استفاده از شبکه های عصبی درمانیتورینگ و عیب یابی ماشینهای دوار
چکیده
در این رساله درباره مبحث استفاده از تکنیکهای هوشمند در عیب یابی ماشینهای دوار به کمک آنالیز ارتعاشات بصورت مفصل توضیح داده شده است و مدلی مبتنی بر شبکه های عصبی برای تشخیص عیوب این ماشینها ارائه گردیده است. در صنایع سنگین استفاده از این روش عیب یابی دارای منافع اقتصادی قابل توجهی است و بدون نیاز به توقف ماشین می توان وضعیت نقاط مختلف آن را تحت بررسی قرار داده و فقط در مواقع لازم و با توجه به میزان پیشرفت عیوب احتمالی اقدام به تعمیر آن نمود. این امر باعث کاهش نیاز به انبار کردن قطعات یدکی و نیز پیشگیری از بروز عیوب ثانویه ناشی از عدم تحلیل روی وضعیت ماشین خواهد شد. از طرف دیگر سیستم هوشمند می تواند به عنوان دستیار یا در مواردی به عنوان جایگزین افراد خبره در این زمینه که بسیار کمیاب و گران هستند مطرح باشد.در مراحل پیش پردازش جهت بهینه سازی بردارهای ویژگی از روش تحلیل اجزای اصلی (pca) استفاده شده است. شبکه مورد استفاده در این کار نیز از نوع شبکه پایه شعاعی (rbf) بوده که مزایای عمومی شبکه های عصبی به اضافه سرعت و دقت بیشتر در یادگیری و تعمیم و همچنین نوعی رفتار تعریف شده و با ساختار قابل بهینه سازی به صورت الگوریتمی برخوردار است. در ساختار پیشنهاد شده، بخشی از کار به صورت مبتنی بر قواعد انجام می گیرد و شبکه عصبی عمدتا در قسمت رده بندی غیرخطی سیستم عمل می کند که این باعث دقت بیشتر سیستم شده و همچنین بستر مناسبتری برای استفاده از تمام انواع ویژگیهای دامنه زمان و فرکانس و سایر ویژگیها را فراهم می نماید. با این ساختار کار نگهداری و افزودن یا اصلاح دانش تصمیم گیری تسهیل شده و امکان توسعه سیستم نیز فراهم می گردد.