شناسایی عیوب هم زمان در ماشین های دوار به کمک توسعه روش های پردازش سیگنال های ارتعاشی

یاتاقان ها اکثرا در شرایط کاری متغیر با زمان (سرعت یا بارگذاری متغیر) کار می کنند، در حالی که بیشتر روش های ارائه شده برای شناسایی عیب در یاتاقان ها در وضعیت ایستا (سرعت یا بارگذاری ثابت) می باشند. در این پژوهش، یک روش ترکیبی جدید هوشمند برای شناسایی عیب یاتاقان ها در شرایط کاری متغیر همراه با چند عیب همزمان با زمان ارائه شده است. سیگنال های ارتعاشی در دو حالت سالم و رینگ داخلی معیوب در سرعت دورانی متغیر جمع آوری شده اند. ابتدا هر سیگنال به ۵ بخش مساوی تقسیم شده است و هریک از بخش های سیگنال توسط تجزیه مود ذاتی کلی (EEMD) به مولفه های توابع مود ذاتی(IMF) تجزیه شده است. از آنجائی که چند IMF اول، بیشترین سهم اطلاعات از سیگنال اصلی را دارا هستند، بنابراین، سه IMF اول حاصل از تجزیه سیگنال به منظور استخراج ویژگی انتخاب شده اند. سپس، روابط هم انباشتگی میان IMF های غیرایستا به کمک روش اثر جوهانسون به دست آمده اند. با استفاده از روش تبدیل بسته ای موجک، هر یک از روابط هم انباشتگی به دست آمده به ضرایب مختلفی تا سه سطح تجزیه می شوند. سپس از هر کدام از ضرایب موجک ویژگی های آماری در حوزه زمان استخراج شده است. ماتریس ویژگی با ابعاد بالا ممکن است شامل ویژگی های غیر حساس به حضور عیب باشد، به همین خاطر، در این تحقیق از روش ارزیابی جبران فاصله (CDET) برای انتخاب ویژگی اولیه استفاده شده است. سپس، از ویژگی های منتخب اولیه به عنوان ورودی طبقه بندی کننده ماشین بردار پشتیبان (SVM) برای پیش بینی وضعیت یاتاقان استفاده شده است. روش SVM دارای پارامترهایی است که لازم است در حین عیب یابی تنظیم شوند. از این رو در این مطالعه از الگوریتم بهینه سازی ازدحام ذرات باینری (BPSO) برای تعیین پارامترهای بهینه SVM و مجموعه ویژگی های بهینه استفاده شده است، به طوری که خطای پیش بینی عیب و مجموعه ویژگی های انتخاب شده نهایی کمینه شوند. اما در روش CDET شاخص آستانه-ای وجود دارد که نقش تعیین کننده ای در انتخاب ویژگی مطلوب ایفا می-کند. به ازای مقادیر مختلف شاخص آستانه نتایج پیش بینی عیب بررسی شده است و در نهایت شاخصی که بهترین نتیجه را برای شناسایی عیبهای همزمان و انتخاب مجموعه ویژگی های بهینه را داشته انتخاب شده است. نتایج به دست آمده در این پژوهش نشان می دهند که ویژگی های انتخاب شده به خوبی قادر به تفکیک وضعیت یاتاقان در سرعت متغیر می باشند. در نهایت، مقایسه نتایج در این پژوهش با دیگر روش های عیب یابی، دلالت برتوانمندی روش پیشنهادی دارد.

کلیدواژه ها:

عیب یابی یاتاقان ، شرایط کاری متغیر با زمان ، هم-انباشتگی ، استخراج ویژگی ، انتخاب ویژگی ، شناسایی الگو