تشخیص آهنگ عبور مواد گرانوله با استفاده از تحلیل صدا و روش های آماری چند متغیره

یکی از موضوعات مهم در ماشین های کشاورزی و انبارهای ذخیره مواد دانه ای، اندازه گیری مقدار جریان عبوری این مواد می باشد. هدف از این تحقیق، اندازه گیری نرخ عبور مواد دانه ای (گندم) با استفاده از صدای ایجاد شده حین انتقال این مواد می باشد. به همین منظور دستگاهی متشکل از مخزن، موزع، لوله سقوط، حسگر صدا و محرک الکتریکی موزع ساخته شد. نرخ های جرمی مختلف گندم از لوله سقوط گذرانده و سیگنال صوتی حاصل توسط حسگر به جعبه ابزار استحصال داده منتقل گردید. با استفاده از تبدیل موجک سیگنال ها، خصوصیات فرکانسی هر سیگنال استخراج گردید. سپس توسط شبکه های عصبی مصنوعی پرسپترون چند لایه (MLP) و روش آنالیز تشخیصی، میزان توانایی سامانه برای طبقه بندی مقادیر مختلف دبی ها عبوری بررسی گردید. نتایج نشان داد که روش آنالیز تشخیصی با دقت بالاتری (%97) نسبت به روش شبکه عصبی مصنوعی طراحی شده (دقت %89 و 877/0R2=) قادر به تمایز دبی های جرمی متفاوت می باشد.