روش ترکیبی هوشمند جدید برای عیب یابی یاتاقان بر پایه بهبود روش انتخاب ویژگی ارزیابی جبران فاصله و ماشین بردار پشتیبان
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
در این مقاله، یک روش جدید برای عیب یابی یاتاقان ها در سرعت دورانی های مختلف ارایه شده است. سیگنال های ارتعاشی در چهار حالت سالم، رینگ داخلی معیوب، رینگ خارجی معیوب و المان ساچمه معیوب جمع آوری شده اند. ابتدا 22 ویژگی آماری در حوزه زمان و 4 ویژگی در حوزه فرکانس از سیگنال اصلی، 3 سطح تجزیه حاصل از تبدیل بسته ای موجک (WPD) و 5 مولفه اول حاصل از تجزیه مود تجربی (EMD) استخراج شده اند و در نهایت، بردار ویژگی برای هر نمونه سیگنال دارای 424 ویژگی است. ماتریس ویژگی با ابعاد بزرگ ممکن است شامل ویژگی های غیرحساس به عیب باشد. از این رو در این مطالعه از روش انتخاب ویژگی ارزیابی جبران فاصله (CDET) برای انتخاب ویژگی های بهینه استفاده شده است. سپس، از ویژگی های منتخب به عنوان ورودی طبقه بندی کننده ماشین بردار پشتیبان (SVM) برای پیش بینی وضعیت یاتاقان استفاده شده است. در روش CDET، شاخص آستانه ای وجود دارد که نقش تعیین کننده ای در انتخاب ویژگی های مطلوب ایفا می نماید. همچنین، روش SVM دارای پارامترهایی است که لازم است حین عیب یابی تنظیم شوند. از این رو در این مطالعه از الگوریتم بهینه سازی ازدحام ذرات (PSO) برای تعیین مقادیر بهینه شاخص آستانه در روش CDET و پارامترهای بهینه SVM استفاده شده است، به طوری که خطای پیش بینی شرایط یاتاقان و تعداد ویژگی های منتخب کمینه شوند. نتایج به دست آمده در این مقاله نشان می دهد که ویژگی های انتخاب شده به خوبی قادر به تفکیک شرایط مختلف یاتاقان در سرعت های مختلف هستند. مقایسه نتایج این مقاله با دیگر روش های عیب یابی، دلالت بر توانمندی روش پیشنهادی می کند.
کلیدواژگان:
زبان:
فارسی
صفحات:
865 تا 875
لینک کوتاه:
magiran.com/p1934999
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!