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 |
| تاریخ انتشار: | 1401 |
| محل انتشار | - دانشگاه سمنان، 1401. |
| موضوع | تبدیل موجک، تجزیه حالت تجربی، ماشین بردار پشتیبان موجک، الگوریتم ژنتیک، طراحی مهندسی، TA174 |
| نوع | دوره ای |
| زبان | فارسی |
| دیجیتال | بله |
| نسخه خطی | خیر |
| ابعاد فیزیکی | electronic resource |
| کتابخانه: | کتابخانه دانشگاه اولوداغ بورسا |
| شناسه دارایی کتابخانه | edsdoj.4b810cae884492d8b0567bb927c2f7e |
| شماره ثبت | mcjvfjmdsn |
| محل کتابخانه | LCC: طراحی مهندسی |
| تاریخ | 1401 |
| متن نمونه | 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. |
| DOI | 10.22075/jme.2022.26634.2244 |
| ISSN | 2008-4854, 2783-2538 |
| İlişki | https://modelling.semnan.ac.ir/article_7307_43c0c7deef0ab46d26611584da99dfbc.pdf; https://doaj.org/toc/2008-4854; https://doaj.org/toc/2783-2538 |
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: 4690096
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