عیب یابی هوشمند گیربکس با استفاده از شبکه های عصبی و تبدیل ویولت گسسسته

این مقاله به صورت تجربی به بررسی یک سیستم تشخیص و طبقه بندی عیوب ناشی از چرخدنده و بلبرینگ در یک گیربکس توسط تست غیرمخرب، با استفاده از شبکه های عصبی مصنوعی می پردازد. سیگنال های ارتعاشی با یک شتاب سنج سه محوره نصب شده بر روی بدنه گیربکس به کمک یک سیستم داده برداری ضبط شده و توسط درون یابی تکه ای مکعبی هرمیت هم بعد شدند. سیگنال های هم بعد شده، با ایجاد یک بردار ویژگی کاملا جدید که از محاسبه انحراف استاندارد ضرایب ویولت گسسته به دست آمد، به عنوان ورودی به شبکه عصبی اعمال شد. شکستگی یک دندانه در چرخدنده، سایش متوسط و سایش کم چرخدنده، بلبرینگ معیوب و حالت سالم گیربکس به عنوان نرون های خروجی در شبکه قرار گرفتند. سرانجام شبکه پرسپترون دو لایه با ساختار بسیار مناسب 6:25:5 و با کارائی 98/34% برای عیب یابی گیربکس ارائه گردید.