از 3/2 داده ها جهت آموزش شبکه استفاده شده و از 3/1 آنها برای تست شبکه استفاده شده است. نتایج بدست آمده ازآموزش شبکه پرسپترون سه لایه نشان می دهد که این شبکه با تقریب بیش از 75 درصد، بدرستی تشخیص عیب می دهد. داده ها بوسیله شبکه عصبی rbf نیز مورد تجزیه و تحلیل قرار گرفت که از مقایسه نتایج حاصل از دو شبکه مشخص گردید که شبکه عصبی mlp از شبکه عصبی rbf در این تحقیق قوی تر است