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: | 1402-01 |
| موضوع | تجزیه حالت تجربی، الگوریتم ژنتیک، ماشین بردار پشتیبانی موجک، تبدیل موجک |
| نوع | دوره ای |
| زبان | فارسی |
| دیجیتال | بله |
| نسخه خطی | خیر |
| کتابخانه: | دانشگاه تورنتو |
| 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 |
| تاریخ | 1402-01 |
| 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. |
| Erişim bilgileri | Access content in Directory of Open Access Journals, Available Online |
