تشخیص عیوب یاتاقان مبتنی بر تحلیل تصاویر ارتعاشی به روش توصیفگر آرکم سیفت

تشخیص عیوب یاتاقان یکی از وظایف اساسی در پایش سلامت ماشین است، زیرا یاتاقان ها اجزای حیاتی ماشین های دوار هستند. این مقاله یک روش جدید را برای تشخیص عیوب در یاتاقان ها بر اساس ترکیبی از الگوریتم های استخراج ویژگی پیشنهاد می کند که در آن از سیگنال دو بعدی استفاده می شود. متفاوت از سایر روش های کلاسیک پردازش سیگنال یک بعدی، روش پیشنهادی این مقاله، سیگنال های ارتعاشی یک بعدی را به سیگنال دو بعدی (تصویر) تبدیل می کند، سپس از روش های پردازش تصویر برای تجزیه و تحلیل سیگنال تصویر استفاده می شود تا به هدف طبقه بندی عیوب رخ داده در یاتاقان برسد. تصاویر تبدیل شده از سیگنال های ارتعاشی اغلب ویژگی های بافت خاصی دارند و بافت هر دسته معیوب متفاوت است. علاوه بر این، هر توصیفگر ویژگی های فضایی را استخراج می کند. برخی از ویژگی ها ضعیف و برخی دیگر قوی هستند. در این مقاله روش حذف نقاط کلیدی اضافی سیفت (آرکم سیفت) استفاده شده است. علاوه بر این، برای هر توصیفگر، بهترین ویژگی ها با استفاده از روش تجزیه و تحلیل مولفه اصلی غیر خطی انتخاب می شوند. در نهایت، ویژگی های انتخاب شده با هم ترکیب می شوند و برای دستیابی به بهترین عملکرد در طبقه بندی چهار روش طبقه بندی اعمال شده و بعد از مقایسه بهترین روش طبقه بندی انتخاب می شود. عملکرد الگوریتم پیشنهادی بر روی مجموعه داده های بلبرینگ استاندارد دانشگاه کیس وسترن رزرو ارزیابی شده است. نتایج شبیه سازی نشان می دهد که روش پیشنهادی نسبت به روش های دیگر خطایابی یاتاقان های غلتشی عملکرد بهتری دارد.