تشخیص و دسته بندی عیوب یاتاقان های شیار عمیق ساچمه ای با استفاده از تبدیل موجک و سیستم عصبی-فازی تطبیقی

امروزه، تشخیص دقیق و سریع عیب، یکی از مسائل اساسی در صنعت می باشد. به همین دلیل، تاکنون، الگوریتم های پیشرفته ی بسیاری بدین منظور به کار گرفته شده اند که اکثرا دارای پیچیدگی بسیاری بوده و یا نتایج مطلوبی را درپی نداشتند. پژوهش حاضر، روشی نوین جهت تشخیص عیب یاتاقان های موتورهای الکتریکی صنعتی و دسته بندی آن ها براساس قطر عیب و محل آن ارائه می نماید. در بخش ابتدایی، سیگنال ارتعاشی مرتبط با عیوب مختلف به صورت آزمایشگاهی برای دو یاتاقان ساچمه ای شیار عمیق استاندارد متصل به سمت شفت گردنده و سمت محرک در حالت های معیوب و سالم استفاده شده و سپس، در بخش دوم، به دلیل وجود نویز بالا در سیستم، از تبدیل موجک ساده ی تک بعدی میر جهت تحلیل سیگنال در حوزه ی فرکانس و زمان استفاده شده و در نتیجه ضرایب حاصل از تبدیل موجک منحصر به هر سیگنال استخراج گردیده است. در قدم بعدی، این ضرایب به بخش سوم، که یک سیستم عصبی-فازی تطبیقی است، جهت دسته بندی نوع عیب، داده شده و تفکیک پذیری بر اساس میزان عیب موجود در شیار و یا ساچمه انجام گرفته است. در این بخش، قابلیت های اصلی سیستم فازی و شبکه ی عصبی، یعنی مقابله با عدم قطعیت و انعطاف پذیری، به منظور افزایش میزان دقت و مقابله با نویز در امر عیب یابی ترکیب شده است. بخش چهارم این پژوهش نیز به بررسی عملکرد سیستم با تحلیل سیگنال های جدید آزمایشگاهی و درنهایت مقایسه ی این نتایج با کارهای پیشین اختصاص یافته است. نتایج حاصل، حاکی از دقت بالا و قابلیت تفکیک و دسته بندی بهتر روش ارائه شده می باشد.