تشخیص عیب یاتاقان های توپ با تبدیل موجک و ماشین بردار پشتیبان مورلت و مقایسه آنها با تجزیه حالت تجربی

عنوان تشخیص عیب یاتاقان های توپ با تبدیل موجک و ماشین بردار پشتیبان مورلت و مقایسه آنها با تجزیه حالت تجربی
نویسنده محمد حیدری
محل انتشار - دانشگاه سمنان
موضوع مجله مدل سازی در مهندسی, 1402-01, Vol.21 (72), p.147-158
نوع دوره ای
زبان فارسی
دیجیتال بله
نسخه خطی خیر
کتابخانه: کتابخانه دانشگاه لستر
شناسه دارایی کتابخانه ISSN: 2008-4854, EISSN: 2783-2538, DOI: 10.22075/jme.2022.26634.2244
شماره ثبت cdi_doaj_primary_oai_doaj_org_article_c4b810cae884492d8b0567bb927c2f7e
محل کتابخانه دایرکتوری DOAJ از مجلات دسترسی آزاد
یادداشت‌ها در این مطالعه، مقایسه ای بین تجزیه حالت تجربی، تجزیه حالت تجربی مجموعه و تبدیل موجک پیوسته مورلت در تشخیص عیب یاتاقان ها انجام شده است. یک ماشین بردار پشتیبان موجک مورلت با استراتژی یک در برابر یک که توسط الگوریتم ژنتیک بهینه شده بود برای طبقه بندی خطا استفاده شد. یک معیار انتخاب مقیاس بر اساس حداکثر انرژی نسبی به نسبت آنتروپی Renyi برای تعیین مقیاس تجزیه بهینه برای تجزیه و تحلیل موجک پیشنهاد شده است. مقایسه بین عملکرد بهینه و غیربهینه ماشین‌های بردار پشتیبان نیز انجام شد. سیگنال‌های ارتعاشی توسط یک دستگاه تست برای خطاهای مختلف یک یاتاقان مانند حالت عادی، یاتاقان با خطای مسابقه داخلی و خارجی و یاتاقان با خطای توپ و خطای کمباین جمع‌آوری شد. پس از پردازش سیگنال های ارتعاشی اجزای فرکانس آنها، چندین ویژگی آماری از هر جزء فرکانس به عنوان ورودی ماشین بردار پشتیبان موجک برای طبقه بندی خطای بلبرینگ ها استخراج شد. برای کاهش زمان و فرآیند تشخیص عیب، مجموعه ویژگی های بهینه پارامترهای آماری به روش Utans انتخاب می شوند. برای ارزیابی طبقه‌بندی‌کننده از روش اعتبارسنجی متقاطع K-fold استفاده می‌شود. نتایج نشان می‌دهد که تبدیل موجک پیوسته با پایه مورلت نسبت به سایر روش‌ها در طبقه‌بندی خطای یاتاقان‌ها از دقت بالاتری برخوردار است.
مشاهده در منبع کتابخانه دانشگاه لستر کتابخانه دانشگاه لستر - موتور جستجوی نسخه های خطی عثمانی

نسخه‌های دیگر

11
Fault Diagnosis of Ball Bearings by Wavelet Transform and Morlet Support Vector Machine and Comparison them with Empirical Mode Decomposition
شماره ثبت: 4691463
Fault Diagnosis of Ball Bearings by Wavelet Transform and Morlet Support Vector Machine and Comparison them with Empirical Mode Decomposition
شماره ثبت: 4866637
Fault Diagnosis of Ball Bearings by Wavelet Transform and Morlet Support Vector Machine and Comparison them with Empirical Mode Decomposition
شماره ثبت: 5213873
Fault Diagnosis of Ball Bearings by Wavelet Transform and Morlet Support Vector Machine and Comparison them with Empirical Mode Decomposition
شماره ثبت: 5292155
Fault Diagnosis of Ball Bearings by Wavelet Transform and Morlet Support Vector Machine and Comparison them with Empirical Mode Decomposition
شماره ثبت: 5301259
Fault Diagnosis of Ball Bearings by Wavelet Transform and Morlet Support Vector Machine and Comparison them with Empirical Mode Decomposition
شماره ثبت: 5302258
Fault Diagnosis of Ball Bearings by Wavelet Transform and Morlet Support Vector Machine and Comparison them with Empirical Mode Decomposition
شماره ثبت: 5302596
Fault Diagnosis of Ball Bearings by Wavelet Transform and Morlet Support Vector Machine and Comparison them with Empirical Mode Decomposition
شماره ثبت: 5303730
Fault Diagnosis of Ball Bearings by Wavelet Transform and Morlet Support Vector Machine and Comparison them with Empirical Mode Decomposition
شماره ثبت: 5304742
Fault Diagnosis of Ball Bearings by Wavelet Transform and Morlet Support Vector Machine and Comparison them with Empirical Mode Decomposition
شماره ثبت: 5334450
Fault Diagnosis of Ball Bearings by Wavelet Transform and Morlet Support Vector Machine and Comparison them with Empirical Mode Decomposition
شماره ثبت: 5391995
کتابخانه دانشگاه لستر - موتور جستجوی نسخه های خطی عثمانی کتابخانه دانشگاه لستر

تشخیص عیب یاتاقان های توپ با تبدیل موجک و ماشین بردار پشتیبان مورلت و مقایسه آنها با تجزیه حالت تجربی

نویسنده محمد حیدری
محل انتشار - دانشگاه سمنان
موضوع مجله مدل سازی در مهندسی, 1402-01, Vol.21 (72), p.147-158
نوع دوره ای
زبان فارسی
دیجیتال بله
نسخه خطی خیر
کتابخانه کتابخانه دانشگاه لستر
شناسه دارایی کتابخانه ISSN: 2008-4854, EISSN: 2783-2538, DOI: 10.22075/jme.2022.26634.2244
شماره ثبت cdi_doaj_primary_oai_doaj_org_article_c4b810cae884492d8b0567bb927c2f7e
محل کتابخانه دایرکتوری DOAJ از مجلات دسترسی آزاد
یادداشت‌ها در این مطالعه، مقایسه ای بین تجزیه حالت تجربی، تجزیه حالت تجربی مجموعه و تبدیل موجک پیوسته مورلت در تشخیص عیب یاتاقان ها انجام شده است. یک ماشین بردار پشتیبان موجک مورلت با استراتژی یک در برابر یک که توسط الگوریتم ژنتیک بهینه شده بود برای طبقه بندی خطا استفاده شد. یک معیار انتخاب مقیاس بر اساس حداکثر انرژی نسبی به نسبت آنتروپی Renyi برای تعیین مقیاس تجزیه بهینه برای تجزیه و تحلیل موجک پیشنهاد شده است. مقایسه بین عملکرد بهینه و غیربهینه ماشین‌های بردار پشتیبان نیز انجام شد. سیگنال‌های ارتعاشی توسط یک دستگاه تست برای خطاهای مختلف یک یاتاقان مانند حالت عادی، یاتاقان با خطای مسابقه داخلی و خارجی و یاتاقان با خطای توپ و خطای کمباین جمع‌آوری شد. پس از پردازش سیگنال های ارتعاشی اجزای فرکانس آنها، چندین ویژگی آماری از هر جزء فرکانس به عنوان ورودی ماشین بردار پشتیبان موجک برای طبقه بندی خطای بلبرینگ ها استخراج شد. برای کاهش زمان و فرآیند تشخیص عیب، مجموعه ویژگی های بهینه پارامترهای آماری به روش Utans انتخاب می شوند. برای ارزیابی طبقه‌بندی‌کننده از روش اعتبارسنجی متقاطع K-fold استفاده می‌شود. نتایج نشان می‌دهد که تبدیل موجک پیوسته با پایه مورلت نسبت به سایر روش‌ها در طبقه‌بندی خطای یاتاقان‌ها از دقت بالاتری برخوردار است.
کتابخانه دانشگاه لستر - موتور جستجوی نسخه های خطی عثمانی
کتابخانه دانشگاه لستر شما در حال هدایت مجدد هستید...

لطفاً صبر کنید