بررسی مقایسه ای کارایی روش هایی بر پایه تکنیک های هوش مصنوعی در تشخیص عیوب سیستم های مکانیکی

بلبرینگ ها یکی از پر استفاده ترین قطعات موتورها می باشند که به دلیل چرخش دائمی زودتر از بقیه قطعات دچار خرابی می شوند و بدین خاطر تحقیقات وسیعی بر روی پایش سلامت بلبرینگ های موتورهای القایی انجام شده است. عیوب بلبرینگ ها معمولا از نوع محلی هستند که در حلقه داخلی، خارجی، ساچمه ها یا قفسه ایجاد می شوند. به همین علت از سیگنال ارتعاشی برای پایش سلامت بلبرینگ ها استفاده می شود. همچنین در این پژوهش عیب یابی ورق های کامپوزیت با استفاده از پردازش سیگنال ارتعاشی و روش های مبتنی بر هوش مصنوعی نیز صورت گرفته است. سیگنال های ارتعاشی از ورق های کامپوزیتی سالم و دارای عیب گرفته شده و با استفاده از روش های مختلف پردازش سیگنال حوزه زمان- فرکانس تعدادی ویژگی از این سیگنال ها استخراج شده است. سپس موثرترین ویژگی ها که حاوی اطلاعات بیشتری از ورق های کامپوزیتی می باشند به عنوان ورودی به سیستم های مختلف طبقه بندی داده شده است که خروجی آنها نشان دهنده نوع و شدت عیب می باشد. نتایج به دست آمده نشان دهنده برتری روش انفیس[i] از نظر درصد دقت می باشد درحالی که این روش بیشترین مدت زمان اجرا را در تعداد اجراهای برابر دارد. درصورتی که روش پیشنهادی XCS بهبود یافته است، درصد دقت نسبتا کمتری نسبت به انفیس دارد، ولی مدت زمان اجرای کمتری را (در تعداد اجرای برابر نسبت به روش فوق) به خود اختصاص می دهد.