کاربرد آنالیز ارتعاشات و شبکه عصبی Wavelet در تشخیص و پیش بینی هوشمند عیوب مکانیکی،مطالعه موردی تعیین عمر باقی مانده یاتاقان چیلر

سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,787

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCM06_050

تاریخ نمایه سازی: 29 بهمن 1388

چکیده مقاله:

نگهداری و تعمیرات مبتنی بر شرایط (CBM) و مدیریت سلامت و پیش بینی (PHM) در خلال سال های اخیر به عنوان فناوری های چشمگیری که تاثیر عمیقی بر فعالیت های مربوط به نگهداری و تعمیرات در حوزه های نظامی و تجاری دارند، حضور یافته اند. در واقع اکنون ما شاهد یک نوع تغییر موضع حقیقی در روش طراحی ، پایش و نگهداری و تعمیرات سیستم های پیچیده (اعم از وسایل هوانوردی و فضا نوردی، سیستم های حمل و نقل دریایی، فرایندهای صنعتی و ساخت و تولید) هستیم. تشخیص و پیش بینی عیوب، تعیین باقی مانده عمر مفید اجزای سیستم، به مشارکت فعال تخصص های چند گانه احتیاج دارند. فناوری PHM وCBM به دنبال ادغام و تشکیل یک پیوند قوی از گرایش های میان رشته ای علوم مهندسی، کامپیوتر و قابلیت اطمینان بوجود آمدند. در این مقاله در بخش مرور ادبیات، چگونگی توسعه نگهداری و تعمیرات میتنی بر شرایط به مدیریت سلامت و پیش بینی معرفی می شود. سپس ساختار و ویژگی های شبکه عصبی موجک بیان می گردد.در بخش مدل سازی تکنیک ها و مدل های تشخیص، طبقه بندی و پیش بینی عیوب را بررسی کرده و روش اعتباردهی مدل ها تشریح می گردد. در بخش مطالعه موردی، رشد اندازه شکاف و عمر مفید باقی مانده یاتاقان خنک کننده یک شناور خاص، به کمک آنالیز ارتعاشات و شبکه عصبی موجک پیش بینی خواهد شد.

کلیدواژه ها:

تشخیص و پیش بینی عیوب ، عمر مفید باقی مانده ، آنالیز ارتعاشات ، نگهداری و تعمیرات مبتنی بر شرایط (CBM) ، مدیریت پیش بینی وسلامت(PHM) ، شبکه عصبی موجک

نویسندگان

سعید رمضانی

کارشناس ارشد مهندسی صنایع، دانشگاه امام حسین، مرکز مطالعات و پژوهش ه

مصطفی یوسفی طزرجان

کارشناس ارشد مهندسی صنایع، دانشگاه تربیت مدرس

مهدی مغان

کارشناس ارشد مهندسی صنایع، دانشگاه امام حسین

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • I1] مصطفی یوسفی و سعید رمضانی، رویکردی هوشمند در تشخیص ...
  • J. Han, and M. Kamber, "Data Mining Concepts and Techniques", ...
  • F. L. Lewis, S. Jagannathan, and A. Yesildirek, Neural Network ...
  • R. Sharda, _ Network for the MS/OR Analyst: An Application ...
  • DataEngine Manual, MIT GmbH, 2008. ...
  • N. Propes and G. Vachtsevanos, :Fuzzy Petri Net Based Mode ...
  • G. Vachtsevanos and P. Wang, _ Wavelet Network Framework for ...
  • G. Vachtsevanos, P. Wang, and N. Khiripet, ،، Progno stication ...
  • P. R. Gill, W. Murray, and M. H. Wright, ،:The ...
  • N. Propes, S. Lee, G. Zhang, I. Barlas, Y. Zhao, ...
  • B. H. Chen, X. Z. Wang, S. H. Yang, C. ...
  • Murat Ceylan, Rahime Ceylan, Yiksel ? zbay, Sadik Kara, Application ...
  • Jian-Da Wu, Chiu-Hong Liu, Investigation of engine fault diagnosis using ...
  • Jian-Da Wu, Chiu-Hong Liu, An expert system for fault diagnosis ...
  • G. S. Hong, M. Rahman, Q. Zhou, Using neural network ...
  • N. Propes, S. Lee, G. Zhang, I. Barlas, Y. Zhao, ...
  • G. Zhang, S. Lee, N. Propes, Y. Zhao, G. Vachtsevanos, ...
  • P. J. Werbos, ،، Generalization of B ackpropagation with Application ...
  • A. S. Weigend and N. A. Gershenfeld, Time Series Prediction: ...
  • J. Cheng and D. M. Titerington, _ Networks: A Review ...
  • F. C. Tsui, M. G. Sun, C. C. Li, and ...
  • نمایش کامل مراجع