پایان‌نامه

عیب یابی و بررسی کاربرد شبکه های عصبی در عیب یابی موتور پیشرانش

چکیده

موتورهای پیشرانش به عنوان نیروی محرکه در هواپیماها و موشک های کروز مورد استفاده قرار می گیرند. از آن جا که این موتورها در یک سیکل ترمودینامیکی با هوا (به عنوان سیال کاری) کار می کنند، از نظر کارایی دارای محدوده وسیعی می باشند. با توجه به این موضوع، ارزیابی موتور از نظر ایمنی کاری و نیز اطمینان از عدم وجود عیب و خرابی در یک شرایط معین کاری بسیار مهم می باشد. آنالیز پارامترهای ترمودینامیکی روندی است که در سال های اخیر در این بحث مورد پیگیری بوده است. برای آنالیز خرابی موتور، روش های مختلفی از جمله روش تشکیل ماتریس خطا، آنالیز مسیر گاز، مدل سازی ریاضی و نیز استفاده از سیستم های هوشمند، وجود دارد. استفاده از سیستم های هوشمند و به خصوص شبکه های عصبی، بدلیل فراوانی داده ها و نیز محدوده وسیع کاری یک موتور بسیار کارا و مفید می باشد. علت دیگر این امر ماهیت احتمالی وقوع عیب است که باعث استفاده از شبکه های عصبی در این پروژه شده است. در این جا ابتدا یک مدل ریاضی موتور جت استخراج می گردد و سپس با استفاده از داده های پروازی موتور(مخصوصا در حالاتی که به همراه خرابی مشخص بوده است)، یک شبکه عصبی آموزشی، انتخاب و تست گردیده است. شبکه عصبی استفاده شده در این پروژه شبکه پرسپترون سه لایه می باشد که صرفا به دنبال گروه بندی عیوب و تشخیص حالت سالم می باشد. علت استفاده از این نوع شبکه سادگی و کارایی در گروه بندی مص عیب می باشد. نتیجه ای این رویه، تهیه یک شبکه عصبی که قابلیت تکامل جهت عیب یابی موتورهای پیشرانه را دارد، می باشد.

اساتید راهنما و مشاور

امیربک خوشنویس، علی گل نژاد

پایان‌نامه‌های مشابه

  • بررسی عیب یابی موتور احتراق داخلی به کمک سنسور ضربه موتور و شبکه عصبی مصنوعی

    پایان‌نامه۲۰۱۴وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت دبیر شهید رجایی - دانشکده مهندسی مکانیکمحمد باقر فیروزی اول

    امروزه ارتعاشات یکی از پارامترهای کلیدی در تعیین سلامت در صنعت خودرو است که در سال های اخیر به عنوان ابزار قوی در تشخیص عیوب بکار گرفته شده است. سنجش ارتعاشات دراین صنعت یک رشته تخصصی است و اصلی ترین روش بررسی وضعیت بکار میرود که بعنوان روشی غیر مخرب و قابل اجرا درحین کار موتور ا

  • عیب یابی ماشین آلات دوّار توسط شبکه های فازی- عصبی

    پایان‌نامه۲۰۱۱وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت دبیر شهید رجاییمجید نوری کمری

    عیب یابی ماشین آلات دوار، ارزیابی وضعیت ماشین، تشخیص علائم شروع و رشد عیب، شناسایی علت و قطعات آسیب دیده و پیشگویی میزان عمرکاری باقیمانده ماشین را ممکن می سازد. به همین دلیل از آسیب دیدگی شدید ماشین و هزینه های بالای تعمیرات جلوگیری می کند. استفاده از ارتعاشات مکانیکی ماشین ها و

  • عیب یابی موتورohv از طریق تحلیل ارتعاشات و شبکه عصبی

    پایان‌نامه۲۰۱۱وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت دبیر شهید رجایی - دانشکده مهندسی مکانیکاکبر اسماعیلی

    چکیده در حال حاضر پایش وضعیت به کمک تحلیل ارتعاشات نه تنها برای اجزای ساده ای مانند بیرینگها و چرخنده ها انجام می گیرد، در موتورها و ماشینهای ترکیبی نیز به منظور تعیین عیب یا پیش بینی عیوب در حال رخ دادن کاربرد فراوانی یافته است و در صنایع مختلف من جمله صنعت خودرو به عنوان یک روش

  • عیب یابی ماشین آلات دوّار به کمک شبکه ها عصبی

    پایان‌نامه۲۰۱۰وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت دبیر شهید رجاییابراهیم بابایی

    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 دوّ

  • استفاده از شبکه های عصبی درمانیتورینگ و عیب یابی ماشینهای دوار

    پایان‌نامه۲۰۰۰وزارت علوم، تحقیقات و فناوری - دانشگاه شیرازناصر قدیری

    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

  • عیب یابی سازه ها با استفاده از شبکه های عصبی

    پایان‌نامه۲۰۱۲وزارت علوم، تحقیقات و فناوری - دانشگاه شهید باهنر کرمان - دانشکده عمرانامید رسولی

    در این پایان نامه اثر پاسخ های مختلف در روش های عیب یابی مبتنی بر شبکه عصبی بررسی شده است. همچنین یک روش جدید برای عیب یابی سازه ها ارائه می شود. روش پیشنهادی دارای دو مرحله می باشد. در مرحله اول توسط شبکه عصبی تابع بنیادی شعاعی به خاطر سرعت یادگیری بالا، مکان های آسیب دیده شناسا

اسناد مشابه