عیب یابی چرخ دنده بر پایه انتخاب مناسب ترین ویژگی به کمک الگوریتم بهینه سازی ازدحام ذرات
محل انتشار: مجله مکانیک سازه ها و شاره ها، دوره: 8، شماره: 3
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 461
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JSFM-8-3_004
تاریخ نمایه سازی: 19 خرداد 1398
چکیده مقاله:
در این مقاله، روش جدیدی برای عیب یابی در چرخ دنده ها ارایه شده است. سیگنال های ارتعاشی مجموعه جعبه دنده در سه حالت سالم، لب پریدگی دندانه و ساییدگی دندانه جمع آوری شده اند. این سیگنال ها با استفاده از روش تجزیه مود تجربی به تعدادی توابع مود ذاتی تجزیه شده اند. با توجه به این که همه توابع مود ذاتی به دست آمده از روش تجزیه مود تجربی، مناسب برای عیب یابی نیستند، از مفهوم همبستگی متقابل برای انتخاب مناسب ترین تابع مود ذاتی استفاده شده است. سپس، با به کارگیری توابع آماری مختلف، ماتریس ویژگی متناظر با هر حالت چرخ دنده، استخراج شده است. ماشین بردار پشتیبان چند کلاسه از نوع یک در برابر یک برای طبقه بندی عیوب به کار گرفته شده است. از آنجایی که تمامی ویژگی های استخراج شده برای عیب یابی مناسب نیستند و ماشین بردار پشتیبان دارای پارامترهایی است که باید تنظیم شوند، از این رو، از الگوریتم بهینه سازی ازدحام ذرات برای انتخاب مناسب ترین ویژگی و تعیین پارامترهای بهینه ماشین بردار پشتیبان استفاده شده است. تابع هدف در این مقاله، دقت طبقه بندی کننده ی ماشین بردار پشتبان در پیش-بینی حالت جعبه دنده می باشد. نتایج به دست آمده نشان می دهد که ویژگی های انتخاب شده در این روش و ماشین بردار پشتیبان بهینه شده دارای توانایی عالی در طبقه بندی عیوب می باشند.
کلیدواژه ها:
عیب یابی چرخدنده ، انتخاب ویژگی ، تجزیه مود تجربی ، ماشین بردار پشتیبان ، الگوریتم بهینه سازی ازدحام ذرات
نویسندگان
احمد باقری
استاد، دانشکده مهندسی مکانیک، دانشگاه گیلان، رشت
سعید نظامیوند چگینی
دانشجوی دکتری، دانشکده مهندسی مکانیک، دانشگاه گیلان، رشت
میلاد رمضانی دشتمیان
کارشناسی ارشد، موسسه آموزش عالی غیرانتفاعی غیردولتی احرار، رشت
فرید نجفی
استاد، دانشکده مهندسی مکانیک، دانشگاه گیلان، رشت
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 :