طراحی الگوریتم عیب یابی یک موتور سوخت مایع بر پایه شبکه عصبی با هدف طبقه بندی و شناسایی محل و مقدار عیب

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 389

فایل این مقاله در 11 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:

JR_AKT-7-2_008

تاریخ نمایه سازی: 25 خرداد 1398

چکیده مقاله:

هدف اصلی این مقاله، طراحی یک مدل عیب یاب بر مبنای الگوریتم شبکه عصبی هوشمند به همراه شبیه سازی دینامیکی موتور بر پایه تحلیل های ریاضی برای یک موتور سوخت مایع سیکل باز است. عیب به دو شکل بروز پدیده کاویتاسیون در پمپ ها و وقوع گرفتگی در مسیرهای متفاوت موتور شبیه سازی شده است. در این پژوهش، به کارگیری شبکه عصبی چندلایه پیشخور با ورودی هایی که از کمیت های خروجی موتور سوخت مایع معیوب به دست آمده، به عنوان راهکار شناسایی عیوب در سامانه پیشران معرفی می شود. به دلیل حجم بالای داده های مورد نیاز از موتور معیوب برای آموزش شبکه و هزینه بسیار زیاد انجام تست های گرم، به دست آوردن داده های آموزش شبکه از تست های واقعی غیرممکن است. بنابراین شبیه سازی دینامیکی موتور بر پایه معادلات ریاضی حاکم بر سیال درون موتور انجام شده است تا بتوان جایگزینی کم هزینه و پرسرعت برای تولید داده های آموزش شبکه در اختیار گرفت. البته نتایج این مدل شبیه ساز دینامیکی موتور با نتایج تست گرم اعتبارسنجی می شود. در این طرح درصد تغییر فشار خروجی زیرسامانه ها و دور توربین نسبت به حالت کارکرد صحیح موتور، به عنوان بهترین داده های ورودی برای تشخیص عیب در نظر گرفته شده است. ارزیابی شبکه عصبی با داده های تست، دقت بسیار زیاد شبکه را در تشخیص محل عیب و میزان آن مشخص می کند. در نهایت روش عیب یابی مورد نظر، به وسیله داده های آزمایشگاهی یک موتور سوخت مایع اعتبارسنجی شده است.

نویسندگان

سجاد خدادادیان

دانشجوی دکترا / گروه مهندسی هوافضا، دانشکده مهندسی انرژی و فناوری های نوین، دانشگاه شهید بهشتی، تهران

رضا فرخی

کارشناس ارشد / دانشکده مهندسی مکانیک، دانشگاه گیلان، رشت

داود رمش

فارغ التحصیل دکترا / دانشکده مهندسی هوافضا، دانشگاه صنعتی خواجه نصیر الدین طوسی، تهران

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 :
  • L. H.Yam, Y. J. Yan, J. S. Jiang, Vibration-based damage ...
  • Y. F. Hua, L. H. Bing, T. G. Jin, Application ...
  • S. Rajakarunakaran, P. Venkumar, D. Devaraj, Surya Prakasa Rao K., ...
  • J. D. Wu, J. J. Chan, Faulted gear identification of ...
  • J. D. Wu, C. K. Huang, Y. W. Chang, Y. ...
  • H. A. Talebi, A Recurrent Neural-Network-Based Sensor and Actuator Fault ...
  • N. Dervilis, R. J. Barthorpe, I. Antoniadou, W. J. Staszewski, ...
  • M. Claudia, W. A. Maul, The application of neural network ...
  • M. Claudia, J. F. Zakrajesk., The Rocket engine failure detection ...
  • J. Wu, Liquid-propellant rocket engines health-monitoring-a survey, Acta Astronautica, 56, ...
  • Z. Feng, Q. Wang, Research on health evaluation system of ...
  • S. khodadadian, R.Farrokhi, D. Ramesh, Construction of a Neural Network ...
  • S. khodadadian, R.Farrokhi, D. Ramesh, Damage Detection of a Liquid ...
  • D. Ramesh, S. Alimohammadi, Simulation of Cavitation Process in Oxidizer ...
  • R. Farrokhi, D. Ramesh, Nonlinear Dynamic Simulation of a Liquid ...
  • Ch. Manfletti, Transient Simulation of Liquid Rocket Engines: A Step ...
  • E. Beliaev, V. Chevanov, Mathematical Modeling of Operating Process of ...
  • D. Ramesh, M. Aminpour, Nonlinear Dynamic Simulation of a Liquid ...
  • V. Kurkova, Kolmogorov’s theorem and multilayer neural networks, Neural Networks, ...
  • M. Snorek, Neuralnetworksand neurocomputers, Vydavatelstvi, CVUT, Prague, Czech Republic, 2002. ...
  • V. Singh, I. Gupta, H. O. Gupta, ANN-based estimator for ...
  • نمایش کامل مراجع